अगला इबोला भविष्यवाणी करने के लिए कठिन है, लेकिन "प्रकोप का पूर्वानुमान" मदद कर सकता है

ग्रामीण गिनी में एक 2 वर्षीय लड़के की दिसंबर 2014 में इबोला से मृत्यु हो गई। अगले दो वर्षों में, पश्चिम अफ्रीका में लगभग 30,000 लोग इबोला वायरस से संक्रमित होंगे।

पिछले 17 इबोला के प्रकोपों ​​के विपरीत, क्या इसने इतनी बड़ी वृद्धि की, इतनी जल्दी? क्या, अगर कुछ भी, भविष्य के प्रकोप को रोकने के लिए किया जा सकता है? ये सवाल, कई अन्य लोगों के साथ, प्रकोप के पूर्वानुमान के नवजात वैज्ञानिक क्षेत्र के दिल में हैं। और दांव अधिक नहीं हो सकता। जनवरी में, विश्व आर्थिक मंच ने महामारी को व्यापार और मानव जीवन के लिए सबसे बड़े जोखिमों में से एक कहा।

पिछली कई शताब्दियों में, वैज्ञानिक दुनिया के कई पहलुओं की भविष्यवाणी करने में बेहतर हो गए हैं, जिसमें ग्रहों की कक्षा, ज्वार के प्रवाह और प्रवाह और तूफान के मार्ग शामिल हैं। सटीक पूर्वानुमान लगाने के लिए प्राकृतिक और भौतिक प्रणालियों को अच्छी तरह से समझने की क्षमता शायद मानवता की सबसे बड़ी उपलब्धियों में से एक है।

पूर्वानुमान की इस सफलता का अधिकांश भाग आइजैक न्यूटन की मूलभूत अंतर्दृष्टि से शुरू होता है कि अपरिवर्तनीय सार्वभौमिक कानून हैं जो हमारे आसपास की प्राकृतिक घटनाओं को नियंत्रित करते हैं। बड़ी गणनाओं को तेजी से करने की क्षमता ने न्यूटोनियन परिप्रेक्ष्य को बढ़ावा दिया है, जो पर्याप्त डेटा और कंप्यूटिंग शक्ति को देखते हुए, सबसे जटिल घटनाओं की भविष्यवाणी की जा सकती है।

हालाँकि, सीमाएँ हैं। जैसा कि वैज्ञानिक इस प्रकार के पूर्वानुमान प्रणालियों का अध्ययन करते हैं, हमें संदेह है कि यह ठीक से भविष्यवाणी करना संभव होगा कि बीमारी के प्रकोप में आगे क्या होगा, क्योंकि सबसे महत्वपूर्ण चर एक प्रकोप से दूसरे में इतना परिवर्तन कर सकते हैं।

यही कारण है कि मौसम की भविष्यवाणी के साथ, वास्तविक समय के आंकड़ों को इकट्ठा करना वैज्ञानिक समुदाय के प्रकोप की भविष्यवाणी करने की क्षमता को आगे बढ़ाने के लिए आवश्यक है।

अयोग्य महामारी

यह विचार कि वैज्ञानिक महामारी का मॉडल बना सकते हैं, इस धारणा पर आधारित है कि प्रत्येक प्रकोप का अनुमान इसके आंतरिक और अपरिवर्तनीय गुणों के कारण अनुमान है।

कहो एक बीमारी एक संक्रामक रोगज़नक़ के कारण होती है। उस बीमारी की संक्रामकता को "मूल प्रजनन अनुपात" नामक संख्या में समझाया जा सकता है, या R0, एक संख्या जो यह बताती है कि किसी आबादी में एक रोगज़नक़ के व्यापक रूप से फैलने की संभावना है।

यदि महामारी विज्ञानियों को एक रोगज़नक़ R0 के बारे में पर्याप्त पता है, तो उम्मीद है कि वे इसके अगले प्रकोप के पहलुओं की भविष्यवाणी कर सकते हैं - और उम्मीद है कि छोटे पैमाने पर फैलने वाले प्रकोपों ​​को बड़े पैमाने पर महामारी बनने से रोक सकते हैं। वे ऐसा उन क्षेत्रों में संसाधन जुटाकर कर सकते हैं जहां रोगजनकों के पास विशेष रूप से उच्च R0 मान हैं। या वे बीमारी के वाहक और किसी दिए गए समाज के सबसे अतिसंवेदनशील सदस्यों, अक्सर बच्चों और बुजुर्गों के बीच बातचीत को सीमित कर सकते हैं।

इस तरह, R0 को एक अपरिवर्तनीय संख्या के रूप में व्याख्या की जाती है। लेकिन आधुनिक अध्ययनों से पता चलता है कि यह मामला नहीं है।

उदाहरण के लिए, जीका वायरस महामारी पर विचार करें। इस बीमारी के लिए, आर 0 0.5 से 6.3 तक था। यह एक उल्लेखनीय अवधि है, एक बीमारी से लेकर जो अपने आप ही एक से दूर हो जाएगी जो दीर्घकालिक महामारी का कारण बनेगी।

कोई सोच सकता है कि जीका के लिए आर 0 मान की यह व्यापक सीमा सांख्यिकीय अनिश्चितता से उपजी है - कि शायद वैज्ञानिकों को केवल अधिक डेटा की आवश्यकता है। लेकिन यह ज्यादातर गलत होगा। Zika के लिए, असंख्य कारक, जलवायु और मच्छरों से लेकर डेंगू जैसे अन्य संबंधित वायरस की उपस्थिति और यौन संचरण की भूमिका, सभी अलग-अलग सेटिंग्स में अलग-अलग R0 मानों को जन्म देते हैं।

यह पता चला है कि एक महामारी की विशेषताएं - रोगज़नक़ की संक्रामकता, संचरण की दर, टीकों की उपलब्धता और इतने पर - एकल प्रकोप के दौरान इतनी तेज़ी से परिवर्तन होता है कि वैज्ञानिक केवल उस प्रकोप के दौरान गतिशीलता की भविष्यवाणी करने में सक्षम होते हैं । दूसरे शब्दों में, अप्रैल 2014 में इबोला वायरस रोग के प्रकोप का अध्ययन करने से वैज्ञानिकों को अगले महीने की इसी सेटिंग में इबोला के प्रकोप को समझने में मदद मिल सकती है, लेकिन भविष्य की इबोला महामारियों की गति को समझने के लिए यह अक्सर बहुत कम सहायक होता है, जैसे कि ऐसा हुआ मई 2018 में।

महामारी अक्सर साफ-सुथरी और बंधी हुई घटनाएं नहीं होती हैं। वे शोर घटनाएं हैं जहां कई चर आवश्यक खेलते हैं, लेकिन शिफ्टिंग, भूमिकाएं। बीमारी का कोई अंतर्निहित सत्य नहीं है - केवल विवरणों का एक अस्थिर संग्रह, जो रोग फैलता है, अक्सर अलग हो जाता है।

बेहतर भविष्यवाणियों

यदि वैज्ञानिकों को भरोसा नहीं है कि वे महामारी विज्ञान प्रणालियों को अच्छी तरह से समझ सकते हैं कि वे संबंधितों के व्यवहार की भविष्यवाणी कर सकते हैं, तो उन्हें अध्ययन करने के लिए परेशान क्यों करें?

उत्तर को हम "सॉफ्ट फिजिक्स" की भविष्यवाणी के रूप में समझ सकते हैं: वैज्ञानिकों को यह मानना ​​बंद कर देना चाहिए कि हर प्रकोप समान नियमों का पालन करता है। जब एक प्रकोप की दूसरे के साथ तुलना की जाती है, तो उन्हें उन सभी के बीच के मतभेदों को ध्यान में रखना चाहिए।

उदाहरण के लिए, जीवविज्ञानी ने इन्फ्लूएंजा संक्रमण के बारे में कई विवरणों का खुलासा किया है। वे जानते हैं कि वायरस मेजबान कोशिकाओं को कैसे बांधते हैं, वे कैसे दोहराते हैं, और वे एंटीवायरल दवाओं के प्रतिरोध को कैसे विकसित करते हैं। लेकिन एक महामारी तब शुरू हो सकती है जब एक बड़ी आबादी महीने के किसी निश्चित दिन सार्वजनिक परिवहन का इस्तेमाल करती है, जबकि एक धार्मिक सेवा में एक मण्डली द्वारा दूसरी पहल की जा सकती है। यद्यपि दोनों प्रकोपों ​​को एक ही संक्रामक एजेंट में निहित किया जाता है, लेकिन इन और उनके विशेष रूप से कई अन्य मतभेदों का मतलब है कि वैज्ञानिकों को यह बताने की आवश्यकता हो सकती है कि वे कैसे आगे बढ़ते हैं।

इन विवरणों को बेहतर ढंग से समझने के लिए, वैज्ञानिकों को वास्तविक समय के आंकड़ों में महत्वपूर्ण निवेश की आवश्यकता होती है। विचार करें कि राष्ट्रीय मौसम सेवा प्रति वर्ष $ 1 बिलियन से अधिक डेटा एकत्र करने और पूर्वानुमान बनाने में खर्च करती है। सीडीसी सार्वजनिक स्वास्थ्य के आंकड़ों पर केवल एक चौथाई खर्च करता है और पूर्वानुमान के लिए कोई समर्पित बजट नहीं है।

रोग की निगरानी विज्ञान के उच्चतम-दांव क्षेत्रों में से एक है। प्रकोपों ​​और अंतर्निहित डेटा के अधिक जिम्मेदार संग्रह के लिए अद्वितीय परिस्थितियों के लिए एक सावधान विचार हजारों लोगों की जान बचा सकता है।

यह लेख मूल रूप से सी। ब्रैंडन ओगुनु, रान्डेल हार्प और सैमुअल वी। स्कार्पिनो द्वारा वार्तालाप पर प्रकाशित किया गया था। मूल लेख यहां पढ़ें।