পরবর্তী ইবোলা হার্ড পূর্বাভাস, কিন্তু "প্রাদুর্ভাব পূর্বাভাস" সাহায্য করতে পারেন

গ্রামীণ গিনিতে ২ বছরের একটি শিশু ডিসেম্বর ২014 এ ইবোলা থেকে মারা যান। পরবর্তী দুই বছরে পশ্চিম আফ্রিকার প্রায় 30,000 মানুষ ইবোলা ভাইরাস সংক্রামিত হবে।

পূর্ববর্তী 17 ইবোলা প্রাদুর্ভাবের বিপরীতে, কেন এত বড় হয়ে এত বড় হয়ে গেল? ভবিষ্যৎ প্রাদুর্ভাব প্রতিরোধে কি কিছু করা যায়? এই প্রশ্নগুলি, অন্যান্যদের পাশাপাশি প্রাদুর্ভাব পূর্বাভাসের নবজাতক বৈজ্ঞানিক ক্ষেত্রের অন্তরে রয়েছে। এবং দখল উচ্চ হতে পারে না। জানুয়ারিতে, বিশ্ব অর্থনৈতিক ফোরাম মহামারী বলা হয় ব্যবসা এবং মানব জীবনের সবচেয়ে বড় ঝুঁকিগুলির মধ্যে একটি।

গত কয়েক শতাব্দী ধরে, পৃথিবীর বিভিন্ন দিক পূর্বাভাসে বিজ্ঞানীগণ আরও ভাল হয়ে উঠেছেন, যার মধ্যে রয়েছে গ্রহের কক্ষপথ, জোয়ার এবং জোয়ারের প্রবাহ, এবং হারিকেনের পথ। সঠিক পূর্বাভাসের জন্য যথেষ্ট প্রাকৃতিক এবং শারীরিক সিস্টেমগুলি বোঝার ক্ষমতা সম্ভবত মানবতার সর্বাধিক অর্জনের এক।

পূর্বাভাসে এই সাফল্যের বেশিরভাগই আইজাক নিউটন এর মৌলিক অন্তর্দৃষ্টি দিয়ে শুরু করে যা আমাদের চারপাশের প্রাকৃতিক ঘটনাকে নিয়ন্ত্রণ করে এমন অপরিবর্তনীয় সার্বজনীন আইন। দ্রুত গণনা করার ক্ষমতাটি নিউটনীয় দৃষ্টিকোণকে উৎসাহিত করেছে, যথেষ্ট পরিমাণে তথ্য এবং কম্পিউটিং শক্তি সরবরাহ করে, সর্বাধিক জটিল ঘটনা ভবিষ্যদ্বাণী করা যেতে পারে।

তবে, সীমা আছে। ভবিষ্যদ্বাণীমূলক পদ্ধতির এই গবেষণামূলক গবেষক হিসাবে, আমরা সন্দেহ করি যে রোগের প্রাদুর্ভাবের পরে কী ঘটতে পারে ঠিক ভবিষ্যদ্বাণী করা সম্ভব হবে কারণ সর্বাধিক গুরুত্বপূর্ণ ভেরিয়েবলগুলি এক প্রাদুর্ভাব থেকে অন্য প্রাদুর্ভাব থেকে অনেকটা পরিবর্তিত হতে পারে।

এই কারণে, আবহাওয়ার পূর্বাভাসের মতো, রিয়েল-টাইম ডেটা সংগ্রহ করা সম্ভবত বৈজ্ঞানিক সম্প্রদায়ের প্রাদুর্ভাবের পূর্বাভাসের পক্ষে অগ্রসর হওয়ার জন্য প্রয়োজনীয়।

মশা মহামারী

বিজ্ঞানী মহামারী মডেল করতে পারেন যে ধারণা তার অন্তর্নিহিত এবং অপরিবর্তনীয় বৈশিষ্ট্য কারণে প্রতিটি প্রাদুর্ভাব এর অভিঘাত পূর্বাভাসযোগ্য ধারণা উপর ভিত্তি করে।

একটি রোগ একটি transmissible রোগজাত দ্বারা সৃষ্ট হয় বলুন। সেই রোগের সংক্রামকতাটি "মৌলিক প্রজনন অনুপাত" বা R0 নামক সংখ্যার মধ্যে এনক্যাপুলিউলেট করা যেতে পারে, যা একটি প্রদত্ত জনসংখ্যার মধ্যে কোনও প্যাথোজেন বিস্তৃত হওয়ার সম্ভাবনা বর্ণনা করে।

যদি মহামারীবিদরা একটি প্যাথোজেনের R0 সম্পর্কে যথেষ্ট জানেন তবে আশা করা যায় যে তারা পরবর্তী প্রাদুর্ভাবের দিকগুলি পূর্বাভাস দিতে পারে - এবং আশা করি ক্ষুদ্র স্কেলগুলি বড় আকারের মহামারী হতে বাধা দেবে। তারা এমন অঞ্চলে সম্পদ জোগানোর মাধ্যমে এটি করতে পারে যেখানে রোগীদের বিশেষ করে উচ্চ R0 মান রয়েছে। অথবা তারা রোগীর বাহক এবং প্রদত্ত সমাজের বেশিরভাগ সন্দেহভাজন সদস্য, প্রায়ই শিশু এবং বয়স্কদের মধ্যে পারস্পরিক সম্পর্ক সীমাবদ্ধ করতে পারে।

এইভাবে, R0 একটি অপরিবর্তনীয় সংখ্যা হিসাবে ব্যাখ্যা করা হয়। কিন্তু আধুনিক গবেষণা প্রমাণ করে যে এই ক্ষেত্রে না।

উদাহরণস্বরূপ, Zika ভাইরাসের মহামারী বিবেচনা করুন। এই রোগের জন্য, R0 0.5 থেকে 6.3 পর্যন্ত। এটি একটি অসাধারণ ব্যাপ্তি, যা এমন একটি রোগ যা তার নিজের থেকে অপসারিত হবে যা দীর্ঘমেয়াদী মহামারী সৃষ্টি করবে।

কেউ ভাবতে পারে যে Zika এর জন্য R0 মানগুলির এই বিস্তৃত পরিসর পরিসংখ্যানগত অনিশ্চয়তা থেকে উত্পন্ন হয় - সম্ভবত বিজ্ঞানীগুলিকে আরও বেশি তথ্য প্রয়োজন। কিন্তু যে বেশিরভাগ ভুল হবে। জিকার জন্য, জলবায়ু এবং মশা থেকে অসংখ্য কারণে, যেমন ডেনগু এবং যৌন সংক্রমণের ভূমিকা, অন্যান্য সম্পর্কিত ভাইরাসগুলির উপস্থিতিতে, সমস্তগুলি বিভিন্ন সেটিংসে বিভিন্ন R0 মানকে নেতৃত্ব দেয়।

এটি একটি মহামারী বৈশিষ্ট্য - রোগীর সংক্রামকতা, ট্রান্সমিশন হার, টিকা প্রাপ্যতা, ইত্যাদি - একটি একক প্রাদুর্ভাবের সময় এত দ্রুত পরিবর্তন যে বিজ্ঞানীরা শুধুমাত্র প্রাদুর্ভাবের সময় গতিশীলতা পূর্বাভাস করতে সক্ষম। । অন্য কথায়, ২014 সালের এপ্রিল মাসে ইবোলা ভাইরাস রোগের প্রাদুর্ভাব অধ্যয়নরত বিজ্ঞানীরা পরবর্তী মাসের একই সেটিংসে ইবোলা প্রাদুর্ভাব বুঝতে সাহায্য করতে পারে, তবে ভবিষ্যতে ইবোলা মহামারীগুলির গতিবিদ্যা বোঝার পক্ষে এটি প্রায়শই কম সহায়ক। মে 2018 সালে।

মহামারী প্রায়ই সুদর্শন এবং বান্ডিল ঘটনা হয় না। তারা শোর শব্দ হয় যেখানে অনেক পরিবর্তনশীল প্রয়োজনীয়, কিন্তু স্থানান্তর, ভূমিকা পালন করে। এই রোগের কোন অন্তর্নিহিত সত্য নেই - রোগের বিস্তারের সাথে সাথেই কেবল বিশদ বিবরণগুলির অস্থির সংগ্রহ, যা প্রায়শই বিভক্ত হয়ে পড়ে।

ভাল ভবিষ্যদ্বাণী

বিজ্ঞানীরা যদি আত্মবিশ্বাসী না হন তবে তারা এ্যাপিডেমিওলজিক্যাল সিস্টেমগুলি বুঝতে পারে যে সংশ্লিষ্টদের আচরণের পূর্বাভাসের জন্য যথেষ্ট ভাল, কেন তাদের পড়াশোনা করা হয়?

উত্তরটি আমরা ভবিষ্যতে একটি "নরম পদার্থবিজ্ঞান" বলতে পারি যা বাস্তবে থাকতে পারে: বিজ্ঞানীদের এই ধারণাটি বন্ধ করা উচিত যে প্রতিটি প্রাদুর্ভাব একই নিয়ম অনুসরণ করে। অন্যের সাথে একটি প্রাদুর্ভাব তুলনা করার সময়, তাদের মধ্যে সব প্রাসঙ্গিক পার্থক্য মনে রাখা উচিত।

উদাহরণস্বরূপ, জীববিজ্ঞানী ইনফ্লুয়েঞ্জা সংক্রমণ সম্পর্কে অনেক তথ্য উন্মোচিত করেছেন। তারা কীভাবে ভাইরাসগুলি কোষগুলি হোস্ট করতে, কীভাবে তারা প্রতিলিপি করে এবং কীভাবে তারা অ্যান্টিভাইরাল ওষুধ প্রতিরোধের বিকাশ ঘটায় তা জানে। কিন্তু এক মহামারী শুরু হতে পারে যখন একটি বৃহৎ জনসংখ্যা মাসিক নির্দিষ্ট দিনে জনসাধারণের পরিবহন ব্যবহার করে, অন্য ধর্মীয় সেবায় মণ্ডলীর দ্বারা শুরু করা হতে পারে। যদিও উভয় প্রাদুর্ভাব একই সংক্রামক এজেন্টের মধ্যে মূলত প্রযোজ্য হলেও এদের এবং তাদের বিশদগুলির মধ্যে অন্যান্য অনেকগুলি পার্থক্য এই যে বিজ্ঞানীরা প্রতিটি অগ্রগতির মডেলকে কীভাবে মডেল করে তা ফ্রিজ করার প্রয়োজন হতে পারে।

এই বিবরণগুলি আরও ভালভাবে বুঝতে, বিজ্ঞানীরা রিয়েল-টাইম ডেটাতে উল্লেখযোগ্য বিনিয়োগের প্রয়োজন। বিবেচনা করুন যে ন্যাশনাল ওয়েদার সার্ভিস বছরে $ 1 বিলিয়ন ডলারের তথ্য সংগ্রহ করে এবং পূর্বাভাস দেয়। সিডিসি পাবলিক স্বাস্থ্য পরিসংখ্যান মাত্র এক চতুর্থাংশ ব্যয় এবং পূর্বাভাসের জন্য কোন নিবেদিত বাজেট নেই।

রোগের নজরদারি বিজ্ঞান এর সর্বোচ্চ-অংশ এলাকায় এক রয়ে যায়। অন্তর্নিহিত প্রাদুর্ভাব এবং ডেটায়ের আরো দায়ী সংগ্রহের জন্য একটি সতর্কতার সাথে বিবেচনায় হাজার হাজার জীবন বাঁচাতে পারে।

এই নিবন্ধটি মূলত দ্য কথোপকথন বাই সি। ব্র্যান্ডন ওগুনু, রান্ডাল হার্প এবং স্যামুয়েল ভি। স্কারপিনোতে প্রকাশিত হয়েছিল। এখানে মূল নিবন্ধ পড়ুন।