കേരളത്തിൽ ഒരു മാസത്തിനകം ലക്ഷക്കണക്കിന് കൊവിഡ് രോഗികൾ വരുമെന്ന പ്രവചന മോഡലുകൾ പലതും കാണാനിടയായി. പകർച്ചവ്യാധികളുടെ പഠനത്തിൽ നൂതനമായ ഒരുപകരണമാണ് പ്രവചന മോഡലുകൾ അല്ലെങ്കിൽ പ്രോജെക്ഷൻ മോഡലുകൾ.
കേരളത്തിൽ ഒരു മാസത്തിനകം ലക്ഷക്കണക്കിന് കൊവിഡ് രോഗികൾ വരുമെന്ന പ്രവചന മോഡലുകൾ പലതും കാണാനിടയായി. പകർച്ചവ്യാധികളുടെ പഠനത്തിൽ നൂതനമായ ഒരുപകരണമാണ് പ്രവചന മോഡലുകൾ അല്ലെങ്കിൽ പ്രോജെക്ഷൻ മോഡലുകൾ. മറ്റു പല മേഖലകളിലും ഏറെ ഫലപ്രദമായി, ഇത്തരം പ്രവചന മോഡലുകൾ ഉപയോഗിച്ചു വരുന്നുണ്ടെങ്കിലും, പകർച്ചവ്യാധികളുടെ വ്യാപനനിരക്കുകൾ കണ്ടെത്താനുള്ള പഠനങ്ങളിൽ ഈ സാങ്കേതികവിദ്യ ഉപയോഗിക്കാൻ തുടങ്ങിയിട്ട് ഏറെ വർഷങ്ങളായിട്ടില്ല.
സാംക്രമിക രോഗങ്ങൾ പൊട്ടിപ്പുറപ്പെടുന്ന ഒരു പ്രദേശത്ത്, എന്തെല്ലാം സജ്ജീകരണങ്ങൾ വേണമെന്നും, ഏതളവിൾ തയ്യാറെടുപ്പുകൾ വേണമെന്നും, പ്രതിരോധമാർഗങ്ങൾ എത്ര വിപുലമായി സ്വീകരിക്കണം തുടങ്ങിയ ആരോഗ്യ നയരൂപീകരണത്തിന് ഇത്തരം പ്രവചന മോഡലുകൾ ഏറെ സഹായകമാണ്. എന്നാൽ ഇത്തരം പ്രവചന മോഡലുകൾ നൽകുന്ന എല്ലാ കണക്കുകളും എല്ലായിപ്പോഴും ശരിയായിരിക്കണം എന്നുണ്ടോ?
ഇതിനെ കുറിച്ച് ഇന്‍ഫോ ക്ലിനിക്കിന്‍റെ ഫേസ്ബുക്ക് പേജില്‍ ഡോ നവ്യ തൈക്കാട്ടില്‍ എഴുതിയ കുറിപ്പ് വായിക്കാം...
2014ൽ പശ്ചിമ ആഫ്രിക്കയിൽ പൊട്ടിപ്പുറപ്പെട്ട എബോള രോഗത്തിൽ, തുടക്കത്തിലുണ്ടായിരുന്ന വലിയ വ്യാപന നിരക്കുകൾ വെച്ച്, പ്രവചന മോഡലുകൾ വലിയ സംഖ്യകൾ പ്രവചിച്ചിരുന്നു. ആ വർഷം ഒക്ടോബർ അവസാനം ആവുമ്പോഴേക്കും നാല്പത്തിഅയ്യായിരത്തിലധികം കേസുകളാണ് ലൈബീരിയയിൽ പ്രവചിക്കപ്പെട്ടത്. എന്നാൽ വ്യാപനം പ്രതീക്ഷിച്ചത് പോലെ ഉയരാതെ, ഏറെക്കാലം ഒരേ നിരക്കിൽ തന്നെ തുടർന്നു. ഒക്ടോബർ അവസാനത്തിൽ ആറായിരത്തോളം പേർക്ക് മാത്രമാണ് രോഗമുണ്ടായത്. പ്രവചിച്ചതിന്റെ എട്ടിലൊന്നു മാത്രം. പല കേസുകളും കണ്ടെത്താതെ പോയതാണോ എന്ന സംശയം വിദഗ്ധർക്കുണ്ടായിരുന്നു. എന്നാൽ എബോള വാർഡുകൾ പതുക്കെ ഒഴിയുന്നതും, മരണപ്പെട്ടവരെ മറവു ചെയ്യാൻ വെട്ടുന്ന കുഴികളുടെ എണ്ണം കുറഞ്ഞതും, രോഗം പിൻവലിഞ്ഞു എന്നതിന് അവഗണിക്കാനാവാത്ത തെളിവുകളായി അവശേഷിച്ചു.
എന്നാൽ മറ്റു പല പകർച്ചവ്യാധികളിൽ ഇത്തരം പ്രവചന മോഡലുകൾ ഏറെക്കുറെ കൃത്യമായ കണക്കുകൾ നൽകിയിട്ടുമുണ്ട്. അതനുസരിച്ച് പ്രതിരോധവും, ചികിത്സയും ആസൂത്രണം ചെയ്ത് രോഗവ്യാപനത്തെ പിടിച്ചു കെട്ടിയ പല ഉദാഹരണങ്ങളുമുണ്ട്. കോവിഡ് 19 എന്ന ഈ രോഗവും, പല പാശ്ചാത്യരാജ്യങ്ങളിലും ഈ മോഡലുകൾക്കനുസൃതമായി തന്നെ കേസുകൾ കൂടിക്കൂടി വരുന്നത് കാണാം.
എങ്ങനെയാണ് ഇത്തരം മോഡലുകൾ ഉണ്ടാക്കുന്നത്?
1. ഒരു പ്രദേശത്തെ ജനങ്ങളുടെ, സാധാരണ ജീവിതത്തിലെ ഒരു ദിവസം, തങ്ങളുടെ സഞ്ചാരപഥങ്ങളിൽ പരസ്പരം അവർ എത്രത്തോളം കടന്നു പോവുന്നു എന്ന അടിസ്ഥാന ഡാറ്റ ശേഖരം ഉണ്ടാക്കാവുന്നതാണ്. ഇത് നിർമ്മിക്കാൻ, ഫോണുകളുടെ സ്ഥാനവിവരങ്ങൾ അടക്കം ഉപയോഗപ്പെടുത്താറുണ്ട്.
2. ഏതൊരു സാംക്രമികരോഗത്തിന്റെയും,
എ) മുൻപ് നിജപ്പെടുത്തിയ വ്യാപന നിരക്കുകൾ (R0),
ബി) ആ പ്രദേശത്തെ ജനസംഖ്യ എന്നിവ ഇത്തരം മോഡലുകളിൽ കൊടുത്താൽ, ഒരു വ്യക്തിയ്ക്ക് രോഗം വന്നാൽ, ഒരു നിശ്ചിത കാലയളവിനു ശേഷം, ആ പ്രദേശത്ത് എത്ര കേസുകൾ വരാം എന്ന സംഖ്യ ഉത്തരമായി ലഭിക്കും.
മറ്റു പല ഘടകങ്ങളും (variables) ഉദാഹരണത്തിന്, ജനതയുടെ പ്രായവിഭജനം, കാലാവസ്ഥാഘടകങ്ങൾ തുടങ്ങിയവ കൂടി ചേർക്കാവുന്ന മോഡലുകളും ചില രോഗങ്ങൾക്കുണ്ട്. ഈ ഘടകങ്ങളൊക്കെ ചേർത്തുള്ള രോഗികളുടെ കണക്കുകളും പ്രോജക്ട് ചെയ്യുവാൻ സാധിക്കും .
ഇത്തരം പ്രവചന മോഡലുകൾ നൽകുന്ന കണക്കുകൾ ചിലപ്പോളെങ്കിലും ശരിയാവാതെ പോകുന്നതിന് കാരണം എന്തൊക്കെയാവാം?
ഇവയൊന്നും പല മോഡലുകൾക്കും പ്രവചിക്കാൻ സാധിക്കണമെന്നില്ല. ഇങ്ങനെ അനേകം അജ്ഞാതമായ ഘടകങ്ങൾ രോഗവ്യാപനത്തിൽ വലിയ പങ്കു വഹിക്കുന്നത് കൊണ്ട് തന്നെ, യഥാർത്ഥ സാഹചര്യങ്ങൾ പൂർണ്ണമായി കണക്കിലെടുക്കാത്ത പ്രവചന മോഡലുകൾ നൽകുന്ന സംഖ്യകൾ ശരിയായിക്കൊള്ളണമെന്നില്ല.
യഥാർത്ഥ സാഹചര്യങ്ങൾ മുഴുവനായി കണക്കിലെടുക്കാതെയുള്ള കണക്കിലെ കളികൾ മാറ്റിവെച്ച്, പ്രതിരോധത്തിലോ, ചികിത്സാസജ്ജീകരണങ്ങളിലോ ഒട്ടും അയവു വരുത്താതെ മുന്നോട്ട് പോവാം. ഒരു പക്ഷെ, ഇവിടെയെത്തുന്ന രോഗതരംഗത്തെ, പലവിധ ഘടകങ്ങൾക്ക് അൽപമെങ്കിലും നേർപ്പിക്കാൻ സാധിച്ചാൽ തന്നെ, അതൊരു വലിയ വിജയമായിരിക്കും
മാനവരാശി മുൻകാലങ്ങളിലും, ഇതിലേറെ ഉഗ്രമായ പകർച്ചവ്യാധികൾക്ക് സാക്ഷ്യം വഹിച്ചിട്ടുണ്ട്. അവ ലോകം മുഴുവൻ വീശിയടിച്ചതിനു ശേഷം പിൻവലിഞ്ഞു പോയത് പോലെ, ഈ കൊറോണ കാലഘട്ടവും ഏറെ വൈകാതെ കഴിഞ്ഞു പോവും..