COVID-19 মহামারীর জন্য এবিএম মডেল

পূর্ববর্তী একটি পোস্টে আমি উল্লেখ করেছি যে এজেন্ট-ভিত্তিক মডেলগুলি মহামারী মডেলিংয়ের সমস্যাটির কাছে যাওয়ার জন্য যথেষ্ট আলাদা উপায় সরবরাহ করে। এবিএম মডেলগুলি প্রক্রিয়াগুলির জেনেরেটর সিমুলেশন যা বিচ্ছিন্ন এজেন্টদের আচরণের মাধ্যমে ক্রমবর্ধমানভাবে কাজ করে; সুতরাং এই পদ্ধতির সাহায্যে একটি মহামারী মডেলিং করা একটি প্রাকৃতিক প্রয়োগ।

সাম্প্রতিক একটি গুরুত্বপূর্ণ গবেষণামূলক প্রচেষ্টায় জিয়ানলুকা মানজো এবং আর্নোট ভ্যান ডি রিজট ফ্রান্সে যে সামাজিক নেটওয়ার্কগুলির বৈশিষ্ট্যগুলিতে মনোযোগ দিচ্ছে ফ্রান্সের মহামারীটির একটি অনুপ্রেরণামূলকভাবে ক্যালিব্রেটেড এবিএম মডেল সরবরাহ করার উদ্যোগ নিয়েছে। তারা লক্ষ করে যে মহামারী রোগের মডেলিংয়ের traditionalতিহ্যগত পদ্ধতিগুলি প্রায়শই গড় জনসংখ্যার পরিসংখ্যানের ভিত্তিতে কাজ করে। (খসড়া কাগজটি আরএক্সিবের লিঙ্কে পোস্ট করা হয়েছে; লিঙ্কটি পোস্ট করার পরে তারা পান্ডুলিপি আপডেট করেছে)। তবে তারা লক্ষ করে যে, সামাজিক নেটওয়ার্কগুলির মাধ্যমে রোগগুলি ভ্রমণ করে এবং একটি সমাজের মধ্যে থাকা ব্যক্তিরা সাধারণত কোনও দিন বা সপ্তাহে তাদের পরিচিতির সংখ্যার ক্ষেত্রে যথেষ্ট পার্থক্য করে। এটি স্বজ্ঞাতভাবে ইঙ্গিত দেয় যে একটি জনসংখ্যার মাধ্যমে একটি রোগের সংক্রমণটি সেই জনসংখ্যার মধ্যে পাওয়া সামাজিক নেটওয়ার্কগুলির দ্বারা এবং নির্দিষ্ট সময়কালে তাদের সাথে যোগাযোগের সংখ্যার ক্ষেত্রে ব্যক্তিদের মধ্যে বিদ্যমান বিভিন্নতা দ্বারা প্রভাবিত হওয়ার আশা করা উচিত। মানজো এবং ভ্যান ডি রিজ্ট বিশ্বাস করেন যে এই রোগের অগ্রগতির মডেল দেওয়ার চেষ্টা করার সময় কোনও সম্প্রদায়ের মধ্যে রোগ ছড়িয়ে যাওয়ার এই বৈশিষ্ট্যটি বিবেচনা করা অত্যন্ত গুরুত্বপূর্ণ। তবে আরও গুরুত্বপূর্ণ, তারা বিশ্বাস করে যে কোনও জনসংখ্যার মধ্যে যোগাযোগের বৈচিত্র বিবেচনা করা জনস্বাস্থ্য কৌশলগুলির পরামর্শ দেয় যা কম সামাজিক এবং জনসাধারণের ব্যয়ে কোনও রোগের বিস্তার কমাতে সফল হতে পারে।

গত মাসে প্রকাশিত “কমপ্লেক্স সোশ্যাল নেটওয়ার্কস ডমিন্যান্ট সিওআইডি -১১ এপিডেমিক মডেলগুলি অনুপস্থিত” এ এই পদ্ধতির জন্য মঞ্জো একটি সাধারণ কাঠামো সরবরাহ করে in Sociologica (লিঙ্ক)। এই নিবন্ধটির বিমূর্ততা এখানে:

কোভিড -১৯ সংকটে, সংযোজন এবং মৃত্যুর ম্যাক্রোস্কোপিক গতিবিদ্যা সম্পর্কে ভবিষ্যদ্বাণী করতে এবং ব্যক্তি-থেকে ব্যক্তি সংক্রমণের ক্ষুদ্রকায়িক নিয়ন্ত্রণের লক্ষ্যে বিভিন্ন অ-ফার্মাসিউটিক্যাল হস্তক্ষেপগুলি মূল্যায়ন করতে মূলত মডেলগুলি ব্যবহৃত হয়। প্রমাণগুলি দেখায় যে এই মডেলগুলির পূর্বাভাসগুলি উচ্চ মাত্রার অনিশ্চয়তার দ্বারা প্রভাবিত হয়। তবে, পূর্বাভাস এবং হস্তক্ষেপের মধ্যকার যোগসূত্রটি খুব কমই প্রশ্নবিদ্ধ হয় এবং মডেল অনুমানের উপর হস্তক্ষেপের নির্ভরতার একটি সমালোচনামূলক তদন্ত জনগণের বিতর্কে অনুপস্থিত। এই নিবন্ধে, আমি বর্তমান সংকটে এতটা প্রভাবিত বগি মহামারী মডেলগুলির বিল্ডিং ব্লকগুলি পরীক্ষা করেছি। একটি নিবিড় চেহারা পরামর্শ দেয় যে এই মডেলগুলি কেবল এক ধরণের হস্তক্ষেপের দিকে পরিচালিত করতে পারে, অর্থাত্ হস্তক্ষেপ যা উদাসীনভাবে জনসংখ্যার বৃহত উপ-বিভাগ বা এমনকি সামগ্রিক জনসংখ্যাকে উদ্বিগ্ন করে। এর কারণ তারা সামাজিক যোগাযোগের টপোলজিকে মডেলিং না করে ভাইরাসের সংক্রমণকে দেখেন। অতএব, তারা এমন কোনও লক্ষ্যযুক্ত হস্তক্ষেপগুলি মূল্যায়ন করতে পারে না যা সার্জিকভাবে নির্দিষ্ট ব্যক্তিকে পৃথক করে এবং / অথবা নির্দিষ্ট ব্যক্তি-থেকে ব্যক্তিতে সংক্রমণের পথ কেটে যায়। জটিল সামাজিক নেটওয়ার্কগুলিকে যদি গুরুত্ব সহকারে বিবেচনা করা হয়, তবে আরও পরিশীলিত হস্তক্ষেপগুলি সন্ধান করা যেতে পারে যা প্রত্যাশিত সম্মিলিত সুবিধা সহ নির্দিষ্ট বিভাগ বা ব্যক্তিদের সেটগুলিতে প্রযোজ্য। নিবন্ধের শেষ অংশে, আমি নেটওয়ার্ক চালিত মহামারী মডেলগুলির একটি নতুন প্রজন্মের প্রচারের জন্য একটি গবেষণা এজেন্ডা স্কেচ করছি। (31)

তিনি যেগুলি বিভাগীয় মডেল (এসআইআর মডেল) বলেছেন সে সম্পর্কে মানজোর কেন্দ্রীয় উদ্বেগটি হ’ল “সামাজিক সংযোগের টপোলজিকে বাস্তবতার ভিত্তিতে মডেলিং না করে বর্তমান সঙ্কট প্রসঙ্গে ভাইরাসের সংক্রমণে ব্যবহৃত এসআইআর মডেলের বিভিন্ন রূপ” (৩৩)।

মানজো জেনেরিক এসআইআর মডেলকে এই পরিস্থিতিটি ট্র্যাফিক যানজটের সমস্যার সাথে তুলনা করে সংক্রামক রোগের মহামারীর গতিবিদ্যা পুনরুত্পাদন করতে কেন সমস্যা দেয় তার একটি আকর্ষণীয় চিত্র তুলে ধরে:

এটি যেন আমরা মডেল করার বাস্তববাদী ভান করেছিলাম
গাড়িটি একটি দেশের পর্যায়ে প্রবাহিত হয় এবং সম্ভাব্যভাবে সম্পর্কিত ট্র্যাফিক জ্যামগুলিও মডেলিং ছাড়াই
রাস্তা, রুট এবং ফ্রিওয়ের নেটওয়ার্ক। এই ধরণের মডেলগুলি সবাইকে গাড়িটি ব্যবহার না করার বা জনসংখ্যার নির্দিষ্ট অংশকে মঞ্জুরি দেওয়ার পরামর্শ দেওয়ার বাইরেও যেতে পারে
নির্দিষ্ট সময় এবং দিনে রুট নিতে? আমার সন্দেহ হয় তারা পারত না। কেউ আশাও করতে পারে
যে অনেক চালক এ জাতীয় জেনেরিক এবং অপরিবর্তিত নির্দেশাবলীতে অত্যন্ত অসন্তুষ্ট হন। বর্তমানে ব্যবহৃত এসআইআর মডেলগুলি আমাদের প্রত্যেকে একইরকম পরিস্থিতিতে ফেলেছে। রুটের অভাব
আমার কাল্পনিক ট্র্যাফিক মডেলের মধ্যে অবকাঠামো প্রভাবশালী এসআইআর মডেলগুলির সাথে সামাজিক মিথস্ক্রিয়া কাঠামোর অভাবে মিলছে। (42)

মানজো এবং ভ্যান ডি রিজ্ট নির্মিত মডেলগুলির মূল উদ্ভাবন হ’ল ফ্রান্সে যোগাযোগের ধরণগুলির বিষয়ে বিশদ ডেটা ব্যবহার। তারা 2012 সালে ফ্রান্সে এবং 2015 সালে প্রকাশিত ঘনিষ্ঠ পরিসরের যোগাযোগগুলির একটি অধ্যয়নের অত্যন্ত প্রাসঙ্গিক ব্যবহার করে (বারাউড এট লিঙ্ক)। এই অধ্যয়নটি ফরাসি প্রাপ্তবয়স্কদের এবং শিশুদের দ্বারা সংযুক্ত পরিচিতির ফ্রিকোয়েন্সি এবং পৃথক পৃথক ব্যক্তিদের মধ্যে বিস্তৃত বিস্তৃততার অনুমানের অনুমতি দেয়। অধ্যয়নটিতে ব্যক্তিদের যোগাযোগের সংখ্যায় বিদ্যমান বিস্তারের চিত্র তুলে ধরে এখানে একটি গ্রাফ দেওয়া হয়েছে:

এই গ্রাফটি “পরিচিতির সংখ্যার” কথা বলতে গেলে ব্যক্তিদের মধ্যে উপস্থিত বিস্তৃত বৈচিত্র্য দেখায়; এবং পরিবর্তে এই প্রকরণটি সংক্রামক রোগের প্রসারের পক্ষে অত্যন্ত প্রাসঙ্গিক।

মানজো এবং ভ্যান ডি রিজ্ট এই রোগের বিস্তার সম্পর্কে তাদের এজেন্ট-ভিত্তিক মডেলটি অনুমিতভাবে ক্যালিব্রেট করতে এবং এই রোগের বিস্তারকে কমিয়ে দেওয়ার জন্য নকশাকৃত বিভিন্ন কৌশলগুলির প্রভাবগুলি অনুমান করার জন্য এই COMES-F গবেষণায় প্রদত্ত ডেটা ব্যবহার করেন to চরম সামাজিক দূরত্বের ব্যবস্থাগুলি শিথিল করার পরে।

এই নিবন্ধটি থেকে সর্বাধিক গুরুত্বপূর্ণ গ্রহণযোগ্যতা হ’ল কৌশলটি যা মহামারীর শিখর পরে সামাজিক মিথস্ক্রিয়া পুনরায় চালু করার জন্য পরামর্শ দেয়। সংক্রমণের মূল কীটি হ’ল ঘনিষ্ঠ যোগাযোগের ফ্রিকোয়েন্সি এবং এই মডেলগুলি দেখায় যে সংখ্যক সংখ্যক ব্যক্তি তাদের সংখ্যার যোগাযোগের সংখ্যার কারণে সংক্রামক রোগের প্রসারণের ক্ষেত্রে অসতর্কিত প্রভাব ফেলে। মানজো এবং ভ্যান ডি রিজট অনুমানমূলক প্রশ্ন জিজ্ঞাসা করুন: টিকা দেওয়ার জন্য অপেক্ষাকৃত স্বল্প সংখ্যক লোককে বেছে নিয়ে কোনও মহামারী পরিচালনার জন্য কী কৌশল রয়েছে? (টিকাদান কার্যকর বা দুর্লভ ভ্যাকসিনের রূপ নিতে পারে, বা এটি পরীক্ষার, বিচ্ছিন্নকরণ এবং নিবিড় যোগাযোগের সন্ধানের রূপ নিতে পারে)) তবে কীভাবে “উচ্চ যোগাযোগের” ব্যক্তিদের সনাক্ত করা সম্ভব হবে? এমএন্ডআর দুটি কৌশল বিবেচনা করে এবং তারপরে মহামারীটির ভিত্তি মডেলের মধ্যে এই কৌশলগুলি উপস্থাপন করে। উভয় কৌশলই সময়ের সাথে সাথে সংক্রামিত ব্যক্তির সংখ্যাতে নাটকীয় উন্নতি দেখায়। বেসলাইন স্ট্র্যাটেজি “NO-TARGET” হ’ল এমন একটি যাতে নির্দিষ্ট সংখ্যক ব্যক্তিকে টিকাদানের জন্য এলোমেলোভাবে বেছে নেওয়া হয় এবং তারপরে সংক্রমণের প্রক্রিয়াটি কার্যকর হয়। “যোগাযোগ-টার্গেট” কৌশলটি টিকা দেওয়ার জন্য একই সংখ্যক ব্যক্তিকে বাছাই করার জন্য ডিজাইন করা হয়েছে, তবে এমন একটি প্রক্রিয়া ব্যবহার করে যা নির্বাচিত ব্যক্তিদের-গড়-গড় যোগাযোগের সম্ভাবনা বেশি করে তোলে। যেভাবে এটি করা হয় তা হ’ল জনসংখ্যার মধ্য থেকে ব্যক্তিদের এলোমেলো গ্রুপ নির্বাচন করা এবং তারপরে সেই ব্যক্তিগুলিকে টিকা দেওয়ার জন্য তাদের পরিচিতিগুলির একটির মনোনীত করতে বলুন। এটি প্রদর্শনযোগ্য যে এই পদ্ধতিটি টিকা দেওয়ার জন্য এমন একদল ব্যক্তির কাছে উপস্থিত হবে যাদের যোগাযোগের সংখ্যা গড়-তুলনায় বেশি। তৃতীয় কৌশল, হাব-টারগেট, উচ্চ পর্যায়ের যোগাযোগ রয়েছে এমন পেশাগুলি থেকে চিকিত্সার জন্য একই সংখ্যক ব্যক্তিকে নির্বাচন করা জড়িত।

চারটি পৃথক “বাজেট” ব্যবহার করে তিনটি চিকিত্সার কৌশলগুলির প্রত্যেকের জন্য একাধিকবার সিমুলেশন চালানো হয় যা প্রতিটি দৃশ্যে চিকিত্সার জন্য ব্যক্তির সংখ্যা নির্ধারণ করে। ফলাফলগুলি এখানে উপস্থাপন করা হয়েছে এবং সেগুলি নাটকীয়। চিকিত্সার উভয় যোগাযোগের সংবেদনশীল কৌশলই ফলশ্রুতিতে 50, 100 এবং 150 দিনের মধ্যে সংক্রামিত ব্যক্তিদের মোট সংখ্যায় যথেষ্ট হ্রাস পায়। এবং এর ফলে প্রতিটি কৌশলতে প্রয়োজনীয় আইসিইউ বিছানার সংখ্যা যথেষ্ট পরিমাণে হ্রাস পায়।

মানজো এবং ভ্যান ডি রিজট কীভাবে তাদের অনুসন্ধানগুলি সংক্ষিপ্ত করে:

দেশগুলি কোভিড -১৯ লকডাউন থেকে বেরিয়ে আসার সাথে কার্নোভাইরাসকে জ্বলানো প্রতিরোধ করার ক্ষমতা অনেকেরই সীমাবদ্ধ। জনসংখ্যার কেবলমাত্র একটি অংশের সংক্রমণ রোধ করার জন্য চিকিত্সা, প্রযুক্তিগত এবং আর্থিক সংস্থাগুলির সাহায্যে, কোন ব্যক্তিকে দেশগুলির পরীক্ষা ও ট্র্যাকিংয়ের জন্য লক্ষ্য করা উচিত? একসাথে, আমাদের ফলাফলগুলি সুপারিশ করে যে স্বল্প-পরিসরের যোগাযোগের উচ্চ ফ্রিকোয়েন্সি দ্বারা চিহ্নিত ব্যক্তিদের লক্ষ্যবস্তু হস্তক্ষেপের কার্যকারিতা উন্নত করে। মেডিকেল টেস্টিংয়ের মাধ্যমে হাবগুলিকে টার্গেট করার অতিরিক্ত জ্ঞাত সুবিধা হ’ল তারা আদি-সতর্কতা ডিভাইস হিসাবে কাজ করে যা আসন্ন বা উদ্ঘাটিত প্রাদুর্ভাবগুলি সনাক্ত করতে পারে (ক্রিস্টাকিস এবং ফওলার 2010; কিটসাক এট আল। 2010)।

নেটওয়ার্ক-ভিত্তিক মডেলিং কাঠামোর দিকে র্যান্ডম মিক্সিং অনুমানের উপর নির্ভর করে যে পার্থক্যযুক্ত সংযোগ থেকে উদ্ভূত সংক্রমণের ঝুঁকিতে ব্যক্তি-ব্যক্তির মধ্যে পার্থক্য সমন্বিত করতে পারে এমন স্ট্যান্ডার্ড বিভাগীয় মডেলগুলি থেকে সরে এসে এই সিদ্ধান্তে পৌঁছেছে। কাঠামোটি আমাদের যোগাযোগের জরিপ তথ্যতে পর্যবেক্ষণ করা ব্যক্তিদের মধ্যে ঘনিষ্ঠ-যোগাযোগের ফ্রিকোয়েন্সিগুলির উচ্চ পরিবর্তনশীলতার গড় গড় পরিবর্তে মডেল করতে দেয়। সিমুলেশন ফলাফল দেখায় যে উচ্চ স্কু সহ বাস্তবসম্মত নিকট-যোগাযোগের বিতরণের বিবেচনা পূর্বের পক্ষে লক্ষ্যযুক্ত বনাম সাধারণ হস্তক্ষেপের প্রত্যাশিত প্রভাবকে দৃ strongly়ভাবে প্রভাবিত করে।

যদি এই সিমুলেশন ফলাফলগুলি সামাজিকভাবে সংযুক্ত লোকের জনসংখ্যার মাধ্যমে এই রোগের প্রসারের সম্পর্কিত গতিশীলতার বর্ণনামূলক হয়, তবে গবেষণাটি মনে হয় যে জনস্বাস্থ্য কর্তৃপক্ষ কীভাবে আশ্বাস ছাড়াই কোনও পোস্ট-কোভিডে রোগের বিস্তারকে কার্যকরভাবে পরিচালনা করতে পারে সে সম্পর্কে একটি গুরুত্বপূর্ণ ইঙ্গিত দেয় অর্থনৈতিক ও সামাজিক জীবনের সম্পূর্ণ শাটডাউন যা বিশ্বের অনেক অংশে ২০২০ এর প্রথমার্ধে প্রয়োজনীয় ছিল।

*। *। *

এখানে ইউটিউবে সংক্রামক রোগের বিস্তার সম্পর্কে গ্রান্ট স্যান্ডারসনের সিমুলেশনগুলির একটি খুব আকর্ষণীয় সেট রয়েছে (লিঙ্ক)। ভিডিওটি বিভিন্ন জনসংখ্যার অনুমানের অধীনে রোগের গতিশীলতার পরিশীলিত ভিজ্যুয়ালাইজেশনের মঞ্জুরি দিয়ে সত্যই দুর্দান্ত গ্রাফিক্স সহ উপস্থাপিত হয়েছে। স্যান্ডারসন সিমুলেশনটির প্রকৃতি ব্যাখ্যা করে না, তবে এটি একটি এজেন্ট-ভিত্তিক মডেল হিসাবে উপস্থিত রয়েছে যার সাথে পরামিতি সংলগ্নতার মাধ্যমে সংক্রমণের সম্ভাবনা প্রতিনিধিত্ব করে। মনজো-ভ্যান ডি রিজট সমালোচনার চোখ দিয়ে এই সিমুলেশনটি দেখতে খুব আকর্ষণীয়: এই মডেলটি ঠিক সেই বিষয়টিকে উপেক্ষা করে যা মানজো এবং ভ্যান ডি রিজটকে গুরুত্বপূর্ণ মনে করে – যোগাযোগের সংখ্যা এবং নেটওয়ার্কগুলির এজেন্টগুলির মধ্যে পার্থক্য এবং কেন্দ্রগুলি যার মাধ্যমে এজেন্ট ইন্টারঅ্যাক্ট করে। এটি প্রতিফলিত হয় যে প্রতিটি এজেন্ট স্থানটি জুড়ে এলোমেলোভাবে চলতে থাকে এবং প্রতিটি এজেন্টের সাথে তার সংঘটিত হওয়ার সংক্রমণে যাওয়ার একই গড় সম্ভাবনা থাকে।