CDC के पास COVID-19 वैक्सीन को रोल आउट करने के लिए 17.5 मिलियन तरीके थे – वास्तविक रणनीति ‘असाधारण रूप से अच्छा प्रदर्शन’

रोग नियंत्रण और रोकथाम केंद्र की योजना है कि कौन टीके लगाता है और किस क्रम में लगभग कई लोगों की जान बचाई और लगभग कई संक्रमणों को रोका सैद्धांतिक रूप से सही रोलआउट के रूप में, एक नए गणितीय मॉडल के अनुसार जिसे हमने अमेरिका में COVID-19 इनोक्यूलेशन के रोलआउट का आकलन करने के लिए विकसित किया था।

दिसंबर 2020 में, सीमित संख्या में टीके उपलब्ध होने के कारण, सीडीसी को एक कठिन निर्णय लेना पड़ा: सबसे पहले COVID-19 के टीके कौन प्राप्त करता है? यह करने का फैसला किया अमेरिकी आबादी को चार समूहों में विभाजित करें आयु, व्यवसाय, रहने की स्थिति और ज्ञात COVID-19 जोखिम कारकों के आधार पर वैक्सीन प्राथमिकता के लिए।

एक नए मॉडल और आयोवा स्टेट यूनिवर्सिटी सुपरकंप्यूटर का उपयोग करते हुए, हमने वास्तविक दुनिया की सीडीसी सिफारिशों की तुलना 17.5 मिलियन संभावित रणनीतियों के साथ की, जिसने चार चरणों में रोलआउट को भी चौंका दिया। यह गणना करने के लिए कि वैक्सीन आवंटन रणनीति ने कितना अच्छा प्रदर्शन किया, हमारे मॉडल ने कुल मौतों, मामलों, संक्रमणों और जीवन के वर्षों को खो दिया।

हमने पाया कि सीडीसी आवंटन रणनीति ने असाधारण रूप से अच्छा प्रदर्शन किया – उत्तम के 4% के भीतर – चारों उपायों में।

हमारे मॉडल के अनुसार, सीडीसी के फैसले शुरू में बच्चों का टीकाकरण नहीं करना और स्वास्थ्य देखभाल और अन्य आवश्यक श्रमिकों को गैर-आवश्यक श्रमिकों पर प्राथमिकता देना, दोनों सही थे। लेकिन हमारे मॉडल ने यह भी दिखाया कि ज्ञात जोखिम कारकों वाले व्यक्तियों को पहले टीकों तक पहुंच प्रदान करने से थोड़ा बेहतर परिणाम प्राप्त होता।

कोई भी एकल रोलआउट एक साथ मौतों, मामलों, संक्रमणों और खोए हुए जीवन के वर्षों को कम करने में सक्षम नहीं था। उदाहरण के लिए, जिस रणनीति ने मौतों को कम किया, उसके कारण अधिक संख्या में मामले सामने आए। इन सीमाओं को देखते हुए, सीडीसी योजना ने टीकाकरण के चार लक्ष्यों को संतुलित करने का अच्छा काम किया और विशेष रूप से मौतों को कम करने में अच्छा था।

यह क्यों मायने रखती है

कई अन्य अध्ययन देखा है वैकल्पिक COVID-19 वैक्सीन रोलआउट की एक छोटी संख्या. हमारी परियोजना ने वर्तमान महामारी की अधिक विशेषताओं को शामिल किया और 17.5 मिलियन संभावित रणनीतियों पर विचार किया। हमें विश्वास है कि यह हमारे परिणामों को अधिक अधिकार देता है।

हमारे मॉडल में शामिल हैं रोग की गंभीरता और संवेदनशीलता में अंतर उम्र के कारण कोरोनावायरस के लिए। इसमें सामाजिक दूरी के स्तर भी शामिल हैं जो समय के साथ-साथ बदलते हैं परिवर्तनीय संक्रामक दर डेल्टा संस्करण जैसे अधिक संक्रामक वायरस उपभेदों के लिए खाते में।

यह सब हमें सीडीसी के पिछले फैसलों का सही आकलन करने की क्षमता देता है। लेकिन हमारे मॉडलिंग दृष्टिकोण का अधिक महत्व इस बात में निहित है कि यह भविष्य की नीति को निर्देशित करने में कैसे मदद कर सकता है।

मॉडल इनपुट को बदलकर, हम यह दिखाने में सक्षम थे कि अलग-अलग दिए गए इष्टतम रोलआउट रणनीतियों को कैसे बदलना चाहिए वैक्सीन हिचकिचाहट दर और विभिन्न टीकों के लिए जो कर सकते हैं संक्रमण या मृत्यु से विभिन्न तरीकों से रक्षा करें.

उन देशों के लिए जो . हैं वर्तमान में COVID-19 टीकाकरण रणनीतियों की योजना बना रहा है, हमारा मॉडल निर्णय निर्माताओं को उनके स्थानीय संसाधनों और विशिष्टताओं को देखते हुए सबसे प्रभावी रणनीति विकसित करने में मदद कर सकता है। और अमेरिका में भी, हमारी मॉडलिंग तकनीक बूस्टर शॉट्स और भविष्य में वैक्सीन रोलआउट के लिए आवंटन रणनीतियों को सूचित कर सकती है ताकि स्वास्थ्य देखभाल प्रशासक सीमित संसाधनों का सर्वोत्तम उपयोग कर सकें।

क्या अभी भी ज्ञात नहीं है

कोई भी मॉडल वास्तविकता का सरलीकरण होता है। हमारे मॉडल का हिसाब नहीं था पुन: संक्रमण या वैक्सीन हिचकिचाहट के विभिन्न स्तर सामाजिक-आर्थिक स्थिति, राजनीतिक विचारधारा या नस्ल के आधार पर। हमने यह भी माना कि समय के साथ झिझक का स्तर स्थिर था।

इसके अतिरिक्त, कोरोनावायरस कैसे फैलता है, इसके लिए कुछ महत्वपूर्ण कारक – जैसे विभिन्न आयु और जनसांख्यिकीय समूहों के व्यक्तियों के बीच संपर्क दरें तथा स्पर्शोन्मुख की संक्रामकता और टीकाकृत व्यक्ति – अभी भी अज्ञात हैं। इन मापदंडों पर बेहतर डेटा हमारे परिणामों की सटीकता में सुधार करेगा।

आगे क्या होगा

अब जब हमारे पास मॉडल बन गया है, तो हम इसे बढ़ा सकते हैं। उदाहरण के लिए, हम अध्ययन कर सकते हैं कि कैसे कमजोर प्रतिरक्षा और बूस्टर शॉट्स रोग के प्रसार को प्रभावित कर सकते हैं। हमारा कंप्यूटर कोड है जनता के लिए उपलब्ध, और हमें उम्मीद है कि यह अमेरिका और दुनिया भर में स्वास्थ्य नीति निर्माताओं का मार्गदर्शन करेगा।

ऑड्रे एल. मैककॉम्ब्स पीएचडी हैं। एम्स, आयोवा में आयोवा स्टेट यूनिवर्सिटी में पारिस्थितिकी और सांख्यिकी में उम्मीदवार। क्लॉस कडेल्का आयोवा स्टेट यूनिवर्सिटी में गणित के सहायक प्रोफेसर हैं। यह पहली बार द्वारा प्रकाशित किया गया था बातचीत – “17.5 मिलियन वैकल्पिक दृष्टिकोणों की तुलना करने वाले एक मॉडल के अनुसार, अमेरिकी वैक्सीन रोलआउट मौतों और संक्रमणों को कम करने के लिए इष्टतम के करीब था“.

.

Leave a Comment

Your email address will not be published. Required fields are marked *