मोबाइल फोन डेटा इबोलाच्या प्रकोपाची भविष्यवाणी करू शकतो
नवीन संशोधनाने मोबाइल फोनच्या हालचालींचा डेटा इबोलाच्या प्रसाराची भविष्यवाणी करण्यात मदत करू शकतो हे दर्शविले आहे.
जनसंख्या हालचाल डेटा इबोलाच्या संक्रमणाच्या जोखमीच्या क्षेत्रांची ओळख करू शकतो.
2026 मध्ये बंडिबुग्यो व्हायरस प्रकोपाने प्रत्येक दहा दिवसांनी प्रकरणे दुप्पट केली.
गतिशीलता डेटा प्रकोप प्रतिसाद आणि लसीकरण वितरण सुधारू शकतो.
अलीकडील संशोधनाने दर्शविले आहे की मोबाइल फोनच्या हालचालींचा डेटा इबोलाच्या प्रसाराची भविष्यवाणी करण्यात महत्त्वपूर्ण भूमिका निभावू शकतो, विशेषतः डेमोक्रेटिक रिपब्लिक ऑफ कांगो (DRC) मध्ये बंडिबुग्यो व्हायरस प्रकोपाच्या संदर्भात. इंस्टीट्यूट नैशनल डी रिसर्च बायोमेडिकलच्या संशोधकांनी केलेल्या या अभ्यासात, पुष्टी केलेल्या संक्रमणांच्या नोंदींना अनाम मोबाइल फोन डेटा सह एकत्रित करून प्रकोपाच्या प्रारंभिक प्रवासाचे पुनर्निर्माण केले गेले. या अभिनव दृष्टिकोनाने हे स्पष्ट केले आहे की प्रमुख वाहतूक मार्गांवर जनसंख्या हालचालींचे समजून घेणे भविष्यकाळात संक्रमण कुठे होऊ शकते हे जाणण्यात महत्त्वाचे ठरू शकते.
बंडिबुग्यो व्हायरस प्रकोपाची अधिकृत घोषणा 15 मे 2026 रोजी करण्यात आली, परंतु पुरावे दर्शवतात की व्हायरस अनेक आठवड्यांपासून प्रसारित होत होता. संशोधकांनी प्रकोपाच्या भौगोलिक प्रसारात योगदान देणाऱ्या घटकांची ओळख करण्याचा आणि संक्रमणाच्या हॉटस्पॉटची भविष्यवाणी करण्यात गतिशीलता डेटा कसा उपयोगी ठरू शकतो हे तपासण्याचा उद्देश ठेवला. त्यांनी असे आढळले की प्रकोपाची ओळख होण्यापूर्वी एकत्रित केलेला डेटा उच्च जनसंख्या हालचाली असलेल्या क्षेत्रांमध्ये संक्रमणाची नोंद होण्याची शक्यता अधिक होती.
प्रकोपाच्या प्रारंभिक टप्प्यात, प्रकरणांची संख्या सुमारे प्रत्येक दहा दिवसांनी दुप्पट झाली, जे जलद प्रसाराचे संकेत आहे. प्रकोपाची ओळख करण्यात विलंब आणि उच्च जनसंख्या गतिशीलता यासारख्या घटकांनी या वाढीला कारणीभूत ठरले. संशोधकांनी हे देखील स्पष्ट केले की विविध ठिकाणांच्या दरम्यानचे संबंध, त्यांच्या जनसंख्येचा आकार नव्हे, संक्रमणाच्या जोखमीचा एक प्रमुख संकेतक होता. ही माहिती आरोग्य अधिकाऱ्यांना संभाव्य प्रकोपांसाठी तयारी करण्यासाठी मूल्यवान वेळ प्रदान करू शकते.
या संशोधनाचे परिणाम DRC च्या बाहेर देखील महत्त्वाचे आहेत, कारण या पद्धतीचा उपयोग इतर संसर्गजन्य रोगांच्या प्रसाराची भविष्यवाणी करण्यासाठी केला जाऊ शकतो, जसे की खसरा आणि कोलेरा. गतिशीलता डेटा वापरून, आरोग्य अधिकारी देखरेख वाढवू शकतात, संसाधने अनुकूलित करू शकतात आणि समुदायांशी अधिक प्रभावीपणे संवाद साधू शकतात. या अभ्यासाने हे देखील अधोरेखित केले की प्रकोपाच्या आधी मोबाइल ऑपरेटरांसोबत करार स्थापित करणे किती महत्त्वाचे आहे, जेणेकरून वेळेवर डेटा प्रवेश सुनिश्चित केला जाऊ शकेल.
आगामी काळात, संशोधकांचा विश्वास आहे की सार्वजनिक आरोग्य धोरणांमध्ये गतिशीलता डेटा समाविष्ट करणे प्रकोप प्रतिसादात क्रांती आणू शकते. जसे-जसे DRC मध्ये स्थानिक वैज्ञानिक संस्थांची क्षमता वाढते, तसे-तसे वेळेवर आणि प्रभावी महामारी प्रतिबंधाची शक्यता वाढते. हा अभ्यास सक्रिय उपाययोजनांची आवश्यकता आणि सार्वजनिक आरोग्य संकटांच्या व्यवस्थापनामध्ये डेटा-संचालित दृष्टिकोनाच्या मूल्याला अधोरेखित करतो.




