फुट-एंड-माउथ रोग वायरस के लिए एयरोसोल संचरण दूरी का परिमाणीकरण

पृष्ठभूमि और अकादमिक वंशावली

उत्पत्ति और अकादमिक वंशावली

फुट-एंड-माउथ रोग (FMD) एक अत्यधिक संक्रामक और आर्थिक रूप से विनाशकारी वायरल रोग है जो विश्व स्तर पर खुरदार खुर वाले जानवरों को प्रभावित करता है। कृषि उद्योग पर इसका प्रभाव, जिसमें वध और व्यापार प्रतिबंध जैसे नियंत्रण उपाय शामिल हैं, लंबे समय से एक प्रमुख चिंता का विषय रहा है। इस पत्र में संबोधित समस्या की सटीक उत्पत्ति यह पहचान है कि फुट-एंड-माउथ रोग वायरस (FMDV) का एयरोसोल संचरण वायरल प्रसार का एक विशेष रूप से जटिल लेकिन महत्वपूर्ण मार्ग है, जो छोटी और लंबी दोनों दूरियों पर बीमारी फैलाने में सक्षम है। ऐतिहासिक प्रकोपों ​​और ग्लोस्टर एट अल. द्वारा सिमुलेशन और कोलेनट एट अल. द्वारा प्रयोगात्मक पुष्टि जैसे पिछले शोधों ने FMD महामारियों में हवाई संचरण की महत्वपूर्ण भूमिका को बार-बार रेखांकित किया है। यह समस्या अकादमिक क्षेत्र में तब उभरी जब वैज्ञानिकों और नीति निर्माताओं ने बड़े पैमाने पर FMD प्रकोपों ​​को रोकने और नियंत्रित करने के प्रभावी रणनीतियों की मांग की, यह महसूस करते हुए कि हवाई वायरल प्रसार को समझना और प्रबंधित करना सर्वोपरि था।

पिछले दृष्टिकोणों की मौलिक सीमा या "दर्द बिंदु" जिसने लेखकों को इस अध्ययन को करने के लिए मजबूर किया, वह FMDV एयरोसोल संचरण दूरियों की अपर्याप्त समझ और परिमाणीकरण था, विशेष रूप से व्यक्तिगत पशु और फार्म स्तरों पर, विभिन्न पर्यावरणीय परिस्थितियों में। जबकि पहले के गणितीय मॉडल ने मैक्रोस्कोपिक पैमानों (जैसे, खेतों या क्षेत्रों के बीच) पर वायरस संचरण की खोज की थी या रोगजनकों के सामान्य वायुमंडलीय फैलाव पर ध्यान केंद्रित किया था, वे अक्सर FMDV एयरोसोल के प्रभावी संचरण दूरी को एक एकल संक्रमित स्रोत से, बहु-कारक प्रक्रियाओं (उत्सर्जन, प्रसार, अवसादन, क्षय और साँस लेना) को ध्यान में रखते हुए सटीक रूप से चित्रित करने में विफल रहे। उदाहरण के लिए, कुछ मॉडलों ने केवल एक पेन के भीतर एयरोसोल संचरण पर विचार किया। विशिष्ट परिस्थितियों में FMDV एयरोसोल कितनी दूर तक यात्रा कर सकते हैं, इस पर दानेदार, मात्रात्मक डेटा की यह कमी सटीक जोखिम मूल्यांकन, प्रभावी रोग निगरानी और प्रकोप के दौरान रोकथाम और नियंत्रण संसाधनों के तर्कसंगत आवंटन में बाधा डालती है। लेखकों ने स्पष्ट रूप से कहा है कि "अब तक, इसके लिए हमारी समझ में कुछ सीमाएँ हैं," समय के साथ वायरस संचरण दूरियों की भविष्यवाणी करने के लिए अधिक परिष्कृत गणितीय मॉडल के विकास की आवश्यकता है।

सहज डोमेन शब्द

एक शून्य-आधारित पाठक को मुख्य अवधारणाओं को समझने में मदद करने के लिए, यहां कागज से कुछ विशेष शब्द दिए गए हैं, जिन्हें रोजमर्रा की सादृश्यता में अनुवादित किया गया है:

• फुट-एंड-माउथ रोग वायरस (FMDV): इसकी कल्पना गायों, भेड़ों और सूअरों जैसे जानवरों में एक बहुत ही बुरी, अत्यधिक संक्रामक बीमारी का कारण बनने वाले विशिष्ट "सुपर फ्लू बग" के रूप में करें। यह मानव हाथ, पैर और मुंह की बीमारी नहीं है, बल्कि एक अलग और बहुत अधिक गंभीर पशु रोग है।
• एयरोसोल संचरण: इसे अदृश्य "साँस लेने वाले बादल" या "छींक की धुंध" की तरह सोचें जो हवा में छोटे, तैरते हुए कीटाणुओं को ले जाती है। बड़ी, दिखाई देने वाली बूंदों के विपरीत जो जल्दी गिर जाती हैं, ये एयरोसोल कण इतने छोटे होते हैं कि वे हवा में लंबे समय तक लटके रह सकते हैं और दूर तक यात्रा कर सकते हैं, जैसे दूर की आग से निकलने वाला धुआं।
• न्यूनतम संक्रामक खुराक (MID): यह कीटाणुओं की "जादुई संख्या" है जिसे आपको वास्तव में बीमार होने के लिए सामना करने की आवश्यकता है। यदि आप इस मात्रा से कम साँस लेते हैं, तो आपका शरीर उन्हें दूर कर सकता है, लेकिन यदि आप इस खुराक को हिट करते हैं या उससे अधिक हो जाते हैं, तो संक्रमण की संभावना है। यह संक्रमण के लिए महत्वपूर्ण सीमा है।
• TCID50 (50% ऊतक संवर्धन संक्रामक खुराक): यह एक वैज्ञानिक "कीटाणु गणक" है। यह प्रयोगशाला में किसी नमूने में सक्रिय वायरस की मात्रा को मापने के लिए उपयोग की जाने वाली एक मानक इकाई है। विशेष रूप से, यह वायरस की वह मात्रा है जो प्रयोगशाला परीक्षण में कोशिकाओं के आधे हिस्से को सफलतापूर्वक संक्रमित करेगी, जिससे वैज्ञानिकों को वायरल शक्ति को मापने का एक विश्वसनीय तरीका मिलेगा।

संकेतन तालिका

संकेतन	विवरण

समस्या परिभाषा और बाधाएँ

मुख्य समस्या सूत्रीकरण और दुविधा

इस पत्र द्वारा संबोधित मुख्य समस्या फुट-एंड-माउथ रोग वायरस (FMDV) एयरोसोल की स्थानिक और लौकिक प्रभावी संचरण दूरी का सटीक परिमाणीकरण है। यह FMD प्रकोपों ​​को समझने और नियंत्रित करने में एक महत्वपूर्ण लापता टुकड़ा है, जो कृषि उद्योग के लिए विनाशकारी हैं।

प्रारंभ बिंदु (इनपुट/वर्तमान स्थिति) एक संक्रमित जानवर (मवेशी, भेड़, या सूअर) या एक पूरा संक्रमित खेत है, जो वायुमंडल में FMDV-युक्त एयरोसोल उत्सर्जित करने वाले स्रोत के रूप में कार्य करता है। FMDV एयरोसोल संचरण की पुष्टि और वायरल प्रसार का एक महत्वपूर्ण मार्ग होने के बावजूद, इसकी विस्तृत स्थानिक और लौकिक गतिशीलता की हमारी समझ, विशेष रूप से विभिन्न दूरियों और स्थितियों पर, सीमित बनी हुई है। पिछले शोधों ने अक्सर मैक्रोस्कोपिक पैमानों (जैसे, खेत-से-खेत प्रसार) या व्यक्तिगत-स्तरीय संचरण पर ध्यान केंद्रित किया है, बिना एयरोसोल प्रसार की जटिल, बहु-कारक प्रक्रिया को पूरी तरह से स्पष्ट किए।

वांछित अंतिम बिंदु (आउटपुट/लक्ष्य स्थिति) यह एक मात्रात्मक और भविष्य कहनेवाला समझ है कि विभिन्न पर्यावरणीय परिस्थितियों (जैसे, स्थिर वातावरण, विभिन्न हवा की गति) और विभिन्न पशु प्रजातियों के तहत FMDV एयरोसोल कितनी दूर तक यात्रा कर सकते हैं और संक्रामक रह सकते हैं। इसमें एक एकल संक्रमित जानवर और एक संक्रमित खेत से विशिष्ट समय-सीमा (जैसे, 1 घंटा, 24 घंटे, 7 दिन) पर प्रभावी संचरण दूरी निर्धारित करना शामिल है। अंतिम लक्ष्य तर्कसंगत योजना पशुधन फार्म लेआउट, निर्णय लेने की प्रक्रियाओं में सहायता, और एक महामारी के दौरान रोकथाम और नियंत्रण संसाधनों के आवंटन को अनुकूलित करने के लिए कार्रवाई योग्य जानकारी प्रदान करना है।

सटीक लापता कड़ी या गणितीय अंतर जिसे यह पत्र पाटने का प्रयास करता है, वह एक व्यापक स्पेटियोटेम्पोरल डायनामिक मॉडल की कमी है जो FMDV एयरोसोल संचरण को नियंत्रित करने वाली विभिन्न भौतिक और जैविक प्रक्रियाओं को एकीकृत करता है। विशेष रूप से, यह एक प्रसार समीकरण स्थापित करने का लक्ष्य रखता है जो FMDV एयरोसोल के उत्सर्जन, प्रसार, अवसादन, परिवहन (हवा द्वारा संवहन), क्षय और अंतिम साँस लेने का वर्णन करता है। यह मॉडल किसी भी दिए गए स्थान और समय पर व्यवहार्य वायरस की एकाग्रता को मापता है, जिससे प्रजाति-विशिष्ट न्यूनतम संक्रामक खुराक थ्रेसहोल्ड की तुलना में एकाग्रता की तुलना करके प्रभावी संचरण दूरियों की गणना की जा सकती है। पिछले मॉडलों ने या तो इन गतिशीलता को सरल बनाया या विभिन्न पहलुओं पर ध्यान केंद्रित किया, जिससे एयरोसोल संचरण दूरियों की सटीक, यांत्रिक भविष्यवाणी में एक अंतर रह गया।

दर्दनाक ट्रेड-ऑफ या दुविधा जिसने इस विशिष्ट समस्या को हल करने की कोशिश कर रहे पिछले शोधकर्ताओं को फंसाया है, वह मॉडल जटिलता को व्यावहारिक प्रयोज्यता और डेटा उपलब्धता के बीच संतुलन बनाने में निहित है। एयरोसोल संचरण "जटिल बहु-कारक प्रक्रिया" है जिसमें कई परस्पर क्रिया करने वाले तत्व शामिल हैं। एक पहलू की सटीकता में सुधार, जैसे विस्तृत वायुमंडलीय अशांति को शामिल करना, अक्सर घातीय रूप से अधिक कम्प्यूटेशनल शक्ति और अत्यधिक दानेदार इनपुट डेटा की आवश्यकता होती है, जो हमेशा उपलब्ध या विश्वसनीय नहीं हो सकता है। उदाहरण के लिए, जबकि वायुमंडलीय स्थितियों में मॉडलिंग में उच्च रिज़ॉल्यूशन अधिक सटीक भविष्यवाणियां देगा, यह महत्वपूर्ण कम्प्यूटेशनल ओवरहेड और डेटा अधिग्रहण चुनौतियों को भी पेश करता है। इसके विपरीत, मॉडल को सुगम बनाने के लिए सरल बनाने से महत्वपूर्ण कारकों को नजरअंदाज करने का जोखिम होता है जो संचरण को प्रभावित करते हैं, जिससे कम सटीक या सामान्य परिणाम प्राप्त होते हैं। यह पत्र कुछ मान्यताओं (जैसे, सजातीय हवा, निश्चित पशु स्थिति) को बनाकर इस समस्या को हल करने योग्य बनाने के लिए नेविगेट करता है, जबकि अभी भी प्रमुख गतिशीलता को पकड़ता है।

बाधाएँ और विफलता मोड

FMDV एयरोसोल संचरण को परिमाणित करने की समस्या कई कठोर, यथार्थवादी दीवारों के कारण हल करना अविश्वसनीय रूप से कठिन है जिनसे लेखक टकराए:

• भौतिक बाधाएँ:

  • बहु-कारक एयरोसोल गतिशीलता: FMDV एयरोसोल का प्रसार उत्सर्जन, व्यवहार्यता रखरखाव, परिवहन (हवा द्वारा संवहन), प्रसार (अशांति के कारण), गुरुत्वाकर्षण अवसादन, क्षय और अंतिम साँस लेने के जटिल परस्पर क्रिया द्वारा नियंत्रित होता है। इन प्रक्रियाओं में से प्रत्येक की अपनी गतिशीलता और प्रभावित करने वाले कारक हैं।
  • कण आकार वितरण: एयरोसोल कणों का आकार उनके व्यवहार को महत्वपूर्ण रूप से प्रभावित करता है। छोटे कण (< 5 µm, या अध्ययन के फोकस के रूप में < 6 µm) लंबे समय तक निलंबित रहते हैं और दूर तक यात्रा करते हैं, जबकि बड़े कण जल्दी से अवसादित हो जाते हैं। मॉडल को इन आकार-निर्भर गतिशीलता को ध्यान में रखना चाहिए, जो प्रजातियों या उत्सर्जन की घटनाओं में समान नहीं हैं।
  • पर्यावरणीय स्थायित्व और क्षय: एयरोसोल में FMDV की व्यवहार्यता पर्यावरणीय परिस्थितियों, विशेष रूप से सापेक्ष आर्द्रता (55% - 60% RH से ऊपर जीवित रहने का सबसे अच्छा है) के प्रति अत्यधिक संवेदनशील है। वायरस समय के साथ क्षय होता है, जिसका अनुमानित आधा जीवन (जैसे, तालिका 2 में 2 घंटे, या [19] में FMDV एयरोसोल के लिए 12 घंटे) होता है, जिसका अर्थ है कि इसकी संक्रामकता दूरी और समय के साथ कम हो जाती है।
  • वायुमंडलीय स्थितियाँ: हवा का वेग और दिशा दिशात्मक प्रवासन (संवहन) के लिए महत्वपूर्ण हैं, जबकि वायुमंडलीय अशांति यादृच्छिक प्रसार को चलाती है। ये कारक वास्तविक दुनिया के परिदृश्यों में अत्यधिक परिवर्तनशील हैं, जिससे सटीक दीर्घकालिक भविष्यवाणी चुनौतीपूर्ण हो जाती है। पत्र नोट करता है कि "अशांति प्रसार... भौतिकी में सबसे महत्वपूर्ण पहेली है।"
  • गुरुत्वाकर्षण निपटान: एयरोसोल गुरुत्वाकर्षण के अधीन होते हैं, जिससे वे नीचे की ओर बस जाते हैं। इस ऊर्ध्वाधर गति को ऊपर की ओर प्रसार और क्षैतिज परिवहन के विरुद्ध संतुलित किया जाना चाहिए।
  • प्रजाति-विशिष्ट विशेषताएँ: विभिन्न पशु प्रजातियों (मवेशी, भेड़, सूअर) में अलग-अलग कंधे की ऊंचाई (उत्सर्जन स्रोत), न्यूनतम संक्रामक खुराक (MID), फेफड़ों की क्षमता और वायरस की मात्रा का उत्सर्जन होता है। उदाहरण के लिए, सूअर मवेशियों या भेड़ों की तुलना में काफी अधिक वायरस का उत्सर्जन करते हैं, भले ही वे स्वयं एयरोसोल संक्रमण के प्रति कम संवेदनशील हों। इन जैविक अंतरों के लिए प्रजाति-विशिष्ट मापदंडों की आवश्यकता होती है।

• कम्प्यूटेशनल बाधाएँ:

  • आंशिक विभेदक समीकरणों (PDEs) को हल करना: मॉडल का मूल तीन-आयामी स्थान पर समय के साथ एक प्रतिक्रिया-प्रसार समीकरण (समीकरण 4 और 6) को हल करना शामिल है। ये समीकरण गणितीय रूप से जटिल हैं और संख्यात्मक सिमुलेशन की आवश्यकता होती है, जो कम्प्यूटेशनल रूप से गहन हो सकते हैं, खासकर बड़े स्थानिक और लौकिक पैमानों के लिए।
  • पैरामीटरीकरण जटिलता: मॉडल को बड़ी संख्या में मापदंडों (प्रसार गुणांक, अवक्षेपण वेग, क्षय दर, उत्सर्जन मात्रा, साँस लेने की दर, थ्रेशोल्ड सांद्रता, हवा की गति, आदि) की आवश्यकता होती है जो प्रजातियों, वायरल स्ट्रेन, कण आकार और पर्यावरणीय परिस्थितियों के अनुसार भिन्न होते हैं। इन मापदंडों को सटीक रूप से निर्धारित करना और मान्य करना एक महत्वपूर्ण कार्य है।

• डेटा-संचालित बाधाएँ:

  • डेटा परिवर्तनशीलता और विरलता: पत्र स्वीकार करता है कि न्यूनतम संक्रामक खुराक (MID) जैसे महत्वपूर्ण मापदंडों के लिए, "विभिन्न प्रयोगात्मक अध्ययनों ने थोड़े अलग परिणाम दिए," जो सार्वभौमिक रूप से सुसंगत डेटा की कमी का संकेत देते हैं। यह परिवर्तनशीलता मॉडल भविष्यवाणियों में अनिश्चितता का परिचय देती है।
  • आदर्श स्थितियाँ बनाम वास्तविक दुनिया की जटिलता: सिमुलेशन "अपेक्षाकृत आदर्श स्थितियों" के तहत किए जाते हैं, जिसका अर्थ है कि वे तापमान, आर्द्रता, स्थलाकृतिक विशेषताओं (भूभाग), और परिवर्तनशील हवा की दिशाओं के संयुक्त प्रभावों को पूरी तरह से ध्यान में नहीं रखते हैं। इन वास्तविक दुनिया की जटिलताओं को शामिल करने के लिए उच्च-रिज़ॉल्यूशन इनपुट डेटा और अधिक परिष्कृत मॉडल की आवश्यकता होगी, जो वर्तमान में दायरे या डेटा उपलब्धता से परे हैं।
  • पशु व्यवहार का सरलीकरण: मॉडल मानता है कि संक्रमित जानवर एक निश्चित मूल (0,0,0) पर हैं और संक्रमित या संवेदनशील व्यक्तियों की स्थानिक गति को शामिल नहीं करता है। फार्म-स्तरीय मॉडलिंग के लिए, यह शुरू में "प्रत्येक फार्म के भीतर स्थानिक विषमता की उपेक्षा करता है," इसे एक सजातीय इकाई के रूप में मानता है। ये सरलीकरण मॉडल की सुगमता के लिए आवश्यक हैं लेकिन वास्तविक दुनिया की गतिशीलता से प्रस्थान का प्रतिनिधित्व करते हैं।

यह दृष्टिकोण क्यों

चुनाव की अनिवार्यता

ईमानदारी से कहूं तो, लेखकों ने अहसास का कोई "सटीक क्षण" स्पष्ट रूप से नहीं बताया, लेकिन पत्र की प्रस्तावना मौजूदा दृष्टिकोणों की सीमाओं को स्पष्ट रूप से बताती है, जिससे उनके चुने हुए तरीके इस विशिष्ट समस्या के लिए आगे बढ़ने का एकमात्र व्यवहार्य मार्ग बन जाता है। फुट-एंड-माउथ रोग वायरस (FMDV) संचरण के लिए पिछले गणितीय मॉडल अक्सर मैक्रोस्कोपिक पैमानों पर ध्यान केंद्रित करते थे, जैसे व्यक्तियों या खेतों के बीच प्रसार, एयरोसोल प्रसार की जटिल यांत्रिकी में विभिन्न स्थानिक दूरियों पर गहराई से जाने के बिना। जबकि कुछ अध्ययनों ने रोगजनक सूक्ष्मजीवों के लिए गॉसियन प्रसार, नाम, या DERMA जैसे प्रसार मॉडल का उपयोग किया, वे स्पष्ट रूप से FMDV एयरोसोल संचरण को प्रभावित करने वाले कारकों के पूर्ण स्पेक्ट्रम को पकड़ने के लिए पर्याप्त व्यापक नहीं थे।

पहचानी गई महत्वपूर्ण कमी एक ऐसे मॉडल की आवश्यकता थी जो FMDV एयरोसोल प्रसार की पूरी बहु-कारक प्रक्रिया का यांत्रिक रूप से वर्णन कर सके। इसमें संक्रमित जानवरों से उत्सर्जन, हवा के माध्यम से बाद का प्रसार, गुरुत्वाकर्षण के कारण अवसादन, हवा द्वारा दिशात्मक परिवहन, पर्यावरण में वायरल व्यवहार्यता का क्षय और अंततः संवेदनशील मेजबानों द्वारा साँस लेना शामिल है। मानक महामारी विज्ञान मॉडल, जबकि जनसंख्या-स्तरीय गतिशीलता के लिए उपयोगी होते हैं, आम तौर पर इन भौतिक प्रक्रियाओं को अमूर्त करते हैं। इसी तरह, सामान्य वायुमंडलीय फैलाव मॉडल FMDV के लिए प्रासंगिक वायरल व्यवहार्यता, प्रजाति-विशिष्ट उत्सर्जन/साँस लेने की दरों और पर्यावरणीय कारकों के जटिल परस्पर क्रिया के जैविक विशिष्टताओं को पूरी तरह से एकीकृत नहीं कर सकते हैं। इसलिए, FMDV एयरोसोल संचरण दूरियों को सटीक रूप से मापने के लिए, Fick के नियम पर आधारित और इन विविध तत्वों को शामिल करने वाले एक विशेष स्पेटियोटेम्पोरल डायनामिक मॉडल का विकास एक आवश्यकता बन गया।

तुलनात्मक श्रेष्ठता

इस दृष्टिकोण की गुणात्मक श्रेष्ठता FMDV एयरोसोल संचरण को नियंत्रित करने वाले भौतिक और जैविक दोनों कारकों के समग्र और यांत्रिक एकीकरण में निहित है। सरल मॉडल के विपरीत जो एयरोसोल प्रसार को एक ब्लैक बॉक्स के रूप में मान सकते हैं या अनुभवजन्य सन्निकटन पर भरोसा कर सकते हैं, यह विधि एयरोसोल गतिशीलता का एक विस्तृत भौतिक मॉडल बनाती है। यह केवल प्रसार की भविष्यवाणी नहीं करता है; यह अंतर्निहित प्रक्रियाओं को मॉडल करके बताता है कि प्रसार कैसे होता है।

संरचनात्मक लाभ Fick के नियम को प्रसार के लिए, दिशात्मक संवहन (हवा), गुरुत्वाकर्षण अवसादन, वायरल उत्सर्जन और क्षय के लिए शब्दों के साथ जोड़कर एक एकल आंशिक विभेदक समीकरण (PDE) में संयोजित करने की इसकी क्षमता है। यह एयरोसोल एकाग्रता $c(x, y, z, t)$ के दानेदार, स्पेटियोटेम्पोरली हल किए गए सिमुलेशन की अनुमति देता है। इसके अलावा, फार्म-स्तरीय विश्लेषण के लिए, इस भौतिक मॉडल को एक जनसंख्या-आधारित SIRV (संवेदनशील-संक्रमित-ठीक-वायरल लोड) महामारी विज्ञान मॉडल के साथ सहजता से जोड़ा गया है। यह दो-स्तरीय दृष्टिकोण एक मजबूत ढांचा प्रदान करता है: SIRV मॉडल समय के साथ एक संक्रमित खेत द्वारा उत्सर्जित वायरल लोड को मापता है, जो तब एयरोसोल फैलाव की लंबी दूरी की भविष्यवाणी करने के लिए प्रसार समीकरण में फीड होता है। यह व्यापक ढांचा पिछले स्वर्ण मानक विधियों की तुलना में कहीं अधिक सूक्ष्म समझ प्रदान करता है, जिसमें अक्सर भौतिक एयरोसोल गतिशीलता के इस विस्तृत एकीकरण की महामारी विज्ञान की प्रगति के साथ कमी होती है। यह $O(N^2)$ से $O(N)$ तक मेमोरी जटिलता को कम करने के बारे में नहीं है, बल्कि शुरू से ही एक अधिक सटीक और व्याख्यात्मक मॉडल बनाने के बारे में है।

बाधाओं के साथ संरेखण

चुनी गई विधि FMDV एयरोसोल संचरण को परिमाणित करने की अंतर्निहित बाधाओं के साथ पूरी तरह से संरेखित होती है। समस्या के लिए एक ऐसे मॉडल की आवश्यकता होती है जो निम्न में सक्षम हो:

1. संचरण दूरी का परिमाणीकरण: प्रसार समीकरण का मुख्य आउटपुट एयरोसोल एकाग्रता $c(x, y, z, t)$ है, जिसे प्रजाति-विशिष्ट न्यूनतम संक्रामक खुराक (MID) थ्रेसहोल्ड के मुकाबले तुलना करने पर, सीधे प्रभावी संचरण दूरी प्राप्त होती है।
2. बहु-कारक प्रक्रियाओं का हिसाब: मॉडल स्पष्ट रूप से उत्सर्जन (स्रोत शब्द $A(x, y, z, t)$), मुक्त प्रसार (प्रसार गुणांक $D$), दिशात्मक प्रवासन (हवा का वेग $w$ और अवसादन वेग $v$), और वायरल क्षय (क्षय दर $d$) को शामिल करता है। यह सीधे एयरोसोल संचरण की जटिल प्रकृति को संबोधित करता है।
3. स्पेटियोटेम्पोरल गतिशीलता को पकड़ना: एक आंशिक विभेदक समीकरण (समीकरण 4) का उपयोग स्वाभाविक रूप से समय ($t$) और त्रि-आयामी स्थान ($x, y, z$) में वायरस एयरोसोल की एकाग्रता को मॉडल करता है, जो एक स्पेटियोटेम्पोरल विश्लेषण की आवश्यकता को पूरा करता है।
4. प्रजाति-विशिष्ट मापदंडों को शामिल करना: मॉडल को मवेशियों, भेड़ों और सूअरों के लिए अलग-अलग मापदंडों (जैसे, कंधे की ऊंचाई $H_0$, उत्सर्जन दर $U$, साँस लेने की दर, और थ्रेशोल्ड सांद्रता) को स्वीकार करने और उपयोग करने के लिए डिज़ाइन किया गया है, जो मेजबान प्रजातियों के बीच जैविक अंतर को दर्शाता है।
5. पर्यावरणीय स्थितियों को एकीकृत करना: हवा का वेग ($w$), प्रसार गुणांक ($D$), और क्षय दर ($d$) जैसे चर सीधे शामिल किए जाते हैं, जिससे मॉडल विभिन्न पर्यावरणीय परिदृश्यों के तहत संचरण का अनुकरण कर सकता है।

समस्या की कठोर आवश्यकताओं और समाधान के अद्वितीय गुणों के बीच "विवाह" इस प्रत्यक्ष मानचित्रण में स्पष्ट है। समस्या को यह समझने की आवश्यकता है कि एयरोसोल कैसे चलते हैं और बने रहते हैं, और Fick के नियम-आधारित प्रसार समीकरण ठीक वही यांत्रिक विवरण प्रदान करता है। जब SIRV मॉडल के साथ फार्म स्तर तक बढ़ाया जाता है, तो यह रोग की प्रगति और वायरल शेडिंग पर इसके प्रभाव को समझने की आवश्यकता को संबोधित करता है, जो बदले में एयरोसोल प्रसार को चलाता है। यह एकीकृत दृष्टिकोण सुनिश्चित करता है कि मॉडल की संरचना FMDV एयरोसोल संचरण की जटिल, बहु-स्तरीय प्रकृति के लिए स्वाभाविक रूप से उपयुक्त है।

विकल्पों का अस्वीकरण

यह पत्र मुख्य रूप से इस विशिष्ट समस्या के लिए उनकी अपर्याप्त दानेदारता या दायरे के कारण वैकल्पिक दृष्टिकोणों के अस्वीकरण का अर्थ है। जबकि पिछले अध्ययनों ने FMD संचरण के लिए गणितीय मॉडल का उपयोग किया था, वे अक्सर दो प्रमुख क्षेत्रों में कम पड़ गए:

1. विस्तृत एयरोसोल गतिशीलता की कमी: कई महामारी विज्ञान मॉडल ने मैक्रोस्कोपिक संचरण पर ध्यान केंद्रित किया, व्यक्तियों या खेतों के बीच, लेकिन "व्यक्तियों के बीच विभिन्न स्थानिक संपर्क दूरियों में एयरोसोल प्रसार की भूमिका पर चर्चा नहीं की।" (पृष्ठ 4) इसका मतलब है कि वे एयरोसोल फैलाव की बारीक, यांत्रिक समझ प्रदान नहीं कर सके जो लेखकों ने मांगी थी।
2. मौजूदा प्रसार मॉडल में प्रभाव कारकों का अधूरा एकीकरण: पत्र रोगजनक सूक्ष्मजीवों के प्रसार के लिए गॉसियन प्रसार, नाम और DERMA जैसे मॉडलों के अस्तित्व को स्वीकार करता है। हालांकि, लेखकों ने "FMDV एयरोसोल उत्सर्जित करने वाले उत्सर्जन, अवसादन, परिवहन, प्रसार और साँस लेने का वर्णन करने के लिए एक प्रसार समीकरण स्थापित करने के लिए Fick के नियम को लागू करने का विकल्प चुना... विभिन्न प्रभाव कारकों के संयोजन से" (पृष्ठ 4)। यह बताता है कि जबकि ये मॉडल प्रसार के कुछ पहलुओं को संभाल सकते हैं, वे संभवतः एक एकल, एकीकृत ढांचा प्रदान नहीं करते थे जो एक साथ उत्सर्जन, अवसादन, दिशात्मक परिवहन, प्रसार, क्षय और प्रजाति-विशिष्ट साँस लेने की दरों को FMDV एयरोसोल व्यवहार की अनूठी जटिलताओं के लिए प्रस्तावित मॉडल के रूप में व्यापक रूप से ध्यान में रखता है। "विभिन्न प्रभाव कारकों" को एक एकीकृत प्रसार समीकरण में संयोजित करने की आवश्यकता का तात्पर्य है कि मौजूदा मॉडल FMDV एयरोसोल व्यवहार की अनूठी जटिलताओं के लिए पर्याप्त रूप से तैयार नहीं थे, विशेष रूप से हवा, गुरुत्वाकर्षण और वायरल व्यवहार्यता के परस्पर क्रिया।

यह पत्र GANs, CNNs, या Transformers जैसे मशीन लर्निंग मॉडल के अस्वीकरण का उल्लेख या अर्थ नहीं करता है, क्योंकि ये मौलिक रूप से भिन्न प्रतिमान हैं जो यहां वर्णित भौतिक और जैविक प्रक्रियाओं के यांत्रिक मॉडलिंग के लिए अनुपयुक्त हैं। विचार किए गए और निहित रूप से अस्वीकृत विकल्प महामारी विज्ञान या वायुमंडलीय फैलाव मॉडल के अन्य रूप थे जिनमें FMDV एयरोसोल संचरण के व्यापक स्पेटियोटेम्पोरल विश्लेषण के लिए आवश्यक विवरण और एकीकरण की कमी थी।

Figure 4. The contour of spatial distribution of virus aerosol exhaled from one infected cattle standing at location (0,0,0) in scenario I. (a) z = 0.25 m. (b) z = 0.5 m. (c) z = 1.5 m. Where, the contour lines represent the threshold infection concentrations for different animals: 0.07 TCID50/m3 (cattle), 0.7 TCID50/m3 (sheep), and 16 TCID50/m3 (pigs). The regions bounded by the curves marked 0.07, 0.7, and 16 identify the areas where susceptible cattle, sheep, and pigs can be infected, respectively. Contours in later figures share the same interpretation and are not redefined

गणितीय और तार्किक तंत्र

मास्टर समीकरण

इस पत्र में FMDV एयरोसोल संचरण के व्यक्तिगत पशु स्तर के विश्लेषण को चलाने वाला मुख्य गणितीय इंजन एक त्रि-आयामी प्रतिक्रिया-प्रसार-संवहन आंशिक विभेदक समीकरण है। यह समीकरण उत्सर्जन, प्रसार, हवा और गुरुत्वाकर्षण द्वारा संवहन, और क्षय को ध्यान में रखते हुए वायरस एयरोसोल एकाग्रता के स्पेटियोटेम्पोरल विकास का वर्णन करता है। Fick के प्रथम नियम और द्रव्यमान संतुलन सिद्धांतों से प्राप्त सबसे व्यापक रूप, समीकरण (4) के रूप में प्रस्तुत किया गया है:

$$ \frac{\partial c(x, y, z, t)}{\partial t} + w \frac{\partial c(x, y, z, t)}{\partial x} - v \frac{\partial c(x, y, z, t)}{\partial z} = D \left[ \frac{\partial^2 c(x, y, z, t)}{\partial x^2} + \frac{\partial^2 c(x, y, z, t)}{\partial y^2} + \frac{\partial^2 c(x, y, z, t)}{\partial z^2} \right] + A(x, y, z, t) - d \cdot c(x, y, z, t) $$

पद-दर-पद विच्छेदन

आइए प्रत्येक घटक की भूमिका को समझने के लिए इस मास्टर समीकरण का विश्लेषण करें:

• $c(x, y, z, t)$:

  1. गणितीय परिभाषा: यह एक विशिष्ट स्थानिक निर्देशांक $(x, y, z)$ और समय $t$ पर वायरस एयरोसोल एकाग्रता है। इसकी इकाई TCID50/m$^3$ है।
  2. भौतिक/तार्किक भूमिका: यह किसी दिए गए स्थान और क्षण पर हवा में निलंबित संक्रामक वायरल कणों के घनत्व का प्रतिनिधित्व करता है। मॉडल का अंतिम लक्ष्य संक्रमण जोखिम का आकलन करने के लिए स्थान और समय में इस मान को निर्धारित करना है।
  3. यह ऑपरेटर क्यों: यह आश्रित चर है, वह मात्रा जिसे हम हल कर रहे हैं।

• $\frac{\partial c(x, y, z, t)}{\partial t}$:

  1. गणितीय परिभाषा: यह समय $t$ के संबंध में एकाग्रता $c$ का आंशिक व्युत्पन्न है।
  2. भौतिक/तार्किक भूमिका: यह अंतरिक्ष में एक निश्चित बिंदु पर वायरस एयरोसोल एकाग्रता के परिवर्तन की दर का प्रतिनिधित्व करता है। यह निर्धारित करता है कि अन्य सभी प्रक्रियाओं (उत्सर्जन, परिवहन, प्रसार, क्षय) के कारण एकाग्रता समय के साथ कैसे बढ़ती या घटती है।
  3. यह ऑपरेटर क्यों: यह किसी भी गतिशील मॉडल में मौलिक शब्द है, जो प्रणाली के लौकिक विकास को इंगित करता है।

• $w \frac{\partial c(x, y, z, t)}{\partial x}$:

  1. गणितीय परिभाषा: यह $x$-दिशा में संवहन पद है, जहाँ $w$ धनात्मक $x$-अक्ष के साथ हवा का वेग है, और $\frac{\partial c}{\partial x}$ $x$-दिशा में एकाग्रता का स्थानिक ढाल है।
  2. भौतिक/तार्किक भूमिका: यह पद हवा की थोक गति (हवा) के कारण वायरस एयरोसोल के परिवहन का वर्णन करता है। यदि कोई हवा है, तो यह एयरोसोल को अपने साथ ले जाएगी, जिससे वायरस का बादल गुजरने पर एक बिंदु पर एकाग्रता बदल जाएगी। लेखक ने संवहन को एक दिशात्मक परिवहन तंत्र के रूप में जोड़ा है जो प्रवाह की दिशा और ढाल के आधार पर एकाग्रता को जोड़ता या हटाता है।
  3. यह ऑपरेटर क्यों: यह वेग से गुणा किया गया प्रथम-क्रम स्थानिक व्युत्पन्न है, जो संवहनी परिवहन की विशेषता है।

• $- v \frac{\partial c(x, y, z, t)}{\partial z}$:

  1. गणितीय परिभाषा: यह $z$-दिशा में संवहन पद है, जहाँ $v$ गुरुत्वाकर्षण के कारण एयरोसोल कणों का अवसादन वेग (अवक्षेपण वेग) है, और $\frac{\partial c}{\partial z}$ $z$-दिशा में एकाग्रता का स्थानिक ढाल है। ऋणात्मक चिह्न नकारात्मक $z$ दिशा (नीचे की ओर) में गति को इंगित करता है।
  2. भौतिक/तार्किक भूमिका: यह पद वायरस एयरोसोल के अवसादन या गुरुत्वाकर्षण निपटान को ध्यान में रखता है, उन्हें जमीन की ओर नीचे खींचता है। यह उच्च ऊंचाई पर हवा की एकाग्रता को कम करता है और जमीन के पास इसे बढ़ाता है (अवशोषण से पहले)।
  3. यह ऑपरेटर क्यों: हवा संवहन पद के समान, यह वेग से गुणा किया गया प्रथम-क्रम स्थानिक व्युत्पन्न है, लेकिन नीचे की ओर गति को दर्शाने के लिए एक ऋणात्मक चिह्न के साथ।

• $D \left[ \frac{\partial^2 c(x, y, z, t)}{\partial x^2} + \frac{\partial^2 c(x, y, z, t)}{\partial y^2} + \frac{\partial^2 c(x, y, z, t)}{\partial z^2} \right]$:

  1. गणितीय परिभाषा: यह प्रसार पद है, जहाँ $D$ प्रसार गुणांक है, और कोष्ठक में अभिव्यक्ति लाप्लासियन ऑपरेटर ($\nabla^2 c$) है। इसमें प्रत्येक स्थानिक आयाम के संबंध में एकाग्रता के द्वितीय-क्रम आंशिक व्युत्पन्न शामिल हैं।
  2. भौतिक/तार्किक भूमिका: यह पद वायुमंडलीय अशांति और आणविक गति के कारण वायरस एयरोसोल के यादृच्छिक फैलाव या प्रसार का प्रतिनिधित्व करता है। यह एकाग्रता प्रवणता को सुचारू बनाने का कार्य करता है, कणों को उच्च एकाग्रता वाले क्षेत्रों से कम एकाग्रता वाले क्षेत्रों में ले जाता है। लेखक ने लाप्लासियन के घटकों के लिए जोड़ का उपयोग किया क्योंकि प्रसार प्रत्येक स्थानिक अक्ष के साथ स्वतंत्र रूप से फैलता है।
  3. यह ऑपरेटर क्यों: लाप्लासियन प्रसार प्रक्रियाओं का मानक गणितीय प्रतिनिधित्व है, जो इंगित करता है कि कोई मात्रा अंतरिक्ष में कैसे फैलती है।

• $A(x, y, z, t)$:

  1. गणितीय परिभाषा: यह स्रोत पद है, जो स्थान $(x, y, z)$ पर प्रति इकाई समय में एक संक्रमित जानवर द्वारा वायरल एयरोसोल की रिहाई की दर का प्रतिनिधित्व करता है। इसे स्रोत स्थान $(0,0,H_0)$ पर $U$ (उत्सर्जन मात्रा) के रूप में परिभाषित किया गया है और अन्यत्र शून्य है।
  2. भौतिक/तार्किक भूमिका: यह पद सिस्टम में संक्रमित स्रोत से नए वायरस एयरोसोल पेश करता है। यह हवा में FMDV कणों का मूल है।
  3. यह ऑपरेटर क्यों: यह एक योगात्मक पद है क्योंकि यह सीधे वायरस एयरोसोल की एकाग्रता में योगदान देता है।

• $- d \cdot c(x, y, z, t)$:

  1. गणितीय परिभाषा: यह क्षय पद है, जहाँ $d$ पर्यावरण में वायरल एयरोसोल की क्षय दर है, और $c$ एकाग्रता है।
  2. भौतिक/तार्किक भूमिका: यह पद पर्यावरणीय कारकों (जैसे, निर्जलीकरण, यूवी विकिरण) के कारण समय के साथ वायरस कणों के निष्क्रियण या व्यवहार्यता के नुकसान को ध्यान में रखता है। यह संक्रामक वायरस की प्रभावी एकाग्रता को कम करता है।
  3. यह ऑपरेटर क्यों: यह एक ऋणात्मक चिह्न के साथ एक गुणक पद है क्योंकि क्षय दर वर्तमान एकाग्रता के समानुपाती होती है, जिससे समय के साथ घातीय कमी होती है।

चरण-दर-चरण प्रवाह

एक संक्रमित जानवर से अपनी यात्रा शुरू करने वाले एक एकल, अमूर्त FMDV एयरोसोल कण की कल्पना करें। समग्र परिदृश्य में एक संक्रमित जानवर (मवेशी, भेड़, या सूअर) एक सपाट सतह पर होता है, जिसके चारों ओर संवेदनशील जानवर खड़े होते हैं, और वायरस एयरोसोल हवा की क्रिया के तहत फैलते हैं।

1. उत्सर्जन: सबसे पहले, कण संक्रमित जानवर की नाक या मुंह से उत्सर्जित होता है, जिसे स्रोत पद $A(x, y, z, t)$ द्वारा दर्शाया जाता है। यह मॉडल के समन्वय प्रणाली में विशिष्ट ऊंचाई $H_0$ पर, आम तौर पर मूल $(0,0,H_0)$ पर होता है।
2. हवा द्वारा संवहन: एक बार हवा में, यदि कोई हवा (वेग $w$) है, तो कण तुरंत हवा की दिशा में ले जाया जाता है (उदाहरण के लिए, धनात्मक $x$-अक्ष)। यह थोक गति घटक है, जो कण की समग्र स्थिति को स्थानांतरित करता है।
3. गुरुत्वाकर्षण अवसादन: साथ ही, गुरुत्वाकर्षण के कारण, कण नीचे की ओर बसना शुरू कर देता है, $v$ की गति से। इसका मतलब है कि इसका $z$-निर्देशांक लगातार घट रहा है, इसे जमीन के करीब खींच रहा है।
4. अशांति प्रसार: संवहन के दौरान, कण यादृच्छिक, अराजक गति का भी अनुभव करता है जो वायुमंडलीय अशांति और आणविक टकराव के कारण होता है। यह प्रसार प्रक्रिया कण को ​​सभी तीन स्थानिक आयामों ($x, y, z$) में अपनी प्रारंभिक प्रक्षेपवक्र से बाहर फैलाने का कारण बनती है, जिससे इसका पथ कम अनुमानित हो जाता है और यह व्यापक क्षेत्र में फैल जाता है।
5. पर्यावरणीय क्षय: अपनी हवाई यात्रा के दौरान, वायरस कण पर्यावरणीय क्षय के अधीन भी होता है। इसकी संक्रामकता समय के साथ $d$ की दर से कम हो जाती है, जिसका अर्थ है कि भले ही यह एक संवेदनशील मेजबान तक पहुंच जाए, यह संक्रमण का कारण बनने के लिए पर्याप्त व्यवहार्य नहीं हो सकता है।
6. भूमि अवशोषण: यदि कण की नीचे की ओर गति (अवसादन या यादृच्छिक प्रसार के कारण) इसे जमीन ($z=0$) तक ले जाती है, तो यह माना जाता है कि यह पूरी तरह से अवशोषित हो गया है। यह एक अवशोषित सीमा शर्त है, जिसका अर्थ है कि जमीन पर वायरस एकाग्रता प्रभावी रूप से शून्य है, और कण फिर से एयरोसोलाइज नहीं होते हैं।
7. एकाग्रता संचय: ये सभी प्रक्रियाएं - उत्सर्जन, हवा का परिवहन, गुरुत्वाकर्षण अवसादन, अशांति प्रसार, और क्षय - सामूहिक रूप से हर बिंदु पर अंतरिक्ष और समय में व्यवहार्य वायरस एयरोसोल की एकाग्रता $c(x, y, z, t)$ निर्धारित करती हैं। मॉडल लगातार इस एकाग्रता की गणना करता है।
8. जोखिम मूल्यांकन: अंत में, किसी भी दिए गए बिंदु पर गणना की गई एकाग्रता $c(x, y, z, t)$ की तुलना प्रजाति-विशिष्ट थ्रेशोल्ड एकाग्रता (जैसे, मवेशियों के लिए 0.07 TCID50/m$^3$) से की जाती है। यदि एकाग्रता इस थ्रेशोल्ड से अधिक हो जाती है, तो उस स्थान को प्रभावी संचरण दूरी के भीतर माना जाता है, जो संभावित संक्रमण जोखिम का संकेत देता है।

यह पूरी प्रक्रिया एक जटिल, अदृश्य असेंबली लाइन की तरह है जहां वायरस कण जारी किए जाते हैं, पर्यावरणीय ताकतों द्वारा झेले जाते हैं, और धीरे-धीरे अपनी शक्ति खो देते हैं जब तक कि वे या तो एक मेजबान को संक्रमित न कर दें या निष्क्रिय न हो जाएं।

अनुकूलन गतिशीलता

इस पत्र में वर्णित तंत्र मुख्य रूप से एक सिमुलेशन और भविष्यवाणी मॉडल है, न कि पारंपरिक अर्थों में एक अनुकूलन मॉडल जो हानि फ़ंक्शन को कम करने के लिए मापदंडों को पुनरावृत्त रूप से समायोजित करता है। मॉडल एक अनुकूलन एल्गोरिथम के माध्यम से अपने आंतरिक मापदंडों को "सीखता" या "अपडेट" नहीं करता है। इसके बजाय, इसकी गतिशीलता FMDV एयरोसोल के भौतिक प्रसार को समझने के लिए एक नियतात्मक आंशिक विभेदक समीकरण (PDE) को हल करने के बारे में है।

यहां "गतिशीलता" का अर्थ है:

1. PDE का संख्यात्मक समाधान: मॉडल का प्राथमिक कार्य एक परिभाषित स्थानिक डोमेन और समय अवधि पर $c(x, y, z, t)$ के लिए मास्टर समीकरण को संख्यात्मक रूप से हल करना है। इसमें निरंतर स्थान और समय को एक ग्रिड में अलग करना और समाधान का अनुमान लगाने के लिए संख्यात्मक विधियों (जैसे, परिमित अंतर विधियों) को लागू करना शामिल है। "राज्य अद्यतन" इसके वर्तमान मान और सभी शब्दों (संवहन, प्रसार, स्रोत, क्षय) के प्रभाव के आधार पर प्रत्येक बाद के समय चरण पर $c$ की गणना है।
2. पैरामीटर अन्वेषण और परिदृश्य विश्लेषण: लेखक विभिन्न "परिदृश्यों" का पता लगाते हैं, हवा के वेग ($w$), प्रसार गुणांक ($D$), अवसादन वेग ($v$), और उत्सर्जन ऊंचाई ($H_0$) जैसे इनपुट मापदंडों को बदलकर। यह अनुकूलन नहीं है, बल्कि यह समझने के लिए एक संवेदनशीलता विश्लेषण है कि ये कारक संचरण दूरी के "हानि परिदृश्य" को कैसे आकार देते हैं। उदाहरण के लिए, उच्च हवा की गति एयरोसोल प्लम को खींचेगी, जबकि उच्च क्षय दर इसे सिकोड़ देगी।
3. एकाग्रता वितरण के लिए अभिसरण: मापदंडों और प्रारंभिक स्थितियों के एक दिए गए सेट के लिए, संख्यात्मक सिमुलेशन वायरस एकाग्रता के एक स्पेटियोटेम्पोरल वितरण में परिवर्तित हो जाएगा। यह मॉडल मापदंडों का अभिसरण नहीं है, बल्कि सिस्टम का एक स्थिर या विकसित एकाग्रता प्रोफ़ाइल तक पहुंचना है।
4. थ्रेशोल्ड-आधारित जोखिम निर्धारण: इस तंत्र का "सीखना" या "परिणाम" प्रभावी संचरण दूरी का निर्धारण है। यह सिम्युलेटेड एकाग्रता $c(x, y, z, t)$ की तुलना एक पूर्वनिर्धारित न्यूनतम संक्रामक खुराक थ्रेशोल्ड से करके प्राप्त किया जाता है। वह सीमा जहाँ $c$ इस थ्रेशोल्ड से नीचे चला जाता है, अधिकतम संचरण सीमा को परिभाषित करता है। मॉडल एक निश्चित संचरण दूरी प्राप्त करने के लिए अपने मापदंडों को समायोजित नहीं करता है; यह पर्यावरणीय और जैविक इनपुट को देखते हुए दूरी की भविष्यवाणी करता है।

संक्षेप में, मॉडल एयरोसोल व्यवहार का एक फॉरवर्ड सिमुलेशन प्रदान करता है। "अनुकूलन" शोधकर्ताओं द्वारा विभिन्न परिदृश्यों में सिमुलेशन परिणामों की व्याख्या करके किया जाता है ताकि महत्वपूर्ण कारकों की पहचान की जा सके और संचरण जोखिमों की भविष्यवाणी की जा सके, न कि मॉडल द्वारा पुनरावृत्त सीखने की प्रक्रिया के माध्यम से।

Figure 2. Schematic diagram of the variation of aerosol concentration in microvolume element Figure 1. Schematic diagram of study scenario

परिणाम, सीमाएँ और निष्कर्ष

प्रयोगात्मक डिजाइन और आधार रेखाएँ

FMDV एयरोसोल संचरण के संबंध में अपने गणितीय दावों को कठोरता से मान्य करने के लिए, शोधकर्ताओं ने विभिन्न परिदृश्यों में संख्यात्मक सिमुलेशन की एक श्रृंखला तैयार की। उनके प्रयोगात्मक डिजाइन का मूल एक स्पेटियोटेम्पोरल डायनामिक मॉडल के इर्द-गिर्द घूमता है, विशेष रूप से एक प्रसार समीकरण (समीकरण (4)), जिसने FMDV एयरोसोल के उत्सर्जन, प्रसार, अवसादन और दिशात्मक प्रवासन को सावधानीपूर्वक चित्रित किया। इस मॉडल को विभिन्न पर्यावरणीय परिस्थितियों और विभिन्न संक्रमित पशु प्रजातियों (मवेशी, भेड़, सूअर) को स्रोतों के रूप में कार्य करने और विभिन्न संवेदनशील प्रजातियों को लक्षित करने के तहत प्रभावी संचरण दूरियों को मापने के लिए लागू किया गया था।

प्रयोगात्मक सेटअप में व्यक्तिगत पशु संचरण के लिए तीन प्राथमिक परिदृश्य शामिल थे:
1. परिदृश्य I (अल्पकालिक, कोई हवा नहीं): इस परिदृश्य ने महत्वपूर्ण हवा की धाराओं के बिना स्थिर वायुमंडलीय परिस्थितियों में एक घंटे की छोटी अवधि में एयरोसोल फैलाव का अनुकरण किया। इसमें जानवरों के सिर को ऊपर और नीचे ले जाने का भी हिसाब रखा गया, जिसका अर्थ है विभिन्न उत्सर्जन ऊंचाई। इसने संवहनी परिवहन के बिना स्थानीयकृत प्रसार को समझने के लिए एक आधार रेखा के रूप में कार्य किया।
2. परिदृश्य II (लंबी अवधि, निरंतर हवा): अवधि को 24 घंटे तक बढ़ाते हुए, इस परिदृश्य ने एक निश्चित हवा की दिशा (धनात्मक x-अक्ष) और 0.1 मीटर/सेकंड की निरंतर, कम हवा की गति पेश की। इन परिस्थितियों में, एयरोसोल के अवसादन को नगण्य माना गया, जिससे ऊर्ध्वाधर गति पहलू सरल हो गया। इस परिदृश्य का उद्देश्य लंबी दूरी के संचरण पर यहां तक ​​कि थोड़ी हवा के प्रभाव को उजागर करना था।
3. परिदृश्य III (लंबी अवधि, वास्तविक दुनिया की हवा): इस उन्नत परिदृश्य ने 27 अक्टूबर से 28 अक्टूबर, 2024 के बीच बीजिंग, चीन से दर्ज वास्तविक हवा की गति डेटा का उपयोग किया। हवा की दिशा को अधिकतम दूरी के सिमुलेशन की सुविधा के लिए निश्चित (दक्षिण-पश्चिम) माना गया। इसने परिवर्तनशील, फिर भी दिशात्मक, हवा के पैटर्न के तहत संचरण का अधिक यथार्थवादी मूल्यांकन प्रदान किया।

व्यक्तिगत पशु संचरण से परे, अध्ययन ने एक फार्म-स्तरीय मॉडलिंग दृष्टिकोण भी शामिल किया। इसमें 1000 बिना टीकाकरण वाले जानवरों के एक खेत के भीतर संक्रमण की लौकिक गतिशीलता का अनुकरण करने के लिए एक जनसंख्या-आधारित SIRV (संवेदनशील-संक्रमित-ठीक-वायरल लोड) मॉडल (समीकरण (5)) शामिल था, जो एक एकल संक्रमित व्यक्ति के साथ शुरू हुआ था। इस इन-फार्म मॉडल (वायरल शेडिंग) का आउटपुट तब 7-दिवसीय अवधि में आसपास के संवेदनशील खेतों के प्रति संक्रामकता का आकलन करने के लिए एक स्थानिक प्रसार मॉडल में फीड किया गया था, फिर से 0.1 मीटर/सेकंड की निरंतर हवा की गति के तहत।

इन प्रयोगों में "पीड़ित" मवेशी, भेड़ और सूअर की संवेदनशील आबादी थी, जिनकी न्यूनतम संक्रामक खुराक (MID) और साँस लेने की दरें संक्रमण जोखिम निर्धारित करने में महत्वपूर्ण पैरामीटर थीं। तुलना के लिए "आधार रेखाएँ" मुख्य रूप से विभिन्न पर्यावरणीय स्थितियाँ (कोई हवा नहीं बनाम विभिन्न हवा की गति) और पशु प्रजातियों के बीच वायरल उत्सर्जन दर और संवेदनशीलता में अंतर्निहित अंतर थीं। विस्तृत पैरामीटरीकरण, व्यापक साहित्य (तालिका 1, 2, 3, 8) से प्राप्त, शोधकर्ताओं को कठोरता से यह साबित करने की अनुमति देता है कि कैसे विशिष्ट कारक जैसे हवा का वेग और पशु प्रजातियों की विशेषताएं निश्चित रूप से FMDV एयरोसोल संचरण दूरियों को प्रभावित करती हैं।

साक्ष्य क्या साबित करते हैं

इस पत्र में प्रस्तुत साक्ष्य निश्चित रूप से FMDV एयरोसोल संचरण में हवा की महत्वपूर्ण भूमिका साबित करते हैं और संक्रमण के स्रोतों के रूप में विभिन्न पशु प्रजातियों के विभिन्न योगदानों को उजागर करते हैं। मुख्य तंत्र, मुक्त प्रसार, दिशात्मक संवहन और गुरुत्वाकर्षण अवसादन को शामिल करने वाला एक प्रसार समीकरण, ने विभिन्न परिदृश्यों में इन गतिशीलता को सफलतापूर्वक स्पष्ट किया।

स्थिर वायुमंडलीय परिस्थितियों (परिदृश्य I, 1 घंटा, कोई हवा नहीं) के तहत:
प्रभावी एयरोसोल संचरण दूरियाँ उल्लेखनीय रूप से सीमित थीं। एक संक्रमित सूअर मवेशियों तक 5-6 मीटर, भेड़ों तक 2-3 मीटर और अन्य सूअरों तक 1-2 मीटर तक वायरस प्रसारित कर सकता था। इसके विपरीत, संक्रमित मवेशियों और भेड़ों ने बहुत सीमित संचरण दिखाया, केवल मवेशियों तक 1-2 मीटर और भेड़ों तक 1 मीटर तक पहुंचा, और महत्वपूर्ण रूप से, सूअरों तक कोई पता लगाने योग्य एयरोसोल संचरण क्षमता नहीं। यह निर्विवाद प्रमाण प्रदान करता है कि हवा की अनुपस्थिति में, FMDV एयरोसोल प्रसार एक अत्यधिक स्थानीयकृत घटना है, जिसमें सूअर सबसे महत्वपूर्ण छोटी दूरी का स्रोत हैं।

एक निरंतर, कम हवा के वेग (परिदृश्य II, 24 घंटे, 0.1 मीटर/सेकंड हवा) के साथ:
यहां तक ​​कि थोड़ी हवा के परिचय ने किलोमीटर की सीमा तक संचरण दूरियों को नाटकीय रूप से बढ़ा दिया, जो हवा की प्रमुख भूमिका को स्पष्ट रूप से प्रदर्शित करता है।
- एक संक्रमित सूअर एक बहुत अधिक शक्तिशाली स्रोत बन गया, जो मवेशियों तक 10-11 किमी, भेड़ों तक 9-10 किमी और अन्य सूअरों तक 7-8 किमी तक वायरस प्रसारित करता था।
- संक्रमित मवेशी और भेड़, जो हवा के बिना काफी अप्रभावी थे, अब पर्याप्त संचरण सीमा दिखाते थे: मवेशियों तक 7-8 किमी, भेड़ों तक 5-6 किमी, और सूअरों तक 2 किमी।
साक्ष्य ने आगे खुलासा किया कि सूअर स्रोतों ने लगातार लंबी संचरण सीमाएं प्रदर्शित कीं, जो मवेशियों/भेड़ों के स्रोतों से 35-45% मवेशी जोखिम के लिए और 65-80% भेड़ जोखिम के लिए अधिक थी। सूअर-से-सूअर संचरण दूरी मवेशियों/भेड़ों से सूअरों तक की तुलना में 3-4 गुना अधिक थी। इसके विपरीत, मवेशियों ने सूअरों की तुलना में 4 गुना व्यापक संवेदनशीलता सीमा प्रदर्शित की, और भेड़ों ने सूअरों की तुलना में 3 गुना व्यापक सीमा प्रदर्शित की। यह स्पष्ट रूप से संवहनी स्थितियों के तहत स्रोत और संवेदनशील प्रजातियों दोनों के आधार पर संचरण गतिशीलता को अलग करने के लिए मॉडल की क्षमता को मान्य करता है।

वास्तविक दुनिया, परिवर्तनशील हवा की स्थितियों (परिदृश्य III, 24 घंटे, बीजिंग हवा डेटा) के तहत:
सिमुलेशन ने 200 किमी से अधिक की अधिकतम संचरण दूरियों का अनुमान लगाया। एक संक्रमित सूअर मवेशियों तक 250-270 किमी, भेड़ों तक 230-240 किमी और अन्य सूअरों तक 180-190 किमी तक प्रसारित कर सकता था। संक्रमित मवेशियों और भेड़ों ने भी व्यापक सीमाएं दिखाईं, जो मवेशियों तक 190 किमी, भेड़ों तक 140 किमी और सूअरों तक 20 किमी तक पहुंच गईं। यह कठोर साक्ष्य इस बात पर प्रकाश डालता है कि मजबूत, निरंतर हवाएं FMDV एयरोसोल संचरण की अत्यंत लंबी दूरी की सुविधा प्रदान कर सकती हैं, जिससे यह क्षेत्रीय रोग प्रसार का एक महत्वपूर्ण कारक बन जाता है।

फार्म-स्तरीय मॉडलिंग (7 दिन, 0.1 मीटर/सेकंड हवा):
जनसंख्या-आधारित मॉडल ने प्रदर्शित किया कि फार्म के भीतर संचरण दक्षता सूअर फार्मों में सबसे अधिक थी, जिससे केवल एक सप्ताह के भीतर पूरा झुंड प्रभावित हो गया। मवेशी फार्मों को लगभग तीन सप्ताह लगे, और भेड़ फार्मों को पांच सप्ताह लगे। सूअर फार्मों से इस उच्च आंतरिक संचरण और बाद में वायरल शेडिंग के परिणामस्वरूप आसपास के संवेदनशील खेतों में सबसे व्यापक अधिकतम संचरण दूरियां हुईं: 17-22.68 किमी। मवेशी फार्मों ने 6.2-12.07 किमी के साथ पालन किया, और भेड़ फार्मों की सबसे छोटी सीमा 4.8-10.8 किमी थी। सात दिनों में FMDV एयरोसोल फैलाव का रैखिक लौकिक विस्तार ने इस समझ को और मजबूत किया कि फार्म-स्तरीय प्रकोप समय के साथ कैसे बढ़ सकते हैं।

संक्षेप में, प्रयोगात्मक सत्यापन निश्चित, निर्विवाद प्रमाण प्रदान करता है कि विकसित स्पेटियोटेम्पोरल मॉडल FMDV एयरोसोल संचरण में उत्सर्जन, प्रसार, अवसादन और हवा संवहन की जटिल परस्पर क्रिया को सटीक रूप से पकड़ता है। यह कठोरता से साबित करता है कि हवा लंबी दूरी के प्रसार का प्राथमिक चालक है, और संक्रमित सूअर लगातार एयरोसोलयुक्त वायरस के सबसे महत्वपूर्ण स्रोत हैं, दोनों व्यक्तिगत और फार्म स्तरों पर।

सीमाएँ और भविष्य की दिशाएँ

जबकि यह अध्ययन FMDV एयरोसोल संचरण में अमूल्य अंतर्दृष्टि प्रदान करता है, इसकी अंतर्निहित सीमाओं को स्वीकार करना और इन निष्कर्षों को कैसे आगे विकसित किया जा सकता है, इस पर विचार करना महत्वपूर्ण है।

वर्तमान सीमाएँ:
एक प्राथमिक सीमा आदर्श स्थितियों से उत्पन्न होती है जिसके तहत कई परिणाम प्राप्त किए गए थे। वर्तमान रूप में मॉडल, जटिल पर्यावरणीय कारकों जैसे कि परिवर्तनशील तापमान, आर्द्रता में उतार-चढ़ाव, विविध स्थलाकृतिक विशेषताओं (जैसे, पहाड़ियाँ, घाटियाँ), और गतिशील हवा की दिशाओं के संयुक्त प्रभावों को पूरी तरह से ध्यान में नहीं रखता है। वास्तविक दुनिया के हवा के पैटर्न शायद ही कभी निश्चित या समान होते हैं, और ये अनमॉडल्ड चर एयरोसोल फैलाव और वायरल व्यवहार्यता को महत्वपूर्ण रूप से बदल सकते हैं। उदाहरण के लिए, उच्च आर्द्रता वायरल अस्तित्व को लम्बा कर सकती है, जबकि जटिल भूभाग स्थानीयकृत अशांति या चैनलिंग प्रभाव पैदा कर सकता है, जो वास्तविक संचरण दूरियों को प्रभावित करता है।

इसके अलावा, वर्तमान गणितीय मॉडल मुख्य रूप से एकल संक्रमित मेजबान से एयरोसोल संचरण पर केंद्रित है। जबकि यह एक मौलिक समझ प्रदान करता है, यह स्वीकार करता है कि प्रत्यक्ष नाक-से-नाक संपर्क भी महामारी विज्ञान की दृष्टि से महत्वपूर्ण है। जनसंख्या-स्तरीय विश्लेषण में खेतों के भीतर स्थानिक विषमता से मॉडल का अमूर्तन एक और सरलीकरण है। एक खेत के भीतर जानवर समान रूप से वितरित नहीं होते हैं, और उनके आंदोलन पैटर्न स्थानीय वायरल सांद्रता और बाद में उत्सर्जन गतिशीलता को प्रभावित कर सकते हैं। मॉडल विभिन्न वायरल उपभेदों पर भी स्पष्ट रूप से विचार नहीं करता है, जिन्हें अलग-अलग एयरोसोल स्थिरता और संक्रामकता दिखाने के लिए दिखाया गया है।

भविष्य की दिशाएँ और चर्चा विषय:
इस मजबूत नींव पर निर्माण करते हुए, भविष्य के शोध और विकास के लिए कई रास्ते उभरते हैं, जो महत्वपूर्ण सोच को उत्तेजित करने के लिए विविध दृष्टिकोण प्रदान करते हैं:

1. एकीकृत संचरण मॉडल: एक अधिक व्यापक मैक्रोस्कोपिक मॉडल विकसित करने के लिए एक महत्वपूर्ण अगला कदम है जो एयरोसोल और प्रत्यक्ष संपर्क संचरण दोनों मोड को एकीकृत करता है। इसमें जानवरों की गति पैटर्न और खेतों के भीतर और उनके बीच प्रत्यक्ष संपर्क की बातचीत को शामिल करना शामिल होगा। समग्र महामारी गतिशीलता और नियंत्रण रणनीतियों को प्रभावित करने वाले अल्पकालिक प्रत्यक्ष संपर्क और लंबी दूरी के एयरोसोल प्रसार के बीच परस्पर क्रिया कैसे हो सकती है? क्या सहक्रियात्मक प्रभाव हो सकते हैं जहां स्थानीयकृत प्रत्यक्ष संचरण एक उच्च वायरल लोड बनाए रखता है, जो बाद में लंबी दूरी की एयरोसोल घटनाओं को बढ़ावा देता है?

2. परिष्कृत पर्यावरणीय पैरामीटरीकरण: आदर्श स्थितियों से परे जाने के लिए, भविष्य के मॉडल को उच्च-रिज़ॉल्यूशन इनपुट डेटा को मौसम संबंधी कारकों (तापमान, आर्द्रता, वास्तविक समय बहु-दिशात्मक हवा क्षेत्र) और स्थलाकृतिक डेटा के लिए शामिल करना चाहिए। इसके लिए जटिल सीमा परतों और भूभाग को संभालने में सक्षम उन्नत वायुमंडलीय फैलाव मॉडल की आवश्यकता होगी। एक चर्चा बिंदु हो सकता है: इस तरह के उच्च-निष्ठा पर्यावरणीय मॉडलिंग के लिए कम्प्यूटेशनल चुनौतियाँ और डेटा आवश्यकताएँ क्या हैं, और हम वास्तविक समय जोखिम मूल्यांकन के लिए मॉडल जटिलता और व्यावहारिक प्रयोज्यता को कैसे संतुलित कर सकते हैं?

3. बहु-स्रोत उत्सर्जन परिदृश्य और फार्म विषमता: वर्तमान मॉडल काफी हद तक एक एकल संक्रमित स्रोत पर विचार करता है। भविष्य के काम को बहु-स्रोत उत्सर्जन परिदृश्यों का पता लगाना चाहिए, जो एक खेत के भीतर स्थानिक वितरण पर या यहां तक ​​कि एक साथ कई संक्रमित खेतों से वायरस रिलीज का अनुकरण करते हैं। इसके अतिरिक्त, फार्म के भीतर स्थानिक विषमता (जैसे, पेन लेआउट, पशु घनत्व भिन्नता, आंदोलन प्रतिबंध) के लिए जनसंख्या मॉडल की दानेदारता को बढ़ाना वायरल शेडिंग और स्थानीय प्रसार की अधिक सटीक भविष्यवाणियां प्रदान कर सकता है। यह सवाल उठाता है: विभिन्न फार्म प्रबंधन प्रथाएं और बुनियादी ढांचा डिजाइन प्रभावी वायरल उत्सर्जन और बाद में लंबी दूरी के प्रसार को कैसे प्रभावित करते हैं?

4. प्रायोगिक पैरामीटर अनुकूलन और सत्यापन: पत्र प्रायोगिक पैरामीटर अनुकूलन के माध्यम से मॉडल को परिष्कृत करने का उल्लेख करता है। यह महत्वपूर्ण है। भविष्य के शोध को वास्तविक दुनिया के प्रकोप डेटा के मुकाबले मॉडल भविष्यवाणियों के अनुभवजन्य सत्यापन पर ध्यान केंद्रित करना चाहिए, जहां उपलब्ध हो। इसमें नियंत्रित क्षेत्र प्रयोग (FMDV के लिए नैतिक रूप से चुनौतीपूर्ण लेकिन सरोगेट वायरस के लिए संभव) या विस्तृत पर्यावरणीय और महामारी विज्ञान डेटा के साथ ऐतिहासिक प्रकोपों ​​का पूर्वव्यापी विश्लेषण शामिल हो सकता है। एक प्रमुख चर्चा होगी: कौन से सबसे महत्वपूर्ण पैरामीटर हैं जिन्हें आगे प्रायोगिक सत्यापन की आवश्यकता है, और कौन से नवीन प्रायोगिक डिजाइन मॉडल अनिश्चितता को कम करने के लिए आवश्यक डेटा प्रदान कर सकते हैं?

5. प्रजाति-विशिष्ट मॉडल अनुकूलन: पत्र सूअरों, मवेशियों और भेड़ों के लिए अलग-अलग पशुपालन प्रथाओं को उजागर करता है। भविष्य के मॉडल को इन अंतरों के लिए अधिक विशेष रूप से अनुकूलित किया जाना चाहिए, जिसमें आवास, वेंटिलेशन और पशु व्यवहार में भिन्नता को ध्यान में रखा जाए जो एयरोसोल उत्पादन और फैलाव को प्रभावित करते हैं। उदाहरण के लिए, सूअर फार्मों में विभिन्न वेंटिलेशन सिस्टम खुले चरागाहों की तुलना में एयरोसोल नियंत्रण या फैलाव के मामले में कैसे करते हैं?

6. आर्थिक और नीतिगत निहितार्थ: वैज्ञानिक समझ से परे, निष्कर्षों के महत्वपूर्ण आर्थिक और नीतिगत निहितार्थ हैं। संचरण दूरियों को मापना पशुधन फार्मों के तर्कसंगत लेआउट, संगरोध क्षेत्रों के डिजाइन, और रोकथाम और नियंत्रण संसाधनों के आवंटन को सूचित कर सकता है। एक महत्वपूर्ण चर्चा इस बारे में हो सकती है: इन परिष्कृत मॉडलों को FMDV नियंत्रण के लिए कार्रवाई योग्य नीतिगत सिफारिशों में कैसे अनुवादित किया जा सकता है, और सख्त जैव सुरक्षा उपायों को लागू करने बनाम बड़े प्रकोप क्षेत्रों के प्रबंधन के बीच आर्थिक व्यापार-बंद क्या हैं?

इन सीमाओं को संबोधित करके और इन भविष्य की दिशाओं का पता लगाकर, वैज्ञानिक समुदाय FMDV संचरण की समझ को विकसित कर सकता है, जिससे अधिक मजबूत भविष्य कहनेवाला मॉडल और अधिक प्रभावी रोग नियंत्रण रणनीतियाँ बन सकती हैं।

Figure 6. The contour of spatial distribution of virus aerosol exhaled from one infected pig standing at location (0,0,0) in scenario I. (a) z = 0.25 m. (b) z = 0.5 m. (c) z = 1.5 m