आईएवी ने केरलम में डेंगू का पहले अलर्ट देने वाला सिस्टम बनाया

आईएवी, केरलम के वैज्ञानिकों ने रुझानों का अनुमान लगाने के लिए डेंगू अर्ली वॉर्निंग सिस्टम तैयार किया

मार्च-जुलाई 2026 के लिए स्टेट सर्विलांस यूनिट के डेटा का इस्तेमाल करके किए गए एक मूल्यांकन ने संकेत दिया है कि इंस्टीट्यूट ऑफ एडवांस्ड वायरोलॉजी का डेंगू फोरकास्टिंग मॉडल केरलम में जिलेवार डेंगू के रुझानों का पहले से अनुमान लगाने में मदद कर सकता है।

केरलम में इंस्टीट्यूट ऑफ एडवांस्ड वायरोलॉजी (आईएवी) के वैज्ञानिक इस सिस्टम को तैयार कर रहे हैं। इसमें बीमारी से जुड़े यानी एपिडेमियोलॉजिकल डेटा और मौसम के डेटा को मशीन-लर्निंग प्लेटफॉर्म पर जोड़कर डेंगू के मामलों के रुझान का अनुमान लगाया जाता है, इससे पहले कि वे सामने आएं।

इसका मकसद यह है कि पब्लिक हेल्थ मैनेजर संसाधनों के बंटवारे और बचाव के कदमों की योजना पहले से बना सकें, बजाय इसके कि वे केवल outbreak होने के बाद ही कार्रवाई करें।

फोरकास्टिंग सिस्टम कैसे काम करता है

“हमारा मशीन लर्निंग मॉडल छह साल के एपिडेमियोलॉजिकल डेटा (मार्च 2020 से फरवरी 2026) को बारिश, तापमान और औसत नमी जैसे क्लाइमेट से जुड़े वैरिएबल्स के साथ जोड़ता है, ताकि हफ्तेवार डेंगू फोरकास्ट तैयार किए जा सकें,” आईएवी में डिपार्टमेंट ऑफ वायरस जीनोमिक्स, बायोइन्फॉर्मेटिक्स एंड स्टैटिस्टिक्स के वैज्ञानिक अभिनंद सी.एस. कहते हैं, जिन्होंने यह मॉडल विकसित किया है।

मौजूदा वर्जन, जिसे डेंगू अर्ली वॉर्निंग सिस्टम (डीईडब्ल्यूएस) कहा जाता है, https://dews.iav.res.in पर उपलब्ध है।

डीईडब्ल्यूएस डायरेक्टरेट ऑफ हेल्थ सर्विसेज की स्टेट सर्विलांस यूनिट (एसएसयू) से एपिडेमियोलॉजिकल डेटा और इंडिया मेटियोरोलॉजिकल डिपार्टमेंट से मौसम संबंधी डेटा का इस्तेमाल करता है।

डॉ. अभिनंद कहते हैं कि डीईडब्ल्यूएस की ओर से बताए गए डेंगू केस के रुझानों का हेल्थ डिपार्टमेंट के असली केस डेटा के साथ पॉजिटिव संबंध दिखा।

यह मॉडल रोजाना के एपिडेमियोलॉजिकल और क्लाइमेट पैरामीटर्स को शामिल करता है, जिनमें तापमान, बारिश और नमी शामिल हैं। इससे इसे बीमारी की गतिविधियों की ज्यादा बारीक तस्वीर मिलती है।

सिस्टम में हर जिले को एक अलग यूनिट की तरह लिया जाता है।

मॉडल जिले-विशेष की भौगोलिक और पर्यावरण से जुड़ी खासियतों को ध्यान में रखता है, जिनमें जलाशय और ड्रेनेज सिस्टम शामिल हैं।

जिला-स्तर का यह तरीका मॉडल को अलग-अलग जिलों के लिए ट्रेन और ऑप्टिमाइज करने में मदद करता है।

पब्लिक हेल्थ मैनेजरों के लिए इसे आसानी से समझने लायक बनाने के लिए, अनुमानित बीमारी के बोझ को पहले से तय किए गए prediction ranges के आधार पर चार risk levels, very high, high, moderate और low, में बांटा जाता है।

इससे अपेक्षित जोखिम का जिलेवार संकेत मिलता है।

डेंगू के लिए मौसम क्यों मायने रखता है

क्लाइमेट फैक्टर्स डेंगू के लिए अहम early warning indicators हैं, क्योंकि वे Aedes मच्छर की biology और डेंगू वायरस की replication को सीधे प्रभावित करते हैं।

गर्म तापमान मच्छर के development को तेज करता है और वायरस के extrinsic incubation period को छोटा कर देता है। यह वह समय होता है, जिसकी जरूरत वायरस को मच्छर के अंदर transmissible बनने के लिए होती है।

गर्म तापमान transmission efficiency को भी बढ़ा सकता है।

मध्यम से ज्यादा नमी मच्छर के survival को लंबा कर सकती है।

मध्यम बारिश breeding habitats बनाती है।

हालांकि, बहुत तेज बारिश मच्छरों के breeding sites को बहा सकती है।

केरलम साल के ज्यादातर हिस्से में गर्म और गीला रहता है, और इसलिए वहां Aedes के बढ़ने और डेंगू transmission के लिए अनुकूल क्लाइमेट स्थितियां होती हैं।

इन स्थितियों ने ऐसे forecasting models विकसित करने में काफी दिलचस्पी पैदा की है, जो meteorological और epidemiological data को साथ लाते हैं।

इन datasets को जोड़ने का मकसद यह है कि disease surveillance outbreaks से आगे रह सके।

अनुमान की सीमाएं

डेंगू उन infectious diseases में से है, जिनका अनुमान लगाना ज्यादा मुश्किल है, क्योंकि इसका transmission कई पहलुओं वाला होता है और जगहों के बीच काफी अलग हो सकता है।

क्लाइमेट transmission की पूरी तस्वीर का केवल एक हिस्सा है।

क्लाइमेट के अलावा, urbanisation, human mobility, पानी जमा करने की आदतें, डेंगू वायरस के चार serotypes के प्रति population immunity और vector biology में बदलाव transmission dynamics को बदल सकते हैं।

इसलिए जो models climatic variables पर बहुत ज्यादा निर्भर करते हैं, उन्हें इन factors में अचानक बदलावों को पकड़ने में दिक्कत हो सकती है।

Under-reporting डेंगू forecasting में एक और बड़ी चुनौती है।

डेंगू infections का एक बड़ा हिस्सा asymptomatic या mild होता है और उन्हें दूसरे viral fevers समझ लिया जा सकता है।

Testing और reporting practices में फर्क भी geographical biases बना सकता है।

मिसाल के लिए, Thiruvananthapuram को लंबे समय से केरलम का dengue hotspot माना जाता रहा है।

Public health experts ने कहा है कि Thiruvananthapuram का ज्यादा reported burden मजबूत surveillance और testing को भी दिखाता है।

आईएवी historical-data-driven forecasting model का इस्तेमाल करने में इन सीमाओं को स्वीकार करता है।

क्योंकि डीईडब्ल्यूएस historical data पर trained है, climatic parameters में अचानक या बड़े बदलाव इसकी accuracy को प्रभावित कर सकते हैं।

हेल्थ डिपार्टमेंट की ओर से confirmed dengue cases की reporting में variations भी observed disease patterns और predictions की reliability को उसी तरह प्रभावित कर सकते हैं, डॉ. अभिनंद कहते हैं।

इसे routine public health tool बनने के लिए क्या चाहिए

“मॉडल को research model से routinely functioning public health forecasting system बनने के लिए, डीईडब्ल्यूएस को yearly updation और further refinement से गुजरना होगा, और शायद इसे ज्यादा variables के साथ trained करना होगा।

डीईडब्ल्यूएस अपनी तरह का पहला disease forecasting model है, जिसे राज्य के इस्तेमाल के लिए विकसित किया गया है,” आईएवी डायरेक्टर ई. श्रीकुमार कहते हैं।

इस platform को आगे चलकर chikungunya और Zika जैसी अन्य Aedes-borne diseases तक बढ़ाया जा सकता है।

ऐसा विस्तार संभावित रूप से केरलम की disease surveillance capacity को मजबूत कर सकता है और ज्यादा समय पर, data-driven public health interventions को संभव बना सकता है।

यह development इसलिए मायने रखती है क्योंकि यह dengue monitoring को पूरी तरह reactive approach से हटाकर ऐसे system की तरफ ले जाती है, जो epidemiological और meteorological inputs का इस्तेमाल करके risk के advance, district-wise indications दे सकता है।

हालांकि, इसकी उपयोगिता continued updation, refinement, ज्यादा variables के possible inclusion, और हेल्थ डिपार्टमेंट की ओर से confirmed dengue reporting की quality और consistency पर निर्भर करेगी।

यह रिपोर्ट September 28, 2026 07:00 am IST पर प्रकाशित हुई थी।

स्रोत: The Hindu