చిన్న హంటావైరస్ వ్యాప్తిలో మాన్యువల్ కాంటాక్ట్ ట్రేసింగ్ ఇంకా ఎందుకు ముఖ్యమో

డిజిటల్ ఎక్స్‌పోజర్ అలర్ట్లు ప్రజారోగ్యానికి అన్నింటికీ సరిపడే సమాధానం కావు

Covid తర్వాతి టెక్నాలజీ యుగంలో నిలకడగా కనిపించే అలవాట్లలో ఒకటి, ఒకప్పుడు app ద్వారా పరిష్కరించిన సమస్యను ఎప్పుడూ app ద్వారానే పరిష్కరించాలి అని భావించడం. హంటావైరస్ ఎక్స్‌పోజర్‌పై కొత్త చర్చ ఆ ఆలోచన యొక్క పరిమితిని చూపుతోంది. హంటావైరస్ ప్రభావితమైన ఒక క్రూజ్ షిప్‌లో ముగ్గురు మరణించిన తర్వాత, అధికారులు అప్పటికే నౌక విడిచిన 29 మందిని గుర్తించడానికి చురుకుగా ప్రయత్నించడం ప్రారంభించారు. ఇది గ్లోబల్, శ్రమతో కూడిన, మరియు సమయానికి అత్యంత సున్నితమైన పని. మొదటి చూపులో, ఇది డిజిటల్ కాంటాక్ట్ ట్రేసింగ్ కోసం రూపొందించిన పరిస్థితిలా అనిపిస్తుంది.

కానీ WIREDతో మాట్లాడిన నిపుణుల ప్రకారం, app-ఆధారిత contact tracing అత్యల్పంగా ఉపయోగపడే వ్యాప్తి ఇదే. Johns Hopkins Universityకి చెందిన epidemiologist Emily Gurley, ఈ హంటావైరస్ వ్యాప్తిలో apps‌కు ఉపయోగం లేదని చెప్పారు, ఎందుకంటే కేసులు తక్కువగా ఉన్నాయి మరియు వ్యాప్తిని ఆపడానికి అధికారులు అన్ని contacts‌ను ఖచ్చితంగా ట్రేస్ చేయాల్సి ఉంటుంది. ఎక్కువ data collection ఆటోమేటిక్‌గా మెరుగైన outbreak management‌ను ఇస్తుందనే సాధారణ అనుమానానికి ఇది ఉపయోగకరమైన సవరణ.

ప్రజారోగ్య ప్రతిస్పందన, సాధనాలను సమస్య రూపానికి అనుసంధానించడంపై ఆధారపడి ఉంటుంది. Covid pandemic సమయంలో విస్తృతమైన, ఆటోమేటెడ్ proximity logging ఆకర్షణీయంగా కనిపించింది, ఎందుకంటే ఇన్ఫెక్షన్లు విస్తృతంగా ఉన్నాయి, contacts అనేకం ఉన్నాయి, మరియు ప్రజారోగ్య వ్యవస్థలు పరిమాణ ఒత్తిడిలో ఉన్నాయి. ఆ సందర్భంలో, అపూర్ణమైన హెచ్చరికలైనా సాధ్యమైన ఎక్స్‌పోజ్డ్ జనాభాను గుర్తించడంలో మరియు self-quarantine‌ను ప్రోత్సహించడంలో సహాయపడగలవు. కానీ ఒక నిర్దిష్ట స్థలానికి సంబంధించిన చిన్న వ్యాప్తి వేరే సమస్య.

చిన్న వ్యాప్తులకు approximation కాదు, కచ్చితత్వమే అవసరం

పరిమిత ఎక్స్‌పోజర్ ఘటనలో అధికారులు తెలిసిన సంక్రమిత వ్యక్తుల నుండి మొదలుకొని, జాగ్రత్తగా బయటకు పని చేస్తారు, ప్రతి వ్యక్తి ఎక్కడికి వెళ్లారు, ఎవరిని కలుసుకున్నారు అనేది తిరిగి నిర్మిస్తూ. ఈ ప్రక్రియ ఆటోమేటెడ్ నోటిఫికేషన్ సిస్టమ్ కంటే నెమ్మదిగా ఉంటుంది, కానీ ఇది కచ్చితంగా ఉండేలా రూపొందించబడింది. కేసుల సంఖ్య తక్కువగా ఉన్నప్పుడు, ప్రజారోగ్య సంస్థలు గణాంకీయ approximation కంటే సమగ్ర ట్రేసింగ్‌ను ప్రయత్నించగలవు.

ఈ తేడా ముఖ్యం, ఎందుకంటే app-ఆధారిత ట్రేసింగ్, ముఖ్యంగా Bluetooth proximity పై ఆధారపడే వ్యవస్థలు, సన్నని పరిమితులున్న వ్యాప్తికి అవసరమైన ఖచ్చితమైన chain-of-contact evidence‌ను ఇవ్వవు. ఫోన్లు సందర్భం లేకుండా సమీపాన్ని నమోదు చేయగలవు. అవి ఎక్స్‌పోజర్‌ను మిస్ చేయవచ్చు లేదా అతిగా చూపవచ్చు. possible contact‌ను గుర్తించడంలో అవి ఉపయోగపడతాయి, కానీ outbreak investigators‌కు every at-risk individual‌ను కనుగొనడానికి కావలసిన ఖచ్చితమైన interpersonal map‌ను తప్పనిసరిగా ఏర్పరచవు.

WIRED నివేదిక ప్రకారం, Covid pandemic సమయంలో app-ఆధారిత tracing ప్రధానంగా జనాభాలో ఏ భాగాలు ప్రభావితమై ఉండవచ్చో అర్థం చేసుకోవడం మరియు ప్రజలకు isolate అయ్యే అవకాశం ఇవ్వడం గురించి. ఇది ఒక నౌక మరియు తెలిసిన ప్రయాణికుల గుంపుతో సంబంధం ఉన్న ఎక్స్‌పోజర్ తర్వాత నేరుగా follow-up అవసరమైన ప్రతి వ్యక్తిని గుర్తించడం కంటే పూర్తిగా వేరుగా ఉంటుంది.

Covid కాలపు పాఠాలు సులభంగా సాధారణీకరించబడలేదు

Covid అనుభవం, డిజిటల్ contact tracing‌కు మిశ్రమ ఫలితాలు ఉన్నాయని కూడా చూపింది. వ్యాసం ప్రకారం, ఈ సాధనాలు మరింత జాగ్రత్తగా నిర్వహించబడిన European దేశాల్లో మెరుగ్గా పని చేశాయి, కానీ United States‌లో వ్యాప్తిని నెమ్మదింపజేయలేదు. ఈ మిశ్రమ రికార్డు ముఖ్యమైనది, ఎందుకంటే digital tracing రూపొందించిన పరిస్థితిలో కూడా ఫలితాలు governance, public-health integration, public compliance, మరియు technical accuracy‌పై బాగా ఆధారపడి ఉంటాయని ఇది చూపిస్తుంది.

అంటే, సమస్య phoneలు proximityని గుర్తించగలవా అన్నదే కాదు. ఆ గుర్తింపును చుట్టుముట్టిన వ్యవస్థ, శబ్దభరితమైన సంకేతాలను చర్య తీసుకోదగిన ప్రజారోగ్య ప్రవర్తనగా మార్చగలదా అన్నదే. ప్రపంచవ్యాప్త pandemic సమయంలో, భారీ దృష్టి మరియు అసాధారణ అత్యవసర చర్యలు ఉన్నప్పటికీ అది కష్టమైతే, మరింత చిన్న మరియు ఖచ్చితమైన tracing సమస్యకు ఇలాంటి సాధనాలపై ఆధారపడటం ఇంకా కష్టమవుతుంది.

Pandemic కాలపు infrastructureను తర్వాతి వ్యాప్తులకు తిరిగి ఉపయోగించవచ్చన్న ఆలోచన అర్థవంతమే. 2020 నుంచి ప్రభుత్వాలు, platform కంపెనీలు, మరియు ప్రజారోగ్య వ్యవస్థలు exposure notification frameworks‌లో పెద్ద ప్రయత్నం పెట్టాయి. Apple మరియు Google, తర్వాత Covid positive అని తేలిన వ్యక్తి దగ్గర ఉన్నప్పుడు గుర్తించడానికి Bluetooth-ఆధారిత వ్యవస్థలను ప్రారంభించాయి. ఈ సామర్థ్యాలు ఒకసారి ఉన్న తర్వాత, అవి భవిష్యత్తు వ్యాధి ఘటనలకు స్థిరమైన digital utility‌గా ఉపయోగపడవచ్చని అనిపించడం సులభం.

కానీ ఇక్కడి హంటావైరస్ ఘటన, ప్రజారోగ్య technology వ్యాధులు లేదా వ్యాప్తి రకాల మధ్య పరస్పరం మార్పిడి చేయదగినది కాదని గుర్తుచేస్తోంది. ఒక epidemiological pattern కోసం రూపొందించిన వ్యవస్థ, మరొకదానికి చెడు సరిపోలిక కావచ్చు.

గోప్యత మరియు కచ్చితత్వం ఇంకా నిర్మాణాత్మక పరిమితులే

వ్యాసం pandemic సంవత్సరాల తరువాత కూడా మిగిలే రెండు సమస్యలను చూపుతోంది: గోప్యతా ఆందోళనలు మరియు అపూర్ణ కచ్చితత్వం. ప్రభావవంతమైన app-ఆధారిత contact tracing‌కు విస్తృత స్వీకరణ అవసరం, మరియు సాధారణంగా ఇది device-level proximity information‌కు నిరంతర ప్రాప్యతపై ఆధారపడుతుంది. ఇది పర్యవేక్షణ, దుర్వినియోగం, మరియు ఎప్పుడూ ఆన్‌లో ఉండే monitoring infrastructure‌ను సాధారణీకరించే సామాజిక ఖర్చు గురించి తెలిసిన ఆందోళనలను తెస్తుంది.

గోప్యతను పక్కన పెట్టినా, data quality సమస్యను తప్పించుకోవడం కష్టం. Bluetooth signals క్లినికల్‌గా అర్థవంతమైన exposure‌కు ప్రత్యక్ష కొలమానం కావు. గోడలు, device స్థానం, పర్యావరణ అంతరాయం, మరియు అసమయోచిత వినియోగం అన్నీ “contact” అంటే ఏమిటో వక్రీకరించగలవు. ఫలితంగా false positives సమయాన్ని వృథా చేసి అనవసర ఆందోళన కలిగించవచ్చు, లేదా false negatives హెచ్చరించాల్సినవారిని మిస్ చేయవచ్చు.

ఒక చిన్న వ్యాప్తిలో, అధికారులు సిద్ధాంతపరంగా ప్రతి ఎక్స్‌పోజ్డ్ వ్యక్తిని గుర్తించి సంప్రదించగలిగితే, ఈ బలహీనతలు చిన్నవి కావు. అవి అనర్హతకు దారితీసేంత ముఖ్యమైనవి. అధికారులు సంబంధిత పరిసరాలను ఇప్పటికే తెలుసుకుని, వ్యక్తులను నేరుగా ట్రేస్ చేయగలిగితే, విస్తృత ఆటోమేటెడ్ సిస్టమ్ అదనపు సంక్లిష్టతను మాత్రమే కలుపుతుంది, ఖచ్చితత్వాన్ని కాదు.

అత్యంత ఉపయోగకరమైన పాఠం నియంత్రణ

WIRED వివరించిన హంటావైరస్ ప్రతిస్పందనను సాధారణంగా డిజిటల్ ప్రజారోగ్య సాధనాల తిరస్కరణగా చదవకూడదు. ఇది సాంకేతికత ఉండడం వల్ల కాక, దాని సరిపోలిక వల్లనే ఎంపిక చేయాలని గుర్తుచేస్తుంది. Manual tracing‌ను app-mediated వ్యవస్థలతో పోలిస్తే పాతదిగా భావించవచ్చు, కానీ లక్ష్యిత outbreak control‌లో అది volume కంటే verification‌ను ప్రాధాన్యం ఇవ్వడం వల్ల మరింత ఆధునిక ఎంపిక కావచ్చు.

ఇది ముఖ్యంగా ఆరోగ్య సాంకేతికతపై ప్రజా చర్చ scale మరియు automation‌ను తరచుగా ప్రాధాన్యం ఇచ్చిన అనేక సంవత్సరాల తర్వాత సంబంధితంగా ఉంటుంది. లక్షలాది interactions‌లో visibility కోల్పోకుండా ఉండటం తప్ప మరో మార్గం లేనప్పుడు ఈ సాధనాలు విలువైనవిగా ఉంటాయి. కానీ వ్యాప్తి తగినంత నియంత్రితంగా ఉన్నప్పుడు, ఖచ్చితమైన, వ్యక్తి-తొ-వ్యక్తి పని ఇంకా సాధ్యమైనప్పుడు, అవి తక్కువ ఆకర్షణీయంగా ఉంటాయి.

ఇక్కడ ఒక పెద్ద విధానపరమైన పాయింట్ కూడా ఉంది. ప్రజారోగ్య వ్యవస్థలను ఎప్పుడూ అత్యంత స్పష్టంగా సాంకేతికంగా కనిపించే ప్రతిస్పందనను అమలు చేస్తున్నాయా అనే ఆధారంపై కాదు, వ్యాధి, కేసుల సంఖ్య, అందుబాటులో ఉన్న ఆధారాలు, మరియు జోక్యం యొక్క ప్రాయోగిక లక్ష్యానికి ఏ పద్ధతి ఉత్తమంగా సరిపోతుందో అనే ఆధారంపై అంచనా వేయాలి. కొన్ని సందర్భాల్లో అది digital tools అవుతాయి. కొన్ని సందర్భాల్లో trained investigators, phone calls, passenger manifests, మరియు నేరుగా follow-up అవుతాయి.

క్రూజ్-షిప్ హంటావైరస్ కేసులో రెండో విధానం సరైనదిగా కనిపిస్తోంది. సవాలు devices నుండి మరింత ambient data సృష్టించడం కాదు. సవాలు, నిర్దిష్ట వ్యక్తులను అధిక నమ్మకంతో గుర్తించడం మరియు ఖచ్చితమైన సమాచారంపై త్వరగా చర్య తీసుకోవడం. Covid యుగం app-ఆధారిత tracing‌ను ఒక పరిచిత భావనగా మార్చింది, కానీ పరిచయం సరిపోలికకు సమానం కాదు. చిన్న వ్యాప్తులు ఇంకా కచ్చితత్వాన్నే బహుమతిగా ఇస్తాయి, మరియు కచ్చితత్వం చాలా సందర్భాల్లో మానవ ప్రక్రియగానే మిగులుతుంది.

ఈ వ్యాసం Wired నివేదికపై ఆధారపడింది. మూల వ్యాసాన్ని చదవండి.