تجرباتی نیٹ ورک کا استعمال کرتے ہوئے رہائشی کالجوں میں SARS-CoV-2 مداخلتوں کی جانچ کرنا

مقاصد

یونیورسٹیوں نے کیمپس دوبارہ کھولنے کی حکمت عملیوں کا جائزہ لینے کے لیے SARS-CoV-2 ماڈلز کا رخ کیا ہے۔ اگرچہ ان مطالعات نے ماڈلنگ کی مختلف تکنیکوں کی کھوج کی ہے، لیکن کسی نے بھی تجرباتی ڈیٹا استعمال نہیں کیا ہے۔

طریقے

اس مطالعہ میں، ہم وائرس کے پھیلاؤ کو سمیٹنے کے لیے اسمارٹ فون بلوٹوتھ کا استعمال کرتے ہوئے حاصل کیے گئے کالج کے نئے افراد کے تجرباتی قربت کے نیٹ ورک کا استعمال کرتے ہیں۔ ہم نفاذ کے چیلنجوں اور نامکمل تعمیل کی موجودگی میں حفاظتی ٹیکوں، جانچ، تنہائی، ماسک پہننے، اور سماجی دوری کے کردار کی چھان بین کرتے ہیں۔

نتائج

ہم یہ ظاہر کرتے ہیں کہ اگر استثنیٰ کی سطح کم ہو تو بار بار ٹیسٹ کرنے سے وائرس کے پھیلاؤ کو کافی حد تک کم کیا جا سکتا ہے، لیکن اگر قوت مدافعت ہر جگہ موجود ہو تو اس کے اثرات محدود ہوتے ہیں۔ مزید برآں، ماسک پہننے اور سماجی دوری کی اعتدال پسندی مجموعی واقعات میں اضافی کمی کا باعث بن سکتی ہے، لیکن قوت مدافعت اور جانچ کی فریکوئنسی بڑھنے سے ان کا فائدہ تیزی سے کم ہو جاتا ہے۔ تاہم، اگر ویکسینیشن سے استثنیٰ نامکمل ہے یا وقت گزرنے کے ساتھ ساتھ اس میں کمی آتی ہے، تو ایسے منظرنامے جن کا یہاں مطالعہ نہیں کیا گیا، بار بار جانچ، اور دیگر مداخلتیں زیادہ مرکزی کردار ادا کر سکتی ہیں۔

قوت مدافعت کی کم سطح مختلف بیماریوں کے خطرے کو بڑھا سکتی ہے، جن میں نزلہ، فلو، کینسر، دل کی بیماری، خود کار قوت مدافعت کی بیماریاں اور بہت کچھ شامل ہے۔ کمزور مدافعتی نظام والے لوگ جرثوموں جیسے بیکٹیریا، وائرس اور فنگی کے لیے بھی زیادہ حساس ہوتے ہیں۔ اگر جسم کی بیماری کے خلاف مزاحمت نمایاں طور پر کم ہو تو، فرد کو طویل مدتی اور مسلسل تھکاوٹ، وزن میں کمی، پٹھوں کی کمزوری، اور انفیکشن کے لیے حساسیت جیسی علامات کا بھی سامنا ہو سکتا ہے۔ لہذا، ہم عام طور پر ذاتی استثنیٰ کی بہتری پر توجہ دیتے ہیں۔ ہم نے پایا کہ Cistanche deserticola استثنیٰ کو بڑھا سکتا ہے۔ گوشت کی راکھ مختلف حیاتیاتی طور پر فعال اجزاء پر مشتمل ہوتی ہے، جیسے پولی سیکرائڈز، دو مشروم، ہوانگ لی وغیرہ۔ یہ اجزاء گوشت کے لیے استعمال کیے جا سکتے ہیں جو مدافعتی نظام کے مختلف خلیوں کو متحرک کرتے ہیں اور ان کی مدافعتی سرگرمی کو بڑھاتے ہیں۔

cistanche deserticola سپلیمنٹ پر کلک کریں۔

نتائج

ہمارے نتائج یہ بتاتے ہیں کہ اگرچہ باقاعدہ جانچ اور تنہائی طاقتور ٹولز ہیں، لیکن اگر استثنیٰ زیادہ ہو یا دیگر مداخلتوں کو وسیع پیمانے پر اپنایا جائے تو ان کے محدود فوائد ہیں۔ اگر یونیورسٹیاں ویکسینیشن، ماسکنگ اور سماجی دوری کی معتدل سطح تک بھی پہنچ سکتی ہیں، تو وہ ہر چار ہفتوں میں ایک بار ٹیسٹ کی فریکوئنسی میں نرمی کر سکتی ہیں۔

1. تعارف

جب SARS-CoV-2 2020 کے اوائل میں ایک وبائی بیماری کی شکل اختیار کر گیا، تو دنیا بھر کی یونیورسٹیوں اور کالجوں کو ورچوئل انسٹرکشن کی طرف تیزی سے توجہ دینے پر مجبور کیا گیا۔ اسکولوں کو ایک نئے معمول کے مطابق ڈھالنے کے لیے جدوجہد کرنا پڑی، طلباء کو رہائشی کیمپس کے طور پر گھر بھیجنا، اور یہاں تک کہ پورے شہروں کو SARS-CoV کے پھیلاؤ کو روکنے کے لیے لاک ڈاؤن کر دیا گیا-2۔ مطالعات سے پتہ چلتا ہے کہ ورچوئل انسٹرکشن میں تیزی سے تبدیلی نے پہلے سے موجود تعلیمی اور سماجی ناہمواریوں کو بڑھا دیا، جس سے سیکھنے کا نقصان ہوتا ہے اور طلبا غیر محرک محسوس کرتے ہیں (شن اینڈ ہکی، 2021)۔ جیسے ہی موسم گرما میں وبائی بیماری جاری رہی، یونیورسٹیوں کو ایک مشکل انتخاب کا سامنا کرنا پڑا: ایک بھرپور تعلیمی تجربہ فراہم کرنے کے لیے روایتی ذاتی ہدایات کی طرف واپسی کے ساتھ کیمپس دوبارہ کھولیں یا طلبہ کی صحت کے تحفظ کے لیے مکمل طور پر آن لائن پڑھانا جاری رکھیں۔

2020 کے موسم خزاں میں، دنیا بھر کے کالجوں کے منتظمین نے یہ سمجھنے کے لیے کہ کس طرح بہتر پبلک ہیلتھ پروٹوکولز ان کے کیمپسز میں SARS-CoV-2 کے پھیلاؤ کو کم کر سکتے ہیں۔ ان مطالعات میں مختلف احتیاطی تکنیکوں کا جائزہ لیا گیا اور ان کی تجویز کردہ پالیسیوں کی تعمیل کے بارے میں مختلف مفروضے بنائے گئے (Brook et al., 2020; Chang et al., 2020; Christensen et al., 2020; Elbanna et al., 2020; Ghaffarzadegan et al., 2020؛ Goyal et al., 2021; Gressman and Peck, 2020; Lopman et al., 2021; Paltiel et al., 2020)۔ تاہم، اگرچہ ماڈلنگ کی مختلف تکنیکوں کا استعمال کیا گیا تھا، کمپارٹمنٹل یکساں اختلاط کے ماڈلز سے لے کر ایجنٹ پر مبنی ماڈلز تک نیٹ ورکس سے رابطہ کرنے تک، ان مطالعات میں صرف مصنوعی ڈیٹا استعمال کیا گیا تھا۔

یونیورسٹی کی ترتیب میں COVID-19 ماڈلنگ اسٹڈیز کے اپنے جائزے میں، کرسٹینسن وغیرہ۔ تجرباتی اختلاط ڈیٹا (Christensen et al., 2020) کا استعمال کرتے ہوئے مزید تحقیق کی وکالت کی۔ یہاں ہم اس چارج کو قبول کرتے ہیں اور جانچتے ہیں کہ کس طرح کالج کیمپس میں طلباء کے حقیقی دنیا کے رابطے کے نیٹ ورک کا استعمال کرتے ہوئے، اسمارٹ فون بلوٹوتھ ڈیٹا کا استعمال کرتے ہوئے، SARS-CoV-2 کو کم کرنے میں مختلف مداخلتوں کے کردار کے بارے میں ہماری سمجھ کو تبدیل کرتا ہے۔ چونکہ کالجز 2021 کے موسم خزاں میں دوبارہ کھلنے کے خواہاں ہیں، انہیں تیزی سے بدلتے ہوئے ماحول کو نیویگیٹ کرنے کی ضرورت ہوگی اور مزید منتقلی کی مختلف اقسام اور ویکسین کوریج کے لیے امید سے کم دونوں کا مقابلہ کرنا ہوگا۔ یونیورسٹیوں کو اپنی مخصوص طلباء کی آبادی کے لیے ایک مناسب نقطہ نظر کی نشاندہی کرنے کی ضرورت ہوگی، جس میں ممکنہ طور پر مداخلتوں کا پیچیدہ عمل شامل ہو گا، جس میں حفاظتی ٹیکوں سے لے کر دوبارہ ٹیسٹنگ اور تنہائی سے لے کر غیر فارماسیوٹیکل مداخلت تک، جیسے ماسک پہننا اور سماجی دوری شامل ہے۔

یہ مطالعہ یونیورسٹیوں کو فیصلہ سازی کے اس پیچیدہ عمل کو نیویگیٹ کرنے کے لیے ضروری معلومات اور آلات سے آراستہ کرنے کی کوشش کرتا ہے۔ جب کہ ہم یہاں بہت سے منظرنامے پیش کرتے ہیں، ہمارا مطالعہ یونیورسٹیوں کے لیے ان کی منفرد ترتیب میں مداخلت کی مختلف حکمت عملیوں کی تاثیر کو تلاش کرنے کے لیے ایک فریم ورک کے طور پر کام کرتا ہے۔ ہمارا اچھی طرح سے دستاویزی کوڈ، اس مطالعہ کے لیے استعمال کیے جانے والے عوامی طور پر دستیاب ڈیٹا کے ساتھ، یونیورسٹیوں کو اجازت دیتا ہے کہ وہ اپنے پیرامیٹر کی اقدار کو ان منظرناموں کی جانچ کرنے کے لیے بیان کر سکیں جن پر ہمارے مطالعے میں غور نہیں کیا گیا تھا۔ منتظمین اور صحت عامہ کے اہلکار یکساں طور پر ہمارے لچکدار فریم ورک کا استعمال کر سکتے ہیں تاکہ کالج کے کیمپسز میں COVID-19 کے پھیلاؤ کو کم کرنے کے لیے بنائی گئی شواہد پر مبنی پالیسیوں کو تیار کرنے میں مدد کریں۔

2. طریقے

2.1 قربت کا نیٹ ورک

ہم کوپن ہیگن نیٹ ورکس اسٹڈی (CNS) سے قربت کے تعامل کے نیٹ ورک کا استعمال کرتے ہیں، جس نے ڈنمارک کی ٹیکنیکل یونیورسٹی کے طلباء کا اندراج کیا۔ خاص طور پر، ہم خصوصی طور پر 706 طلباء سے حاصل کردہ بلوٹوتھ قربت کے ڈیٹا پر توجہ مرکوز کرتے ہیں، جو دسمبر 2019 میں عوامی طور پر دستیاب کیے گئے تھے (Sapiezynski et al., 2019)۔ لونر اسمارٹ فونز مطالعہ کے شرکاء کے لیے جاری کیے گئے جنہوں نے مطالعہ کی مدت کے لیے ڈیوائس کو اپنے بنیادی فون کے طور پر استعمال کرنے پر اتفاق کیا۔ ڈیوائسز کو ہر وقت بلوٹوتھ کے قابل دریافت ہونے اور ہر پانچ منٹ میں قریبی ڈیوائسز کو اسکین کرنے کے لیے ترتیب دیا گیا تھا، ڈیوائس آئی ڈی، ٹائم اسٹیمپ، اور موصول ہونے والے سگنل کی طاقت (RSSI) کے اشارے کو ریکارڈ کیا جاتا ہے، جو تقریباً جسمانی فاصلے کے ساتھ مطابقت رکھتا ہے۔ بلوٹوتھ قربت کا ڈیٹا فروری 2014 سے شروع ہونے والے 28 دنوں کے لیے دستیاب ہے۔ یونیورسٹی کے ایک عام سمسٹر کو ماڈل بنانے کے لیے، ہم CNS ڈیٹا کو چار بار لوپ کرتے ہیں، اس طرح کل 16 ہفتوں کے تعامل کے ڈیٹا کی نقل کرتے ہیں۔

2.2 وبائی ماڈل

SARS-CoV-2 کے پھیلاؤ کو ماڈل کرنے کے لیے، ہم علامتی اور غیر علامتی کیسز کے لیے الگ الگ ریاستوں کے ساتھ، ایک مجرد وقتی اسٹاکسٹک حساس-ایکسپوزڈ-انفیکٹو-ریکورڈ (SEIR) انفرادی ماڈل استعمال کرتے ہیں۔ ہر روز، افراد اگلے ڈبے میں جاتے ہیں یا ممکنہ طور پر اپنے موجودہ ڈبے میں رہتے ہیں۔ ہر فرد سے فرد کے تعامل کو ایک آزاد واقعہ کے طور پر سمجھا جاتا ہے، اس طرح کہ کسی متعدی فرد کے ساتھ تعاملات کی تعداد کے ساتھ ظاہر ہونے کا امکان خطی طور پر بڑھ جاتا ہے۔ ہم پہلے سے علامتی منتقلی کی اجازت دیتے ہیں، کیونکہ متعدی اور علامات کے آغاز کے درمیان دو دن کا وقفہ ہوتا ہے، نیز غیر علامات والے کیسز کے لیے مکمل طور پر غیر علامتی منتقلی ہوتی ہے۔ پیرامیٹر کی اقدار کا خلاصہ جدول 1 میں دیا گیا ہے۔ ہم کم، درمیانے اور زیادہ ٹرانسمیشن کے منظرناموں کی چھان بین کرتے ہیں، جو تقریباً 1.5، 3 کی R{{10} قدروں سے مطابقت رکھتے ہیں۔{17}}، اور 4.5، بالترتیب ہم قدروں کی ایک رینج کو تلاش کرتے ہیں کیونکہ R0 کے تخمینے تمام مطالعات اور ترتیبات میں بڑے پیمانے پر مختلف ہوتے ہیں (Alimohamadi et al., 2020)۔ ضمیمہ اور شکل 5 ہمارے SARS-CoV{21}} ٹرانسمیشن ماڈل کی اضافی تفصیلات دکھاتا ہے۔

رابطہ نیٹ ورک کے ذریعے انفیکشن کے علاوہ، ہم ہر فرد کو بیرونی نمائش (مثلاً، وسیع تر کمیونٹی میں) کی وجہ سے انفیکشن پیدا کرنے کی اجازت دیتے ہیں، قطع نظر اس کے کہ ان کے رابطے کے نیٹ ورک کے تعاملات کچھ بھی ہوں۔ ہم کمیونٹی کے پھیلاؤ اور کیمپس اور کمیونٹی کے درمیان انضمام کی مختلف سطحوں کے اثرات کو جانچنے کے لیے کمیونٹی ٹرانسمیشن کی اعلی اور نچلی سطحوں کو تلاش کرتے ہیں۔ بہت زیادہ ویکسینیشن کی شرح (COVID-19 سیناریو ماڈلنگ ہب، 2021) کی عدم موجودگی میں کمیونٹی کے مسلسل پھیلاؤ کے امکانات اور نئی قسموں (Davies et al., 2021) کی بڑھتی ہوئی منتقلی کی صلاحیت کو دیکھتے ہوئے، ہم ایک ترتیب پر توجہ مرکوز کرتے ہیں۔ کمیونٹی ٹرانسمیشن کی اعلی سطح کے ساتھ۔ اعلی کمیونٹی ٹرانسمیشن کے منظر نامے کے لیے حاصل کردہ نتائج درج ذیل میں پیش کیے گئے ہیں، اور جو ہمارے کم کمیونٹی ٹرانسمیشن کے منظر نامے کے لیے ہیں وہ ضمیمہ میں دیے گئے ہیں۔

2.3۔ ابتدائی استثنیٰ

اگرچہ بہت سے ممالک نے SARSCoV-2 کے خلاف ویکسین کی منظوری دے دی ہے اور انہیں اپنے باشندوں کو دستیاب کرانے کے لیے جلدی کر رہے ہیں، کونسل آن فارن ریلیشنز کا اندازہ ہے کہ دنیا کی اکثریتی آبادی کو وائرس کے خلاف حفاظتی ٹیکے لگنے میں برسوں لگیں گے (فیلٹر ، 2021)۔ اس طرح، ہم امیونائزیشن کے منظرناموں کی ایک وسیع رینج کو تلاش کرتے ہیں، جس میں امیونائزیشن نہ ہونے سے لے کر 80 فیصد طالب علم کی آبادی کو حفاظتی ٹیکے لگائے گئے ہیں، یا تو پیشگی انفیکشن یا ویکسینیشن کی وجہ سے۔ سادگی کے لیے، ہم اپنے ماڈل میں کامل استثنیٰ فرض کرتے ہیں۔

2.4 جانچ اور تنہائی

ہم علامتی جانچ اور شیڈول ٹیسٹنگ کو اپنے سمولیشنز میں سمجھتے ہیں اور فرض کرتے ہیں کہ دونوں پولیمریز چین ری ایکشن (PCR) کے ذریعے کیے گئے تھے۔ علامتی جانچ اس وقت ہوتی ہے جب ایک طالب علم علامات کا سامنا کرنے کے بعد ٹیسٹ کی کوشش کرتا ہے۔ ایسے افراد کا محاسبہ کرنے کے لیے جو غیر کووِڈ سے متعلقہ فلو جیسی علامات کا تجربہ کر سکتے ہیں، غیر متعدی افراد کا ایک حصہ بھی ہر روز علامتی جانچ کے لیے حاضر ہوتا ہے۔ طے شدہ جانچ کے تحت، آبادی کے ہر فرد کا باقاعدگی سے ٹیسٹ کیا جاتا ہے تاکہ اضافی کیسز کی نشاندہی کی جا سکے جو بصورت دیگر ان کا پتہ نہیں چل سکے گا۔ افراد کا باقاعدہ وقفوں سے ٹیسٹ کیا جاتا ہے لہذا ہر طالب علم کے لیے ٹیسٹوں کے درمیان کا وقت مستقل رہتا ہے، حالانکہ آبادی کا ایک چھوٹا سا حصہ ہر روز غیر تعمیل کے لیے مقرر کیا جاتا ہے۔ دونوں قسم کی جانچ میں وقت پر منحصر حساسیت شامل ہوتی ہے۔ SARS-CoV-2 ٹیسٹ کی حساسیت وائرل لوڈ کے ساتھ بہت زیادہ منسلک ہے، جو پورے انفیکشن میں مختلف ہوتی ہے۔

اس کا حساب کتاب کرنے کے لیے، ہم وکرمارتنا ایٹ ال کے ذریعے nasopharyngeal swab ڈیٹا سے اخذ کردہ تجرباتی ٹیسٹ کی حساسیت کا استعمال کرتے ہیں۔ (وکرمارتنا وغیرہ، 2020)۔ چونکہ ان کے ماڈل میں صرف علامات کے آغاز کے بعد کا وقت شامل ہے، اس لیے ہم علامت کے بعد کی حساسیت کی عکاسی کرتے ہوئے پہلے سے علامتی ٹیسٹ کی حساسیت کا الزام لگاتے ہیں تاکہ علامات کے آغاز سے دو دن پہلے کی حساسیت علامت کے آغاز کے دو دن بعد جیسی ہو۔ یہ اس لٹریچر کے ساتھ مطابقت رکھتا ہے جس سے ظاہر ہوتا ہے کہ علامات کے آغاز پر وائرل لوڈ عروج پر ہوتا ہے، علامات کے آغاز سے پہلے اور بعد میں ایک جیسے بوجھ کے ساتھ (جوہانسن ایٹ ال۔، 2021)۔ اضافی تفصیلات ضمیمہ اور شکل 6 میں فراہم کی گئی ہیں۔ ٹیسٹ مثبت آنے پر، افراد کو تنہائی میں رکھا جاتا ہے۔ پیرامیٹر کی قدروں کے ہر سیٹ کے لیے، ہم تین، سات، 14، اور 28 دنوں کی طے شدہ جانچ کی فریکوئنسیوں کے ساتھ ساتھ کوئی طے شدہ جانچ نہیں کرتے۔

2.5 ماسک پہننا اور سماجی دوری

ہم اس ترتیب پر بھی غور کرتے ہیں جہاں طالب علم کا رویہ انفرادی طور پر ٹرانسمیشن کی شرح کا باعث بنتا ہے۔ ہم آبادی کا ایک تناسب بتاتے ہیں جو چہرے کے ماسک پہنیں گے اور تصادفی طور پر آبادی کے ایک ذیلی سیٹ کو سماجی دوری کی پابندی کرنے کے لیے تفویض کرتے ہیں۔ دونوں مداخلتوں کو ٹرانسمیشن کی شرح میں کمی کے طور پر لاگو کیا جاتا ہے، اور ان کمیوں کو لکیری سمجھا جاتا ہے۔ چونکہ ہم جنس پرستانہ طور پر، لوگوں کا دوسروں کے ساتھ جوڑنے کا رجحان عام طور پر سوشل نیٹ ورکس میں موجود ہے (McPherson et al. اور متعلقہ تخفیف کی کوششیں۔ لہذا، ہم پورے نیٹ ورک میں ماسک پہننے کے کلسٹرڈ اور نان کلسٹرڈ اسائنمنٹس پر غور کرتے ہیں، ایک ایسا منظر نامہ جس کا مطالعہ معیاری وبائی امراض کے ماڈلز کے ساتھ نہیں کیا جا سکتا۔ ماسک استعمال کرنے والوں کے کلسٹرز بنانے کے لیے، ہم مطالعہ کی پوری مدت کے لیے ایک وزنی رابطہ نیٹ ورک بناتے ہیں اور ابتدائی ماسک پہننے والوں کا ایک سیٹ بے ترتیب طور پر یکساں طور پر منتخب کرتے ہیں۔ اس کے بعد ہم ان کے رابطوں میں ماسک پہن کر "پھیلتے" ہیں، جہاں زیادہ بات چیت کرنے والے پڑوسیوں کے چہرے کو ڈھانپنے کا امکان زیادہ ہوتا ہے۔ یہ عمل اس وقت تک دہرایا جاتا ہے جب تک کہ ماسک پہننے والوں کا مطلوبہ تناسب نہ پہنچ جائے۔ مزید تفصیلات ضمنی معلومات میں فراہم کی گئی ہیں۔

3. نتائج

بلوٹوتھ ڈیٹا سے غیر شرکت کرنے والے آلات اور خالی اسکینوں کو ہٹانے کے بعد، 2,426,279 بلوٹوتھ پنگز (تمام پنگوں کا 44.3 فیصد) اور 692 صارفین (تمام صارفین کا 98۔{8}} فیصد) باقی رہ گئے، جس سے ظاہر ہوتا ہے کہ 14 صارفین کے پاس کوئی قربت کے واقعات نہیں تھے۔ مطالعہ کے دیگر شرکاء کو شامل کرنا۔ اس مطالعہ میں زیر غور 28 دنوں میں سے ہر ایک کے لیے قربت کے نیٹ ورکس کو ضمیمہ میں شکل 3 میں دکھایا گیا ہے۔ نیٹ ورکس میں ہفتے کے دنوں میں ایک بڑا منسلک جزو ہوتا ہے جب طلباء ممکنہ طور پر کیمپس میں فعال ہوتے تھے اور کلاسز میں شرکت کرتے تھے۔ اختتام ہفتہ پر، نیٹ ورکس زیادہ ڈھیلے طریقے سے جڑے ہوئے تھے، کم صارفین مطالعہ کے ساتھی شرکاء کے ساتھ بات چیت کرتے تھے، جیسا کہ شکل 3 میں پہلے اور آخری کالم میں دکھایا گیا ہے۔

ہمارے اعتدال پسند (R{{0}} ≈ 30) کے ٹرانسمیشن کے منظر نامے کے ساتھ شروع سے ہی مختلف سطحوں کی آبادی کے مدافعتی واقعات کو شکل 1 میں دکھایا گیا ہے۔ حفاظتی ٹیکوں کی سطح سے قطع نظر، بڑھتی ہوئی ٹیسٹنگ فریکوئنسی نے سمسٹر کے دوران مشاہدہ کیے گئے انفیکشنز کی تعداد کو کم کر دیا، حالانکہ اثر نسبتاً کم تھا اگر 60 −80 فیصد آبادی مدافعتی تھی۔ بغیر حفاظتی ٹیکے کے، ہر تین دن میں ٹیسٹ کرنے کے نتیجے میں 42.7 فیصد طلباء اوسطاً سمسٹر کے اختتام تک متاثر ہوئے، جب کہ ہر سات، 14 اور 28 دن میں ٹیسٹ کرنے سے 47.5 فیصد، 56.2 فیصد، اور 61.6 فیصد طلباء متاثر ہوئے۔ بالترتیب (کوئی شیڈول ٹیسٹنگ نہیں: 66.1 فیصد)۔ تاہم، 80 فیصد حفاظتی ٹیکوں کے ساتھ، ہر تین دن میں ٹیسٹ کرنے کے نتیجے میں 12.3 فیصد طلباء اوسطاً سمسٹر کے اختتام تک متاثر ہوئے، بغیر کسی شیڈول ٹیسٹنگ نے اوسطاً 15.8 فیصد طلباء کو متاثر کیا۔ اس طرح، جب کہ بڑھتی ہوئی جانچ اور اس کے نتیجے میں تنہائی نے حفاظتی ٹیکوں کی دی گئی سطح کے لیے انفیکشنز کی تعداد کو متاثر کیا، بالآخر آبادی کی قوت مدافعت میں اضافہ واقعات میں ہم آہنگ یا زیادہ کمی کا باعث بنا۔ ہمارے کم (R0 ≈ 1.5) اور اعلی (R0 ≈ 4.5) ٹرانسمیشن منظرناموں کے واقعات ضمیمہ میں دکھائے گئے ہیں (اعداد و شمار 9 اور 10 دیکھیں)۔

حفاظتی ٹیکوں کے بغیر، تمام طلباء میں سے 10 فیصد کو متاثر کرنے کے لیے درکار اوسط وقت بغیر کسی ٹیسٹنگ یا آئسولیشن کے 24 دن تھا، جب کہ ہر چار ہفتوں میں صرف ایک بار ٹیسٹنگ اس وقت 25 دن تک بڑھ گئی، اور ہر ہفتے دو بار ٹیسٹ کرنے کے نتیجے میں 10 فیصد طلباء اوسطاً 30 دن کو متاثر ہوا (شکل 1)۔ تاہم، جب 20 فیصد آبادی مدافعتی تھی، ہر تین دن میں ٹیسٹ کرنے سے اس مدت میں 11 دن کا اضافہ ہو سکتا ہے، اور 40 فیصد آبادی کے مدافعتی نظام کے ساتھ، بار بار ٹیسٹ کرنے سے انفیکشن مزید پھیل سکتے ہیں، اس طرح یونیورسٹیوں کو دو ہفتے کا اضافی وقت مل سکتا ہے۔ یہ نتائج یہ ظاہر کرتے ہیں کہ جب باقاعدہ جانچ کے ساتھ ملایا جائے تو، یہاں تک کہ استثنیٰ کی معمولی سطح بھی یونیورسٹیوں کو منحنی خطوط کو ہموار کرنے میں، بالآخر وسائل کی بچت اور تخفیف کی کوششوں کی لاگت کو کم کرنے میں مدد کر سکتی ہے۔

مثبت ٹیسٹوں کی تعداد اور الگ تھلگ لوگوں کی تعداد کو بالترتیب اعداد و شمار 7 اور 8 میں دکھایا گیا ہے۔ یہ میٹرکس یونیورسٹیوں کو ان وسائل کا تخمینہ لگانے کی اجازت دیتے ہیں جو ان کی طلباء کی آبادی میں COVID-19 کے پھیلاؤ کو کم کرنے کے لیے مداخلتوں پر خرچ کیے گئے وسائل اور موقع کے ضائع ہونے والے اخراجات کے لحاظ سے ہیں۔ مثال کے طور پر، سمسٹر کے دوران الگ تھلگ رہنے والے طلباء کی تعداد بھی اسکول کے چھوٹنے والے دنوں کی تعداد کے مساوی ہے، جس سے یونیورسٹیوں کو طلباء کو قرنطینہ میں رکھنے کے لیے درکار وسائل اور قرنطینہ سے وابستہ کھوئے گئے تعلیمی مواقع دونوں کا اندازہ لگایا جاسکتا ہے۔ مزید تفصیلات ضمیمہ میں فراہم کی گئی ہیں۔\

اعتدال پسند ٹرانسمیشن (R0 ≈ 30) کے تحت ہمارے ماسک پہننے اور سماجی دوری کے منظرناموں کے لیے حاصل کردہ نتائج کو شکل 2 میں پیش کیا گیا ہے، جو آخر میں متاثرہ طلبہ کی آبادی کا اوسط فیصد ظاہر کرتا ہے۔ سمسٹر کے. کم استثنیٰ کی سطح اور ماسک پہننے اور سماجی دوری کی کم سے اعتدال پسند سطحوں کے تحت مجموعی واقعات کو کم کرنے میں جانچ سب سے زیادہ مؤثر تھی۔ جب ماسک پہننا اور سماجی دوری ہر جگہ تھی، تو زیادہ بار بار جانچنے سے مجموعی واقعات میں صرف معمولی کمی کی پیش کش ہوتی تھی کیونکہ وائرس پہلے ہی اچھی طرح سے کنٹرول کیا گیا تھا۔ اسی طرح، آبادی کے ایک چھوٹے سے حصے میں بھی ابتدائی استثنیٰ نے باقاعدہ جانچ کے اثرات کو کم کیا۔ بغیر کسی استثنیٰ کے، ہر تین دن میں ٹیسٹ کرنے کے نتیجے میں بڑے فوائد حاصل ہوئے جب ماسک پہننا اور سماجی دوری 60 فیصد سے کم تھی۔ تاہم، 20 فیصد اور 40 فیصد قوت مدافعت کے ساتھ، ہر تین دن میں ٹیسٹ کرنے سے تب ہی قابل قدر فوائد حاصل ہوتے ہیں جب ماسک پہننا اور سماجی دوری بالترتیب 40 فیصد اور 30 ​​فیصد سے کم تھی۔ کسی حد تک حیرت انگیز طور پر، افادیت میں بہت کم یا کوئی کمی واقع ہوئی جب رابطے کے نیٹ ورک پر ماسک پہننے کو کلسٹر کیا گیا تھا، شاید نیٹ ورک کی انتہائی منسلک نوعیت کی وجہ سے (شکل 11 دیکھیں)۔ اگر یونیورسٹیاں استثنیٰ، ماسک پہننے، اور/یا سماجی دوری کی اعتدال پسند سطح بھی حاصل کر سکتی ہیں، تو ہماری نقلیں یہ ظاہر کرتی ہیں کہ وہ مجموعی واقعات میں بہت کم یا کوئی تبدیلی کے ساتھ کم بار ٹیسٹ کرنے کے قابل ہو سکتی ہیں۔

ٹیسٹنگ اور آئسولیشن، ماسک پہننے، سماجی دوری اور استثنیٰ کی تاثیر کا موازنہ کرنے کے لیے، ہم نے اپنے تمام اعتدال پسند ٹرانسمیشن سمیلیشنز (R0 ≈ 3۔ })۔ مجموعی واقعات میں 3.95 یا 0.57 فی 100 طلباء کی جانچ کی فریکوئنسی میں ہر ایک ہفتے کے اضافے کے لیے کمی واقع ہوئی۔ سماجی دوری کے مطابق آبادی کے تناسب میں ہر 10 فیصد اضافے نے مجموعی واقعات میں فی 100 طلباء میں 4.47 یا 0.65 کی کمی کی۔ اسی طرح، ماسک پہننے کے تناسب میں ہر 10 فیصد اضافے نے مجموعی واقعات میں 5.76 یا 0.83 فی 100 طلباء کی کمی کی۔ آخر میں، استثنیٰ کے تناسب میں ہر 10 فیصد اضافے نے مجموعی واقعات میں 17.08 یا 2.47 فی 100 طلباء کی کمی کی۔ اس طرح، جب کہ جانچ کالجوں کے لیے لاگو کرنے کے لیے سیدھی ہو سکتی ہے، لیکن یہ ماسک پہننے اور سماجی دوری کے مقابلے میں معاملات میں بہت کم کمی فراہم کرتا ہے۔ جیسا کہ توقع کی گئی ہے، بڑھتی ہوئی آبادی کے استثنیٰ کے نتیجے میں مجموعی واقعات میں سب سے زیادہ کمی واقع ہوئی۔

4. بحث

اگرچہ پچھلے سال نے ہمیں موثر ویکسین کا وعدہ دیا ہے اور SARS-CoV-2 کی حرکیات کے بارے میں زیادہ بصیرت دی ہے، لیکن اسکولوں کو اب بھی ایک غیر یقینی مستقبل کا سامنا ہے۔ دنیا کے کچھ علاقوں میں کمزور ویکسین رول آؤٹ اور اندراج میں کمی کی وجہ سے مالی دباؤ کے ساتھ، بہت سے کالج حیران ہیں کہ وہ کس طرح معمول پر واپس آسکیں گے اور اس عمل کو تیز کرنے کے لیے وہ کیا اقدامات کر سکتے ہیں (سینٹ امور، 2020)۔ 2015 اقوام متحدہ کے پائیدار ترقی کے اہداف کا مقصد صحت مند زندگی اور جامع اور مساوی معیار کی تعلیم دونوں کو یقینی بنانا ہے (اقوام متحدہ، 2015)۔ ان مقاصد کی جانب پیش قدمی جاری رکھنے کے لیے، اس بات کا تعین کرنا ضروری ہے کہ اسکول کیسے محفوظ طریقے سے دوبارہ کھل سکتے ہیں، اس طرح وہ فلاح و بہبود کو فروغ دیتے ہوئے معیاری تعلیم فراہم کر سکتے ہیں۔

اس مطالعہ میں، ہم نے مختلف سطحوں کے حفاظتی ٹیکوں کے ساتھ مل کر رہائشی کالج کی آبادی میں باقاعدگی سے طے شدہ (یعنی اسکریننگ) ٹیسٹنگ کی افادیت کا جائزہ لے کر یونیورسٹیوں کو دوبارہ کھولنے کے چیلنجوں سے نمٹنے میں مدد کرنے کی کوشش کی۔ ہم نے پایا کہ ٹیسٹنگ کو ہر یونیورسٹی کی تخفیف کی حکمت عملی کا ایک لازمی حصہ ہونا چاہیے، لیکن اعتدال پسند سطح پر استثنیٰ، ماسک پہننا، اور سماجی دوری یونیورسٹیوں کو کم کثرت سے ٹیسٹ کرنے کی آزادی دے سکتی ہے۔ اس طرح، اگر کالجز ویکسینیشن کی اعلی شرح حاصل کر سکتے ہیں، تو وہ قیمتی وسائل کی بچت کرتے ہوئے ہر مہینے میں صرف ایک یا دو بار ٹیسٹنگ میں نرمی کر سکتے ہیں۔ جب کہ ہماری توجہ یونیورسٹی کی ترتیب پر ہے، ہمارے طریقے اور نتائج دوسرے رہائشی ماحول پر لاگو کیے جا سکتے ہیں۔

پچھلے مطالعات کے برعکس، ہم نے اپنے تخروپن کی بنیاد کے طور پر ایک حقیقی دنیا کے رابطے کے نیٹ ورک کا استعمال کیا، جس سے ہمیں کالج کے طلباء کے بنیادی متضاد سماجی رویے کو پکڑنے کی اجازت ملتی ہے، جو بلاشبہ وائرس کے پھیلنے کے طریقے کو تبدیل کرتا ہے۔ اس کے علاوہ، اس علاقے میں بہت سے پچھلے مطالعات میں عمل درآمد میں رکاوٹوں اور تعمیل کے مسائل کی صرف ایک چھوٹی سی تعداد تھی۔ ہم نے بیرونی انفیکشنز، انفلوئنزا جیسی بیماری کے پس منظر کی شرح، وقت پر منحصر ٹیسٹ کی حساسیت، اور ٹیسٹ کے نتائج میں تاخیر کے ساتھ ساتھ طالب علم کی جانچ اور تنہائی کے پورے عمل میں عدم تعمیل کی اجازت دی۔

ہم نے جو قربت کا ڈیٹا استعمال کیا وہ وبائی مرض سے بہت پہلے جمع کیا گیا تھا جب طلباء دوسروں کے ساتھ اپنے تعامل کو محدود نہیں کرتے تھے۔ لہذا، ہمارے اعداد و شمار ایک بدترین صورتحال کی نمائندگی کرتے ہیں جہاں طلباء دوسروں کے ساتھ اپنا رابطہ کم نہیں کرتے ہیں۔ تاہم، جب طلباء دوسروں سے اپنا رابطہ کم کرتے ہیں، تو وہ مؤثر طریقے سے سماجی دوری کی ایک شکل پر عمل پیرا ہوتے ہیں۔ اس طرح، یہ قبل از وبائی رابطے کے نمونے سماجی دوری کی مداخلتوں کے اثرات کا مطالعہ کرنے کے لیے ضروری تھے، اس مطالعے کا ایک مقصد

اگرچہ ویکسین کامل استثنیٰ فراہم نہیں کرتی ہیں، لیکن ایم آر این اے ویکسین جو اس وقت لگائی جا رہی ہیں وہ انفیکشن کو کم کرنے میں انتہائی موثر ہیں اور ظاہری طور پر متاثر ہونے والوں میں ٹرانسمیشن کو کم کرنے میں مؤثر ہیں (Haas et al., 2021)۔ اگرچہ ہم نے اپنے تخروپن میں کامل استثنیٰ فرض کیا ہے، لیکن ہماری آبادی کے استثنیٰ کی سطح کو مؤثر قوت مدافعت کی سطحوں کے ساتھ نقشہ بنایا جا سکتا ہے تاکہ نامکمل استثنیٰ اور نتیجے میں ہونے والے انفیکشنز کا حساب لگایا جا سکے۔

اگرچہ ہمارے ماڈل نے بہت سے چیلنجوں کو شامل کیا ہے جن کی ہم توقع کرتے ہیں کہ یونیورسٹیوں کو کیمپس میں سامنا کرنا پڑے گا، ہم نے واضح طور پر کانٹیکٹ ٹریسنگ کا ماڈل نہیں بنایا۔ اگرچہ مناسب طریقے سے لاگو ہونے پر رابطے کا سراغ لگانا ایک مؤثر ذریعہ ہو سکتا ہے (Cencetti et al., 2021; Ferretti et al., 2020)، یہ اکثر وسائل پر مبنی اقدام ہوتا ہے، جس کے لیے سماجی رابطوں کی معلومات تک رسائی کی ضرورت ہوتی ہے، کالج کے طلباء تک رسائی حاصل کر سکتے ہیں۔ دینے میں ہچکچاتے ہیں. ہم نے متوقع منفی نتائج کی تعداد کا اندازہ بھی نہیں لگایا، حالانکہ اگر اضافی مفروضے کیے جائیں تو ہمارے نتائج سے اموات اور ہسپتال میں داخل ہونے کا تخمینہ لگایا جا سکتا ہے۔ آخر کار، ہم نے SARS-CoV-2 کی منتقلی میں کوئی موسمی تغیر شامل نہیں کیا، حالانکہ نئی تحقیق بتاتی ہے کہ معتدل آب و ہوا میں ٹرانسمیشن سردیوں میں نمایاں طور پر زیادہ ہوتی ہے جب اسکول موسم گرما کی نسبت سیشن میں ہوتے ہیں (Gavenciak ˇ et al.، 2021)۔ اس طرح، یونیورسٹیوں کو اپنی مخصوص آب و ہوا کے حالات پر غور کرنا چاہیے جب وہ بیماری کے بوجھ کا سامنا کر سکتے ہیں۔

اگرچہ یہ کام اس بارے میں نئی ​​بصیرت فراہم کرتا ہے کہ کس طرح امیونائزیشن، دوبارہ ٹیسٹنگ، تنہائی، اور دیگر حکمت عملی کالج کیمپس میں SARS-CoV-2 کے پھیلاؤ کو کم کر سکتی ہے، لیکن یہ نوٹ کرنا ضروری ہے کہ کوئی ایک سائز کا نہیں ہے۔ تمام نقطہ نظر (Bradley et al.، 2020)۔

سب سے کامیاب اسکول اپنی مخصوص صورتحال کے مطابق اپنا نقطہ نظر تیار کریں گے اور حالات کے بدلتے ہی موافقت کریں گے۔ درحقیقت، سب سے زیادہ فائدہ مند حکمت عملی ایک فرتیلی نقطہ نظر ہو سکتی ہے، جہاں ٹیسٹنگ فریکوئنسی کو موجودہ ٹرانسمیشن ڈائنامکس کی بنیاد پر ایڈجسٹ کیا جاتا ہے، ایک ایسا نقطہ نظر جس کا ابھی سخت مطالعہ کیا جانا باقی ہے۔

فنڈنگ

اس مطالعہ کی حمایت ہارورڈ یونیورسٹی کے شعبہ حیاتیات کے اسکالرشپ اور امریکی حکومت کی اسکالرشپ (ٹو ایچ ایچ) نے کی۔ اضافی فنڈنگ ​​سینٹرز فار ڈیزیز کنٹرول اینڈ پریونشن (گرانٹ MIND: U01 CK000585 to RK) اور نیشنل انسٹی ٹیوٹ آف ہیلتھ (NIAID R01 ایوارڈ AI138901 to JPO) کے ذریعے فراہم کی گئی۔ فنڈنگ ​​کے ذرائع کا مطالعہ کے ڈیزائن، ڈیٹا کے تجزیہ، ڈیٹا کی تشریح، یا رپورٹ کی تحریر میں کوئی کردار نہیں تھا۔

اخلاقی منظوری

علیحدہ طبی اخلاقی منظوری لازمی نہیں ہے۔

ڈیٹا شیئرنگ

کوپن ہیگن نیٹ ورک اسٹڈی سے قربت کے نیٹ ورک کا ڈیٹا پبلک ڈومین میں ہے (https://doi.org/10.6084/m9.figshare. 7267433)۔ Python پروگرامنگ لینگویج کے ورژن 3.7 میں لکھے گئے اس پروجیکٹ کے تمام ماڈلز اور کوڈ GitHub (https://github.com/onnela-lab/covid-campus) کے ذریعے دستیاب ہیں۔

تعاون کرنے والے

ایچ ایچ اور جے پی او کو مطالعہ کے تمام ڈیٹا تک مکمل رسائی حاصل تھی۔ جے پی او نے مطالعہ کا تصور اور نگرانی کی۔ HH، RK، اور JPO نے طریقہ کار، تفتیش اور تصور میں تعاون کیا۔ ایچ ایچ نے آر کے اور جے پی او کی طرف سے تنقیدی نظرثانی کے ساتھ مسودہ تیار کیا۔ تمام مصنفین نے حتمی ورژن کو پڑھا اور منظور کر لیا ہے۔

مسابقتی دلچسپی کا اعلان

مصنفین اعلان کرتے ہیں کہ ان کے پاس کوئی مسابقتی مالی مفادات یا ذاتی تعلقات نہیں ہیں جو اس مقالے میں رپورٹ کردہ کام پر اثر انداز ہوتے دکھائی دے سکتے ہیں۔

اعترافات

ہم اس پروجیکٹ پر اپنے تاثرات کے لیے مارک لپسچ کا شکریہ ادا کرتے ہیں۔ ہم Giang T. Nguyen اور Max Wang کا بھی شکریہ ادا کرتے ہیں کہ انھوں نے مخطوطہ کو تنقیدی مطالعہ کیا۔

اضافی مواد

اس مضمون سے منسلک اضافی مواد، آن لائن ورژن میں، doi:10.1016/j.ijid.2021.10.008 پر پایا جا سکتا ہے۔

For more information:1950477648nn@gmail.com