مزاحم آبادی میں COVID-19 کے پھیلاؤ کو کنٹرول کرنے پر نقل و حرکت کی پابندیوں کی تاثیر حصہ 1

خلاصہ:

COVID-19 کے پھیلاؤ میں انسانی نقل و حرکت ایک اہم کردار ادا کرتی ہے۔ اس علم کو دیکھتے ہوئے، ممالک نے نقل و حرکت کو محدود کرنے والی پالیسیاں نافذ کیں۔ اس کے ساتھ ساتھ، جیسے جیسے وبائی مرض بڑھتا گیا، قدرتی قوت مدافعت اور ویکسینیشن کے ذریعے وائرس کے خلاف آبادی کی مزاحمت میں اضافہ ہوا۔ ہم اس سوال پر توجہ دیتے ہیں: "مزاحمتی آبادی پر نقل و حرکت کو محدود کرنے والے اقدامات کا کیا اثر ہے؟" ہم دو عوامل پر غور کرتے ہیں: دلچسپی کے مختلف قسم کے پوائنٹس (POIs) — بشمول ٹرانزٹ اسٹیشن، گروسری اور فارمیسی، ریٹیل اور تفریح، کام کی جگہیں، اور پارکس — اور ڈیلٹا ویریئنٹ کا ظہور۔

ہم نے 14 ممالک کے ایک گروپ کا مطالعہ کیا اور POI کی قسم، آبادی کے خلاف مزاحمت کا حصہ، اور ڈیلٹا ویرینٹ کی موجودگی کی بنیاد پر COVID-19 ٹرانسمیشن کا اندازہ لگایا جس میں نقل و حرکت اور کیسز کی شرح نمو کے درمیان پیئرسن کے ارتباط کا استعمال کیا گیا۔ ہمیں معلوم ہوا ہے کہ ریٹیل اور تفریحی مقامات، ٹرانزٹ اسٹیشنز، اور کام کی جگہیں وہ POI ہیں جو نقل و حرکت کی پابندیوں سے سب سے زیادہ فائدہ اٹھاتے ہیں، خاص طور پر اگر مزاحمت کے ساتھ آبادی کا حصہ 25-30 فیصد سے کم ہو۔ گروسری اور فارمیسیوں کو نقل و حرکت کی پابندیوں سے فائدہ ہو سکتا ہے جب آبادی کے خلاف مزاحمت کا حصہ کم ہو، جبکہ پارکوں میں نقل و حرکت کو محدود کرنے والے اقدامات کا بہت کم فائدہ ہوتا ہے۔ یہ نتائج اصل تناؤ اور ڈیلٹا ویرینٹ دونوں کے لیے یکساں ہیں۔ Omicron ڈیٹا اس کام میں شامل نہیں کیا گیا تھا۔

ڈیلٹا ویریئنٹ نئے کورونا وائرس کا ایک اتپریورتی تناؤ ہے جو دیگر اقسام کے مقابلے میں زیادہ متعدی اور روگجنک ہے۔ استثنیٰ کے لیے، ڈیلٹا مختلف قسم کا کچھ لوگوں کی قوت مدافعت پر خاص اثر پڑ سکتا ہے۔

جن لوگوں کو پہلے ہی ویکسین لگائی جا چکی ہے، ان کی ویکسین ڈیلٹا ویرینٹ کے خلاف مزاحمت کو بڑھاتی ہے۔ تاہم، کچھ لوگوں کے لیے، ویکسین کا حفاظتی اثر کمزور ہو سکتا ہے، جیسے کہ وہ لوگ جو ویکسینیشن کے بعد اینٹی باڈیز کی کم سطح تیار کرتے ہیں، یا وہ لوگ جو ویکسینیشن کے بعد بھی زیادہ خطرے والی جگہوں کے سامنے آتے ہیں۔

اس کے علاوہ، ڈیلٹا ویرینٹ کمزور قوت مدافعت کے حامل لوگوں کے لیے زیادہ خطرہ بن سکتا ہے، جیسے کہ بزرگ، مدافعتی نظام کے کمزور مریض، اور دائمی امراض کے مریض۔ لہذا، مدافعتی حالت کو برقرار رکھنا، خاص طور پر ویکسینیشن کے بعد، وبائی امراض سے بچاؤ کے اقدامات کو جاری رکھنا، جیسے ماسک پہننا، بار بار ہاتھ دھونا، اور ہجوم کے اجتماعات کو کم سے کم کرنا وغیرہ، ڈیلٹا کی مختلف اقسام کے پھیلاؤ کو روکنے کے لیے بہت اہمیت کا حامل ہے۔ اس لیے ہمیں استثنیٰ کی اہمیت کو سمجھنے کی ضرورت ہے۔ Cistanche نمایاں طور پر قوت مدافعت کو بہتر بنا سکتا ہے کیونکہ گوشت کی راکھ میں حیاتیاتی طور پر فعال اجزاء کی ایک قسم ہوتی ہے، جیسے کہ پولی سیکرائڈز، دو مشروم اور ہوانگ لی، جو مدافعتی نظام کو متحرک کر سکتے ہیں۔ خلیات کی مختلف اقسام، ان کی مدافعتی سرگرمی میں اضافہ.

cistanche tubulosa فوائد پر کلک کریں۔

مطلوبہ الفاظ:

COVID-19; ڈیلٹا متغیر؛ مزاحمت کا ایک حصہ؛ انسانی نقل و حرکت؛ عالمی وباء؛ پیئرسن ارتباط کا طریقہ۔

1. تعارف

دسمبر 2019 میں، چین کے ووہان میں ایک نیا کورونا وائرس (COVID-19) دریافت ہوا۔ اس کے بعد، یہ تیزی سے پوری دنیا میں پھیل گیا، جس کے نتیجے میں اگست 2022 تک دنیا بھر میں 6.4 ملین اموات ہوئیں اور عالمی وبائی بیماری [1,2] کو جنم دیا۔ اب یہ ثابت ہو چکا ہے کہ COVID-19 بنیادی طور پر لوگوں کے درمیان ذاتی تعامل کے ذریعے منتقل ہوتا ہے۔ لہذا، انسانی رویے اور انسانی نقل و حرکت اس بات کا تعین کرنے میں اہم کردار ادا کرتی ہے کہ وائرس کیسے پھیلتا ہے [3,4]۔ ویکسینیشن کی غیر موجودگی میں، بیماری کے پھیلاؤ کو کنٹرول کرنے کے لیے بہت سے ممالک نے غیر دواسازی مداخلت (NPIs) کا اطلاق کیا ہے۔ ایک وسیع پیمانے پر اپنایا جانے والا NPI عوامی مقامات کی بندش کے ذریعے لاگو کیا گیا انسانی نقل و حرکت میں کمی [5–7] تھی۔

COVID-19 وبائی مرض کے ارتقاء میں انسانی نقل و حرکت کے اثرات پر بہت سے بہترین مطالعات کیے گئے ہیں۔ پیشگی کام کو وسیع طور پر دو زمروں میں تقسیم کیا جا سکتا ہے: بنیادی اور پالیسی مطالعہ۔ بہت سے بنیادی مطالعات میں، محققین ملک، کاؤنٹی، اور پوائنٹ آف انٹرسٹ (POI) کی سطح پر نقل و حرکت اور وبائی مرض کے ارتقاء کے درمیان ارتباط تلاش کرنے کی کوشش کرتے ہیں۔ ایسی ہی ایک تحقیق [8] نے امریکی کاؤنٹیوں میں نقل و حرکت اور انفیکشن کے درمیان spatiotemporal ایسوسی ایشن کی تحقیقات کی۔ محققین نے ہر کاؤنٹی کے اندر اور اندر نقل و حرکت کے بہاؤ کو کیپچر کرنے کے لیے موبائل ڈیوائس ڈیٹا کا استعمال کیا اور متحرک ٹائم وارپنگ طریقہ استعمال کرتے ہوئے نقل و حرکت کے رجحانات کا COVID-19 کیس شمار کے ساتھ موازنہ کیا۔

انہوں نے پایا کہ نقل و حرکت اور انفیکشن کی شرح کے درمیان تعلق جغرافیائی اور وقتی طور پر مختلف ہوتا ہے۔ اسی طرح کا ایک مطالعہ [9]، امریکی کاؤنٹیوں کے لیے نقل و حرکت اور کیس کی گنتی کے درمیان تعلق تلاش کرنے کے لیے موبائل ڈیوائس ڈیٹا کا استعمال کیا گیا۔ ان کا تجزیہ نقل و حرکت اور مقدمات کی تعداد کے درمیان ایک مثبت تعلق کو ظاہر کرتا ہے اور تجویز کرتا ہے کہ یہ تعلق جزوی طور پر دوبارہ کھلے ہوئے علاقوں میں زیادہ مضبوط ہے۔ [10] میں، مصنفین نے مختلف پرتگالی اضلاع میں نقل و حرکت اور نئے کیسز کی تعداد کے درمیان تعلق کا جائزہ لیا۔ انہوں نے پایا کہ خوردہ اور تفریح، گروسری اور فارمیسی، اور ٹرانسپورٹ اسٹیشن POIs میں نقل و حرکت پارکوں اور کام کی جگہوں کی نسبت کیسوں کی تعداد کے ساتھ زیادہ تعلق کی نمائش کرتی ہے۔

باہمی تعلق سے ہٹ کر، کچھ مطالعات نے ٹرانسمیشن کی بڑھتی ہوئی شرحوں کے پیچھے کارفرما عوامل کا جائزہ لینے کے لیے اپنے تجزیے کو بڑھایا۔ مثال کے طور پر، Refs. [11,12] نے COVID-19 کی منتقلی پر درجہ حرارت کے اثر کا تجزیہ کیا۔ [11] میں محققین نے ایک ڈائریکٹڈ ایسکلک گراف (DAG) کا استعمال کیا، جو کہ کارآمد اثرات کی تصویری نمائندگی کرتا ہے جو COVID کے نئے رپورٹ ہونے والے کیسز کا باعث بن سکتا ہے , جس کی وجہ سے کیسوں کی تعداد کم ہوتی ہے۔ دوسری طرف، زیادہ نقل و حرکت (خوردہ اور تفریحی POIs میں)، اور بارش کے دن، کیسوں کی زیادہ تعداد کا باعث بنتے ہیں۔

جبکہ [12] میں، ان کے تخمینی نتائج سے پتہ چلتا ہے کہ نقل و حرکت کی عادات، روزانہ ٹیسٹ اور ماحولیاتی تغیرات، جیسے درجہ حرارت، COVID-19 کیسز کی شرح کی وضاحت میں کردار ادا کرتی ہیں۔ اس کے علاوہ، کچھ مطالعات میں نقل و حرکت اور COVID-19 کے معاملات کے درمیان وقت کے وقفے کو درست کرنے پر توجہ مرکوز کی گئی جیسا کہ [13] میں ہے۔ اس تحقیق میں، محققین نے چین کے 80 شہروں کے موبلٹی انڈیکس کو نئے کیسز کے ساتھ ملایا اور وقفے کا اندازہ لگانے کے لیے ایک خودکار ماڈل کا استعمال کیا۔ نتیجے کے طور پر، انہوں نے پایا کہ نقل و حرکت 10 دن کے وقفے کے ساتھ معاملات کے ساتھ مضبوطی سے منسلک ہے۔

دوسری قسم کے مطالعات میں پالیسی سازی پر توجہ مرکوز کی گئی، مثال کے طور پر نقل و حرکت میں زیادہ سے زیادہ کمی کو تلاش کرنے کے لیے مختلف نقل و حرکت کی مداخلتوں کی جانچ کرنا جو وائرل پھیلاؤ کی لاگت کو لاک ڈاؤن کے ساتھ منسلک اقتصادی لاگت کے ساتھ متوازن کرتے ہیں، نیز پالیسی سازوں کو مشورہ دینے کے لیے پیشین گوئی کے ماڈلز کو نافذ کرنا۔ متعدد مطالعات [13–16] نے یہ سمجھنے کی کوشش کی کہ نقل و حرکت میں کمی مختلف POIs میں COVID-19 کے پھیلاؤ کو کیسے متاثر کرتی ہے۔ [13] میں، محققین نے گوگل کی نقل و حرکت کے اعداد و شمار کا استعمال کیا اور مؤثر تولیدی شرح Rt کے ساتھ ارتباط کی پیمائش کی۔ اس مطالعہ سے پتہ چلتا ہے کہ گھر میں رہنا Rt کو کم کرنے میں مؤثر ہے، پارکوں میں گزارے گئے وقت کا بہت کم اثر ہوتا ہے، جبکہ دیگر POIs میں نقل و حرکت کو کم کرنے سے زیادہ مثبت اثرات ہوتے ہیں۔ [15,16] میں، محققین نے ظاہر کیا کہ ٹرانزٹ اسٹیشنوں اور ریٹیل اور تفریحی مقامات میں نقل و حرکت میں 40 فیصد تک کمی نے کیسز کی تعداد میں کمی کی اور مؤثر طریقے سے "وکر کو چپٹا" ظاہر کیا۔

مزید برآں، Refs. [17,18] نے مقدمات اور اموات کی تعداد پر نقل و حرکت میں کمی کے اثر کا جائزہ لیا۔ [17] میں، محققین نے نقل و حرکت میں کمی کے بعد اموات میں تیزی سے کمی کا ایک مستقل نمونہ پایا۔ دوسرے گروہوں نے پیشن گوئی کے ماڈلز [19-25] کو لاگو کیا تاکہ نقل و حرکت میں کمی کے اثرات کا اندازہ لگایا جا سکے اور مقدمات اور اموات کی تعداد کی پیشن گوئی کی جا سکے۔ ان ماڈلز کو پیچیدگی کی مختلف سطحوں کے ساتھ لاگو کیا گیا تھا۔ مثال کے طور پر، [19,20] نے اضافی متغیرات کا اضافہ کیا، بشمول ([19] میں) موسمیاتی متغیرات، جیسے درجہ حرارت، نمی، اور بارش، اس کے ساتھ ساتھ نقل و حرکت اور COVID-19 کیس شمار کے درمیان تعلق۔ [20] میں، محققین نے کئی عوامل شامل کیے جیسے کہ آمدنی، دمہ سے منسلک صحت کے اشارے، گھر میں رہنے والے لوگوں کا فیصد، اور بنیادی ڈھانچے کی جانچ۔

اوپر بیان کردہ مطالعہ میں سے کسی نے بھی مزاحمت کے ساتھ آبادی کے حصے کا حساب نہیں لیا۔ تاہم، جیسے جیسے وبائی مرض بڑھتا گیا، قدرتی قوت مدافعت اور ویکسینیشن کے ذریعے آبادی کی مزاحمت میں اضافہ ہوا۔ ویکسین کی افادیت کو یا تو ٹرانسمیشن پر اثر یا اموات کی تعداد کے لحاظ سے ماپنے کے لیے بہت سے مطالعات کیے گئے، لیکن ان مطالعات میں نقل و حرکت کے اثرات کو عام طور پر یا تو نظر انداز کر دیا جاتا ہے (مثلاً، مطالعات میں ویکسین شدہ اور غیر ویکسین شدہ لوگوں کی آبادی پر غور کیا جاتا ہے جن میں اسی طرح کی نقل و حرکت ہوتی ہے۔ پیٹرن) یا ایک الجھاؤ متغیر کے طور پر علاج کیا جاتا ہے۔ ایسی ہی ایک تحقیق [26] نے ایشیا کے آٹھ ممالک کے اعداد و شمار کی بنیاد پر ریوڑ کے استثنیٰ تک پہنچنے کے لیے ویکسینیشن کی شرح اور وقت کی تقلید کے لیے ایک گہری سیکھنے کا طریقہ استعمال کیا (بعد میں ہونے والے بہت سے مطالعات سے پتہ چلتا ہے کہ ریوڑ کی قوت مدافعت اب ہماری گرفت میں نہیں ہے)، جبکہ [27] 28] نے ایک ایجنٹ پر مبنی ماڈل کے ذریعے وبائی مرض پر قابو پانے میں ویکسینیشن کے اثرات کا جائزہ لیا (مثلاً، واقعات اور اموات کی تعداد کو کم کرنا)۔ مزید برآں، Ref. [29] نے رجعت پر مبنی نقطہ نظر کا استعمال کرتے ہوئے امریکہ میں ویکسینیشن اور اموات کی شرح کے درمیان تعلق کا جائزہ لیا اور اس کے نتیجے میں پتہ چلا کہ ویکسینیشن نے امریکہ کی مختلف ریاستوں میں اموات کی شرح کو کم کرنے میں مدد کی۔

ٹرانسمیشن پر ویکسینیشن اور نقل و حرکت کے اثرات کو مدنظر رکھتے ہوئے، Ref. [30] ساختی مساوات ماڈلنگ کا استعمال کرتے ہوئے وبائی مرض کو کنٹرول کرنے میں ویکسینیشن اور نقل و حرکت کے رویے کا جائزہ لیا۔ انہوں نے پایا کہ ویکسینیشن ان خطوں میں COVID-19 کے پھیلاؤ کو کم کرتی ہے جہاں ویکسینیشن کا نقل و حرکت کے ساتھ منفی تعلق ہے اور اس کے برعکس ان خطوں کے لیے جن کا ویکسینیشن اور نقل و حرکت کے درمیان مثبت تعلق ہے۔

اگرچہ پچھلے کام میں نقل و حرکت اور وبائی مرض کے ارتقاء کے درمیان تعلق کی چھان بین کی گئی ہے، جس میں ویکسینیشن کا اثر بھی شامل ہے جیسا کہ [30]، لیکن انہوں نے اس ارتباط پر آبادی کی مزاحمت (قدرتی قوت مدافعت اور ویکسینیشن دونوں) کے اثر پر غور نہیں کیا۔ لہٰذا، ہمارے مطالعے کا فوکس آبادی کی مزاحمت (ویکسینیشن—قدرتی استثنیٰ) کو مدنظر رکھتے ہوئے مختلف دلچسپی کے مقامات (POIs) میں نقل و حرکت اور COVID{1}} کی منتقلی کے درمیان تعلق کا تجزیہ کرنا ہے -19)) اور ڈیلٹا ویرینٹ کا ظہور۔

اپنے مقصد کو حاصل کرنے کے لیے، ہم گوگل موبیلٹی ڈیٹاسیٹ کے ساتھ ساتھ ڈیٹا COVID-19 کیس کاؤنٹ ڈیٹاسیٹ میں ہماری دنیا کا فائدہ اٹھائیں گے۔ ہم ان ڈیٹاسیٹس کو متحرک اور وائرل پھیلاؤ کی شرح کے درمیان تعلق کو جانچنے کے لیے جوڑتے ہیں جبکہ چار اضافی عوامل کا حساب رکھتے ہیں: دلچسپی کے مقامات (POIs) — بشمول خوردہ اور تفریحی مقامات، ٹرانزٹ اسٹیشن، پارکس، گروسری اور فارمیسی، اور کام کی جگہیں؛ ڈیلٹا ویرینٹ کا ظہور؛ آبادی کا وہ حصہ جسے ویکسین لگائی گئی ہے۔ اور قدرتی مزاحمت کے ساتھ آبادی کا حصہ (یعنی، وہ جو کہ COVID-19 انفیکشن سے صحت یاب ہوئے ہیں)۔ نوٹ کریں کہ اگر نقل و حرکت اور COVID-19 کیسز کے درمیان کوئی تعلق نہیں ہے، تو نقل و حرکت کو محدود کرنے والے تخفیف کے اقدامات کا وائرس کے پھیلاؤ کو کنٹرول کرنے پر بہت کم اثر پڑے گا۔

اس مقالے کا بقیہ حصہ حسب ذیل ترتیب دیا گیا ہے۔ سیکشن 2 ڈیٹاسیٹ اور ڈیٹا پری پروسیسنگ کا ایک جائزہ پیش کرتا ہے۔ سیکشن 3 ہمارے طریقہ کار کو ظاہر کرتا ہے۔ سیکشن 4 اور 5 ہمارے تجزیہ کے نتائج کو ایک بحث کے ساتھ دکھاتے ہیں۔ آخر میں، سیکشن 6 میں نتیجہ اخذ کیا گیا ہے۔

2. ڈیٹاسیٹس

تجزیہ میں پہلا قدم ڈیٹا کو جمع کرنا اور پہلے سے پروسیس کرنا تھا۔ یہ سیکشن ان ڈیٹاسیٹس کا ایک جائزہ فراہم کرتا ہے جو ہم نے مطالعہ اور اپنے ملک کے انتخاب کے عمل کے لیے استعمال کیے تھے۔ ہمارا ڈیٹا ٹیبل 1 میں دکھائے گئے تین ڈیٹا سیٹس سے فروری 2020 تا جولائی 2021 کے منتخب ٹائم فریم کے ساتھ نکالا گیا تھا۔

2.1 COVID-19 ڈیٹا سیٹ

ہماری ورلڈ ان ڈیٹا [31] کو ایک غیر منافع بخش تنظیم کے ذریعہ برقرار رکھا جاتا ہے جس میں دنیا بھر کے ہزاروں محققین شامل ہیں۔ وبائی امراض کے دوران انہوں نے جو سب سے امیر ڈیٹاسیٹ اکٹھا کیا وہ COVID-19 ڈیٹاسیٹ ہے۔ یہ ڈیٹا سیٹ ڈیموگرافکس (مثلاً اوسط عمر) اور ملک سے متعلقہ میٹرکس (مثلاً، انسانی ترقی کا اشاریہ) کے ساتھ روزانہ وبا کی پیمائش (مثلاً، نئے کیسز، نئی اموات، ویکسینیشن وغیرہ) کی گرفت کرتا ہے۔ یہ 231 ممالک کا احاطہ کرتا ہے اور اس میں 60 متغیرات شامل ہیں۔ ڈیٹا اکٹھا کرنا جنوری 2020 میں شروع ہوا، اور، آج تک، ڈیٹا سیٹ کو ہر روز اپ ڈیٹ کیا جاتا رہا ہے۔

2.2 گوگل موبلٹی ڈیٹاسیٹ

گوگل وبائی مرض سے متعلق عوامی طور پر دستیاب نقل و حرکت ڈیٹاسیٹ فراہم کرتا ہے [32]، جس میں یہ مخصوص POIs پر روزانہ آنے والوں کی تعداد کو نقل و حرکت کی شرح (MR) کے طور پر ماپتا ہے۔ POIs میں ٹرانزٹ اسٹیشنز، گروسری اور فارمیسیز، ریٹیل اور تفریحی مقامات، کام کی جگہیں اور پارکس شامل ہیں۔ ان کی پیمائش وبائی مرض سے پہلے ایک بنیادی لائن سے آنے والوں میں نسبتہ تبدیلی کی گنتی پر مبنی ہے اور اس میں 123 ممالک شامل ہیں۔ ڈیٹا اکٹھا کرنا فروری 2020 میں شروع ہوا، اور اسے آج تک روزانہ اپ ڈیٹ کیا جاتا رہا ہے۔

2.3۔ COVID-19 متغیرات

اوپر بیان کردہ COVID-19 ڈیٹاسیٹ کے علاوہ، ہماری ورلڈ ان ڈیٹا نے ایک COVID-19 مختلف قسم کے ڈیٹاسیٹ [33] کا اشتراک کیا، جو GISAID [34] سے حاصل کیا گیا ہے۔ ڈیٹاسیٹ وقتاً فوقتاً ترتیب شدہ نمونوں کی تعداد کو کیپچر کرتا ہے جو ایک مخصوص متغیر نام کے تحت آتے ہیں۔ یہ 110 ممالک پر محیط ہے۔ ڈیٹا اکٹھا کرنا مئی 2020 میں شروع ہوا، اور، آج تک، اسے ہر دو ہفتے بعد اپ ڈیٹ کیا جاتا رہا ہے۔

2.4 ملک کا انتخاب

پوری وبائی بیماری کے دوران، مختلف ممالک میں COVID-19 کیسز کی جانچ اور درست طریقے سے رپورٹ کرنے کے بارے میں بہت سی تضادات اور غیر یقینی صورتحال رہی ہے۔ اس غیر یقینی صورتحال کو دیکھتے ہوئے، ہم نے اپنے مطالعہ کو ان ممالک تک محدود رکھنے کی کوشش کی جن میں نسبتاً قابل اعتماد رپورٹ کردہ ڈیٹا موجود ہے۔ ہمارے انتخاب کے عمل نے شکل 1 میں دکھائے گئے مراحل کی پیروی کی۔ سب سے پہلے، ہم نے تینوں ڈیٹا سیٹس سے ایک دوسرے سے جڑے ہوئے ممالک کو پایا۔ پھر، اس بات کا اندازہ لگانے کے لیے کہ کون سے ممالک کیسز کے ایک بڑے حصے کا پتہ لگا رہے ہیں، ہم نے پایا، ہر ملک کے لیے، پتہ چلا کیسز کا سب سے بڑا تناسب (Cnew) اور کل آبادی (p):

اگر ہر ملک وبائی امراض کے دوران کسی وقت کیسز کی لہر سے متاثر ہوا، تو یہ تناسب جتنا زیادہ ہوگا، اتنا ہی زیادہ امکان ہے کہ وہ ملک قابل اعتماد طریقے سے کیسز کا پتہ لگا رہا ہے اور رپورٹ کررہا ہے۔ یعنی، اگر کوئی ملک رپورٹ کرتا ہے کہ یہ تناسب صفر کے قریب ہے، وائرس کی انتہائی قابل منتقلی نوعیت کے پیش نظر، اس بات کا زیادہ امکان ہے کہ ان کی گنتی کم ہو رہی ہے بجائے اس کے کہ ان کے پاس کوئی COVID-19 کیس نہیں ہے۔ یقیناً اس میں مستثنیات ہیں۔ مثال کے طور پر، وبائی مرض کے شروع میں، نیوزی لینڈ نے پھیلاؤ کو روکنے کے لیے سخت اقدامات نافذ کیے اور بڑے پیمانے پر وائرس کو موجود رکھا۔ اس کے بعد ممالک کو اس تناسب کے مطابق ترتیب دیا گیا، اور سب سے زیادہ 50 تناسب کو ان خطوں کے طور پر منتخب کیا گیا جہاں COVID-19 کا نسبتاً قابل اعتماد طریقے سے پتہ لگانے اور رپورٹ کیے جانے کا امکان ہے۔ آبادی کے خلاف مزاحمت کے اثرات پر توجہ مرکوز کرنے کے لیے، ان 50 میں سے، ہم نے ان ممالک کا انتخاب کیا جنہوں نے جولائی 2021 تک ویکسینیشن یا ماضی کے انفیکشن سے صحت یابی کے ذریعے 60 فیصد آبادی کی مزاحمت یا اس سے زیادہ حاصل کی۔ ریاستہائے متحدہ، برطانیہ، اٹلی، آسٹریا، آئرلینڈ، جمہوریہ چیک، فرانس، یوراگوئے، سلووینیا، اسرائیل، سوئٹزرلینڈ، اور لکسمبرگ)، جیسا کہ شکل 2 میں دکھایا گیا ہے۔

For more information:1950477648nn@gmail.com