भारत में कोरोना वायरस के नए वैरिएंट ओमिक्रॉन को लेकर तीसरी लहर की शुरुआत हो चुकी है। आज भी यानी सोमवार को 1.8 लाख नए मामले सामने आए हैं। हालांकि, आज रिकवरी भी ठीक रही है। करीब 50 हजार लोगों ने इस महामारी को मात दी है। आईआटी के एक्सपर्ट्स ने तीसरी लहर की संभावित अवधि के बारे में बताया है।
इंडियन एक्सप्रेस की एक रिपोर्ट के मुताबिक, आईआटी कानपुर में गणित और कंप्यूटर विज्ञान के प्रोफेसर मनिंद्र अग्रवाल से जब पूछा गया कि तीसरी लहर का पीक कितना ऊंचा जा सकता है और आपको क्या लगता है कि यह लहर कब तक जारी रहेगी? उन्होंने और भी कई सवालों के खुलकर जवाब दिए हैं।
प्रोफेसर अग्रवाल का जवाब- तीसरी लहर इस महीने के मध्य में अपने पीक पर पहुंच सकती है। हमारे पास पूरे भारत के लिए प्रयाप्त डेटा तो नहीं है, लेकिन हमारी वर्तमान गणना के अनुसार हम उम्मीद करते हैं कि तीसरी लहर अगले महीने की शुरुआत में चरम पर पहुंच जाएगी। पीक की ऊंचाई वर्तमान में ठीक से नहीं ली जा रही है, क्योंकि पैरामीटर तेजी से बदल रहे हैं। एक अनुमान के रूप में हम एक दिन में चार से आठ लाख मामलों की एक विस्तृत श्रृंखला की भविष्यवाणी करते हैं।
उन्होंने आगे कहा, ”दिल्ली और मुंबई के ग्राफ जितनी तेजी से ऊपर गए हैं, उतनी ही तेजी से नीचे आने की संभावना है। भारत के अन्य हिस्सों में भी मामले बढ़ रहे हैँ। इसे चरम पर पहुंचने और नीचे आने में एक और महीने का समय लगना चाहिए। मार्च के मध्य तक भारत में महामारी की तीसरी लहर कमोबेश खत्म होने की संभावना है।
उनसे कंप्यूटर मॉडल की भविष्यवाणियां की विश्वसनीयता को लेकर भी सवाल पूछे गए। उसके बारे में उन्होंने कहा, ”यह सच है कि महामारियां स्वभाव से बहुत ही तेजी से बदलने वाली घटना है, लेकिन इसके कुछ बुनियादी सिद्धांत हैं। संक्रमित व्यक्ति के असंक्रमित व्यक्ति के संपर्क में आने पर संक्रमण फैल जाता है। यह काफी सरल विश्लेषण है कि जितने अधिक संक्रमित व्यक्ति होंगे, उतने अधिक नए संक्रमण पैदा होंगे। जितने अधिक असंक्रमित लोग होंगे उतने ही अधिक संक्रमित लोग बनेंगे। इसके आधार पर कोई एक मॉडल बनाता है।
मूल मॉडल लगभग 100 साल पहले बनाया गया था। इसे SIR मॉडल कहा जाता है और यह कई महामारियों की भविष्यवाणी करने में बहुत उपयोगी रहा है। हमने कुछ स्थानीय जमीनी हकीकतों को ध्यान में रखते हुए इस मॉडल में कुछ बदलाव किए हैं। हमारे मॉडल में हमने मापदंडों को इनपुट डेटा से ही उनके मूल्यों को सीखने की अनुमति दी है। हमें केवल रिपोर्ट किए गए नए मामलों की दैनिक समय श्रृंखला चाहिए। उस समय श्रृंखला से हम अपने मॉडल के लिए आवश्यक पैरामीटर मानों का अनुमान लगाने में सक्षम हैं।
इसका मतलब यह भी है कि जब हम अनुमान लगा रहे हों तो पैरामीटर मान नहीं बदलना चाहिए। अगर वे बदल रहे हैं, तो हमारे अनुमान गलत होंगे। मापदंडों को स्थिर करने के लिए मॉडल को कुछ समय की आवश्यकता होती है। हर बार जब पैरामीटर बदलते हैं, तो हमें फिर से गणना करनी होती है। अच्छी बात यह है कि इनपुट डेटा के अलावा मॉडल को पैरामीटर मानों की गणना करने के लिए किसी अन्य गणना की आवश्यकता नहीं है।
