ഇൻസിഡൻസും പ്രിവലൻസും തമ്മിലുള്ള പ്രധാന വ്യത്യാസങ്ങൾ
എപ്പിഡെമിയോളജിയിൽ ഒരു രോഗത്തിന്റെയോ ആരോഗ്യസ്ഥിതിയുടെയോ വ്യാപനം അളക്കുന്നതിനുള്ള രണ്ട് അടിസ്ഥാന സൂചകങ്ങളാണ് ഇൻസിഡൻസും പ്രിവലൻസും. ഇവ രണ്ടും വ്യത്യസ്തമായ വിവരങ്ങളാണ് നൽകുന്നത്. ഒരു നിശ്ചിത കാലയളവിൽ പുതുതായി ഉണ്ടാകുന്ന കേസുകളെയാണ് ഇൻസിഡൻസ് സൂചിപ്പിക്കുന്നത്. അതായത്, ഒരു രോഗാവസ്ഥ എത്ര വേഗത്തിലാണ് ജനസംഖ്യയിൽ പടരുന്നത് അല്ലെങ്കിൽ ഉണ്ടാകുന്നത് എന്ന് ഇത് വ്യക്തമാക്കുന്നു. ഇതിനു വിപരീതമായി, ഒരു പ്രത്യേക സമയത്ത് നിലവിലുള്ള എല്ലാ കേസുകളുടെയും (പഴയതും പുതിയതുമായ കേസുകൾ ഒരുമിച്ച്) ആകെ എണ്ണത്തെയാണ് പ്രിവലൻസ് സൂചിപ്പിക്കുന്നത്. ഇത് ഒരു നിശ്ചിത നിമിഷത്തിലെ ആകെ രോഗഭാരത്തിന്റെ ചിത്രം നൽകുന്നു.
കുറഞ്ഞ കാലയളവിലുള്ള ഒരു രോഗത്തിന് (ഉദാഹരണത്തിന് ജലദോഷം) ഒരേ സമയം ഉയർന്ന ഇൻസിഡൻസും കുറഞ്ഞ പ്രിവലൻസും ഉണ്ടാകാം, കാരണം പുതിയ കേസുകൾ വേഗത്തിൽ ഉണ്ടാകുമെങ്കിലും ആളുകൾ പെട്ടെന്ന് സുഖം പ്രാപിക്കുന്നു. എന്നാൽ പ്രമേഹം പോലുള്ള ദീർഘകാലം നീണ്ടുനിൽക്കുന്ന ഒരു രോഗത്തിന് ഇൻസിഡൻസ് കുറവാണെങ്കിൽ പോലും, രോഗികൾ ദീർഘകാലം ജീവിച്ചിരിക്കുന്നതിനാൽ പ്രിവലൻസ് കേസുകൾ കാലക്രമേണ വർദ്ധിച്ചുകൊണ്ടിരിക്കും.
എപ്പിഡെമിയോളജിയിലെ ഛേദങ്ങൾ (Denominators) മനസ്സിലാക്കൽ
ക്യുമുലേറ്റീവ് ഇൻസിഡൻസും ഇൻസിഡൻസ് റേറ്റും വ്യത്യസ്തമായ ഛേദങ്ങളാണ് ഉപയോഗിക്കുന്നത്. ഈ വ്യത്യാസം കൃത്യമായി മനസ്സിലാക്കുന്നത് ശരിയായ പൊതുജനാരോഗ്യ റിപ്പോർട്ടുകൾ തയ്യാറാക്കാൻ അത്യാവശ്യമാണ്.
- ക്യുമുലേറ്റീവ് ഇൻസിഡൻസ് (Cumulative incidence): ഇതിനെ 'ഇൻസിഡൻസ് പ്രൊപ്പോർഷൻ — നിശ്ചിത കാലയളവിലെ സാധ്യത' എന്നും വിളിക്കുന്നു. പഠനവിധേയമാക്കുന്ന കാലയളവിന്റെ തുടക്കത്തിൽ രോഗമില്ലാത്തവരും എന്നാൽ രോഗം വരാൻ സാധ്യതയുള്ളവരുമായ ആളുകളുടെ എണ്ണമാണ് ഇതിൽ ഛേദമായി വരുന്നത്. ഇത് ഒരു വ്യക്തിക്ക് നിശ്ചിത കാലയളവിൽ രോഗം വരാനുള്ള സാധ്യതയെ കാണിക്കുന്നു.
- ഇൻസിഡൻസ് റേറ്റ് (Incidence rate): ഇതിനെ 'ഇൻസിഡൻസ് ഡെൻസിറ്റി — പുതിയ കേസുകൾ എത്ര വേഗത്തിൽ ഉണ്ടാകുന്നു' എന്ന് വിശേഷിപ്പിക്കുന്നു. ഇതിൽ ഛേദമായി വരുന്നത് 'പേഴ്സൺ-ടൈം' ആണ്. രോഗസാധ്യതയുള്ള സമയത്ത് ഓരോ വ്യക്തിയെയും യഥാർത്ഥത്തിൽ നിരീക്ഷിച്ച സമയത്തിന്റെ ആകെ തുകയാണിത്. ആളുകൾ വ്യത്യസ്ത സമയങ്ങളിൽ പഠനത്തിൽ ചേരുമ്പോഴോ, നിരീക്ഷണം പൂർത്തിയാക്കാതെ പോകുമ്പോഴോ അല്ലെങ്കിൽ രോഗം ബാധിക്കുമ്പോഴോ ഇൻസിഡൻസ് റേറ്റ് കൃത്യമായ ഫലം നൽകുന്നു.
ഓരോ അളവും അതിന്റെ സ്വന്തം ഛേദത്തിൽ നിന്നാണ് കണക്കാക്കുന്നത്. അതിനാൽ പ്രൊപ്പോർഷനുകൾ അതിന്റെ കാലയളവിനൊപ്പവും റേറ്റ് അതിന്റെ സമയ യൂണിറ്റിനൊപ്പവും രേഖപ്പെടുത്തേണ്ടത് അത്യന്താപേക്ഷിതമാണ്.
പേഴ്സൺ-ടൈം കണക്കാക്കുന്ന രീതി
പേഴ്സൺ-ടൈം കണക്കാക്കാൻ രോഗസാധ്യതയുള്ള ഓരോ വ്യക്തിയുടെയും നിരീക്ഷണ സമയം തമ്മിൽ കൂട്ടുകയാണ് ചെയ്യുന്നത്. ഉദാഹരണത്തിന്, 50 ആളുകളെ വീതം 2 വർഷം നിരീക്ഷിച്ചാൽ അത് 100 പേഴ്സൺ-ഇയേഴ്സ് സംഭാവന ചെയ്യുന്നു. ഒരു വ്യക്തിക്ക് രോഗം ബാധിക്കുമ്പോഴോ, പഠനത്തിൽ നിന്ന് പുറത്തുപോകുമ്പോഴോ അല്ലെങ്കിൽ നിരീക്ഷണ കാലയളവ് അവസാനിക്കുമ്പോഴോ അവരുടെ സമയം കണക്കാക്കുന്നത് നിർത്തുന്നു.
നിങ്ങൾക്ക് കൃത്യമായ വ്യക്തിഗത വിവരങ്ങൾ ലഭ്യമല്ലെങ്കിൽ, ജനസംഖ്യയെ കാലയളവ് കൊണ്ട് ഗുണിച്ചും (ജനസംഖ്യ × കാലയളവ്) ഏകദേശ പേഴ്സൺ-ടൈം കണ്ടെത്താം. ഈ കാൽക്കുലേറ്റർ എപ്പോഴും യഥാർത്ഥത്തിൽ ഉപയോഗിച്ച ഛേദം കൃത്യമായി രേഖപ്പെടുത്തുന്നു.
സ്റ്റെഡി-സ്റ്റേറ്റ് അവസ്ഥയിലെ ഗണിതശാസ്ത്ര ബന്ധം
ഒരു രോഗാവസ്ഥ സ്ഥിരതയുള്ള അവസ്ഥയിലാണെങ്കിൽ (Steady-state), അതായത് പുതിയ കേസുകൾ ഉണ്ടാകുന്ന നിരക്കും രോഗം ഭേദമാകുന്നതോ മരണപ്പെടുന്നതോ ആയ നിരക്കും തുല്യമാണെങ്കിൽ, ഇൻസിഡൻസും പ്രിവലൻസും തമ്മിൽ ഒരു ഗണിതശാസ്ത്ര ബന്ധമുണ്ട്.
പ്രിവലൻസ് ≈ ഇൻസിഡൻസ് റേറ്റ് × ശരാശരി ദൈർഘ്യം
രണ്ട് അളവുകളും ലഭ്യമാകുമ്പോൾ, ഈ കാൽക്കുലേറ്റർ ഒരു കണ്ടെത്തലായല്ല, മറിച്ച് ഒരു സ്ഥിരീകരണ പരിശോധനയായി (സ്റ്റെഡി-സ്റ്റേറ്റ് ക്രോസ്-ചെക്ക്) ഇതിൽ നിന്ന് ലഭിക്കുന്ന ശരാശരി ദൈർഘ്യം കാണിക്കുന്നു. രോഗാവസ്ഥ ഒരു സ്റ്റെഡി-സ്റ്റേറ്റിൽ ആണെങ്കിൽ മാത്രമേ ഈ കണക്കുകൂട്ടൽ അർത്ഥവത്താകൂ.
റിപ്പോർട്ടിംഗ് ഗുണിതങ്ങൾ തിരഞ്ഞെടുക്കൽ
രോഗത്തിന്റെ അപൂർവ്വതയ്ക്ക് അനുയോജ്യമായ ഗുണിതങ്ങൾ ("റേറ്റ് റിപ്പോർട്ട് ചെയ്യേണ്ടത്") തിരഞ്ഞെടുക്കുന്നത് ഫലങ്ങൾ എളുപ്പത്തിൽ മനസ്സിലാക്കാൻ സഹായിക്കുന്നു. സാധാരണ രോഗങ്ങൾക്ക് ശതമാനവും (%), കുറഞ്ഞ അളവിലുള്ളവയ്ക്ക് 1,000 അല്ലെങ്കിൽ 10,000-ൽ എന്ന രീതിയും അനുയോജ്യമാണ്. ക്യാൻസർ പോലുള്ള രോഗങ്ങളുടെ നിരീക്ഷണങ്ങൾ സാധാരണയായി 100,000 പേഴ്സൺ-ഇയേഴ്സിൽ ആണ് റിപ്പോർട്ട് ചെയ്യാറുള്ളത്. ഗുണിതം സംഖ്യയുടെ സ്കെയിൽ മാത്രമേ മാറ്റുന്നുള്ളൂ — ഇത് ഒരിക്കലും യഥാർത്ഥ ഛേദത്തെ മാറ്റില്ല.
കാൽക്കുലേറ്റർ ഉപയോഗിക്കുന്ന രീതിയും ഇൻപുട്ടുകളും
ഈ ടൂളിൽ "നിങ്ങളുടെ കണക്കുകൾ" എന്ന വിഭാഗത്തിന് കീഴിൽ താഴെ പറയുന്ന വിവരങ്ങൾ നൽകേണ്ടതുണ്ട്:
കേസുകൾ
- കാലയളവിലെ പുതിയ കേസുകൾ: നിരീക്ഷണത്തിലിരിക്കെ രോഗം ബാധിച്ച ആളുകളുടെ എണ്ണം (പൂർണ്ണസംഖ്യ).
- റഫറൻസ് സമയത്ത് നിലവിലുള്ള കേസുകൾ: റഫറൻസ് സമയത്ത് രോഗാവസ്ഥയുള്ള എല്ലാവരും — പഴയതും പുതിയതുമായ കേസുകൾ ഒരുമിച്ച് (പൂർണ്ണസംഖ്യ).
ജനസംഖ്യകൾ
- തുടക്കത്തിൽ രോഗസാധ്യതയുള്ള ജനസംഖ്യ: നിശ്ചിത കാലയളവിൽ രോഗം വരാൻ സാധ്യതയുണ്ടായിരുന്ന, രോഗമില്ലാത്ത ആളുകൾ (പൂർണ്ണസംഖ്യ).
- നിരീക്ഷിച്ച പേഴ്സൺ-ടൈം: രോഗസാധ്യതയുള്ള എല്ലാവരെയും നിരീക്ഷിച്ച ആകെ സമയം. ഇതിനായി "വർഷങ്ങൾ", "മാസങ്ങൾ", "ആഴ്ചകൾ", അല്ലെങ്കിൽ "ദിവസങ്ങൾ" എന്നീ സമയ യൂണിറ്റുകൾ തിരഞ്ഞെടുക്കാം.
- റഫറൻസ് സമയത്തെ ആകെ ജനസംഖ്യ: നിലവിലുള്ള കേസുകൾ കണക്കാക്കിയ ആകെ ജനസംഖ്യ (പൂർണ്ണസംഖ്യ).
നിങ്ങൾ നൽകുന്ന കണക്കുകളും ജനസംഖ്യയും ഈ പേജിൽ തന്നെ തുടരും. കണക്കുകൂട്ടലുകൾ നിങ്ങളുടെ ബ്രൗസറിലാണ് നടക്കുന്നത്, ഒന്നും അപ്ലോഡ് ചെയ്യുകയോ സൂക്ഷിക്കുകയോ പങ്കിടുകയോ ചെയ്യുന്നില്ല.
കണക്കുകൂട്ടൽ നിയമങ്ങളും പിശകുകളും
കൃത്യമായ ഫലങ്ങൾ ലഭിക്കുന്നതിനായി കാൽക്കുലേറ്റർ ചില കർശനമായ നിയമങ്ങൾ പിന്തുടരുന്നു:
- കേസുകളുടെ എണ്ണവും ജനസംഖ്യയും പൂർണ്ണസംഖ്യകളായിരിക്കണം. അല്ലാത്തപക്ഷം "കേസുകളുടെ എണ്ണവും ജനസംഖ്യയും പൂർണ്ണസംഖ്യകളായിരിക്കണം." എന്ന പിശക് കാണിക്കും.
- മൂല്യങ്ങൾ നെഗറ്റീവ് ആകാൻ പാടില്ല. നെഗറ്റീവ് സംഖ്യകൾ നൽകിയാൽ "മൂല്യങ്ങൾ നെഗറ്റീവ് ആകാൻ പാടില്ല." എന്ന സന്ദേശം ലഭിക്കും.
- ഛേദം പൂജ്യത്തേക്കാൾ വലുതായിരിക്കണം. പൂജ്യം നൽകിയാൽ "ഛേദം പൂജ്യത്തേക്കാൾ വലുതായിരിക്കണം." എന്ന് കാണിക്കും.
- പുതിയ കേസുകൾ രോഗസാധ്യതയുള്ള ജനസംഖ്യയേക്കാൾ കൂടാൻ പാടില്ല. ഈ പരിധി ലംഘിച്ചാൽ "പുതിയ കേസുകൾ രോഗസാധ്യതയുള്ള ജനസംഖ്യയേക്കാൾ കൂടാൻ പാടില്ല — രണ്ട് സംഖ്യകളും പരിശോധിക്കുക." എന്ന പിശക് കാണിക്കും.
- നിലവിലുള്ള കേസുകൾ ആകെ ജനസംഖ്യയേക്കാൾ കൂടാൻ പാടില്ല. അല്ലാത്തപക്ഷം "നിലവിലുള്ള കേസുകൾ ആകെ ജനസംഖ്യയേക്കാൾ കൂടാൻ പാടില്ല — രണ്ട് സംഖ്യകളും പരിശോധിക്കുക." എന്ന് കാണിക്കും.
നിരാകരണം: പഠനത്തിനും റിപ്പോർട്ടിംഗിനുമുള്ള വിവരണാത്മക ജനസംഖ്യാ അളവുകൾ മാത്രം — ഇത് രോഗനിർണ്ണയമോ, വ്യക്തിഗത രോഗസാധ്യത വിലയിരുത്തലോ, ഏതെങ്കിലും ഇടപെടലുകളുടെ മൂല്യനിർണ്ണയമോ അല്ല.
അവലംബങ്ങൾ
- CDC, Principles of Epidemiology in Public Health Practice, 3rd edition, Lesson 3 "Measures of Risk" https://archive.cdc.gov/www_cdc_gov/csels/dsepd/ss1978/lesson3/section2.html
- Spronk I, Korevaar JC, Poos R, et al. "Calculating incidence rates and prevalence proportions: not as simple as it seems." BMC Public Health 19, 512 (2019) https://doi.org/10.1186/s12889-019-6820-3