സ്ഥിതിവിവര കണക്കുകൾ സാധ്യമാക്കുന്ന മിഥ്യയായ സ്വസ്ഥതയും അസ്വസ്ഥതയും ഉണ്ട്. പലപ്പോഴും ആരോഗ്യസൂചികകൾ യാഥാർത്ഥ സ്ഥിതി മറച്ചുവയ്ക്കുന്നതും തീർത്തും ചലനാത്മകമായ ഒന്നിനെ ജീവനറ്റ സ്ഥിതിവിവരകണക്കുകളിലും അക്കങ്ങളിലും തളച്ചിടുന്നതും ഒരു പതിവു കാഴ്ചയാണ്. കൊവിഡ് പോലുള്ള വൈറസ് രോഗങ്ങളുടെ സാന്നിധ്യവും രോഗപ്പകർച്ചയും ഇത്തരം ചലനമറ്റ മാതൃകകൾകൊണ്ട് നമുക്ക് തൊട്ടറിയാനും രേഖപ്പെടുത്താനും പ്രതിരോധിക്കാനും കഴിയില്ല. ശിശുമരണനിരക്കും മാതൃമരണനിരക്കും പോലുള്ള ആരോഗ്യസൂചികകൾ കണക്കാക്കുമ്പോൾ കാണിക്കുന്ന അവധാനത, കൊവിഡ് രോഗവ്യാപനനിരക്ക് കണക്കാക്കുമ്പോൾ പുലർത്താൻ നമ്മുടെ ആരോഗ്യസംവിധാനത്തിന് കഴിയാതെ പോകുന്നു. മനുഷ്യര്‍ വൈറസിനെ പ്രതിരോധിക്കാൻ ഒരു വാക്‌സിൻ കണ്ടെത്തുമ്പോഴേക്കും സൂഷ്മാണുക്കൾ മൂന്നും നാലും മലക്കം മറിഞ്ഞ് (Triple Mutation) പലവിധ ഉൾപരിവർത്തനങ്ങളും ഉപപരിവർത്തനങ്ങളും നടത്തിയിട്ടുണ്ടാകും. ഇവിടെ ശാസ്ത്രം വൈറസിനെ കുറിച്ച് കേവലം ലഭ്യമായ വിവരങ്ങളെ മാത്രമാണ് ആശ്രയിക്കുന്നതെങ്കിൽ അത് പഴഞ്ചനും അതിജീവനക്ഷമത ഇല്ലാത്ത ഒന്നുമാത്രമായും ഒതുങ്ങും. ശാസ്ത്രം പ്രായോഗികവും ഒപ്പം കൂടുതൽ ഊഹാത്മകവും (Speculative) ആകുന്നതോടെ മാത്രമേ ഇത്തരം സൂഷ്മാണുക്കളുടെ മലക്കംമറിച്ചിലിന്റെ സാധ്യതൾ മുൻകൂർ മനസ്സിലാക്കാൻ കഴിയൂ.
ടെസ്റ്റ് പൊസിറ്റിവിറ്റി നിരക്ക് (TPR) കൊവിഡ് വ്യാപനത്തിന്റെ നേർചിത്രം നല്കാൻ പലപ്പോഴും അപര്യാപ്തമാണ്. TPR ഒരു ചലനാത്മക സൂചികയല്ല എന്നത് മാത്രമല്ല, അതിൽ വിള്ളലുകൾ ഏറെയുണ്ടുതാനും. ഒരു പ്രദേശത്ത് 100 പേർ ടെസ്റ്റിന് വിധേയരായി,10 പേർ പൊസിറ്റീവായാൽ ടെസ്റ്റ് പൊസിറ്റിവിറ്റി നിരക്ക് 10% ആയിരിക്കും. അടുത്തദിവസം 50 പേർ ടെസ്റ്റ് ചെയ്ത് 5 പേർ പൊസിറ്റീവായാലും TPR 10% ആയി തുടരും. TPR കണക്കാക്കുന്നതിൽ ഒരു പ്രദേശത്തെ ജനസംഖ്യയോ, ജനസന്ദ്രതയോ, ഭൂപ്രകൃതിയോ ഒന്നും ഒരു മാനദണ്ഡമാകുന്നില്ല. ടിപിആറിനെ മാത്രം അന്ധമായി പിന്തുടരുമ്പോൾ കണ്ണൂർ കോർപ്പറേഷൻ പോലുള്ള ഒരു പ്രദേശം സാധാരണ പ്രവർത്തന ങ്ങൾക്കായി തുറന്നുകൊടുക്കുകയും താരതമ്യേന ജനസാന്ദ്രത കുറഞ്ഞ സമീപസ്ഥങ്ങളായ മലയാര ഗ്രാമങ്ങളടക്കമുളള മറ്റ് പഞ്ചായത്തുകൾ പൂർണമായോ ഭാഗികമായോ അടച്ചിട്ടുകയും ചെയ്യുന്നു.
പലപ്രദേശങ്ങളിലും ടെസ്റ്റിങ്ങ് നിരക്ക് തുലോം കുറവാണ്. ജനസംഖ്യയുടെ ഒരു നിശ്ചിത ശതമാനം ടെസ്റ്റിന് വിധേയമാകുന്നില്ലെങ്കിൽ TPR വെറും കണക്കിലെ കളി മാത്രമായി ഒതുങ്ങും. ആൻറിജൻ ടെസ്റ്റും ആര്‍ ടി പി സി ആര്‍ (RTPCR) ടെസ്റ്റും തമ്മിലുള്ള വ്യത്യാസം TPR കണക്കിൽ പ്രതിഫലിക്കില്ല. അതായത് ഒരിടത്ത് 50 ആളുകൾ RTPCR ടെസ്റ്റ് നടത്തി 5 പേർ പോസിറ്റീവ് ആകുന്നതും , ആൻറിജൻ ടെസ്റ്റ് നടത്തി 5 പേർ പോസറ്റീവ് ആകുന്നതും ഒരുപോലെ കാണാൻ കഴിയില്ല. ഇവിടെ ആൻറിജൻ നെഗറ്റിവ് ആയ ബാക്കി 45 പേർക്ക് രോഗം ഇല്ലെന്ന് ഇനിയും ഉറപ്പിക്കാൻ കഴിയില്ല.
ടെസ്റ്റ് പൊസിറ്റിവിറ്റി നിരക്കനുസരിച്ച് ലോക്ക് ഡൌണ്‍ അടക്കമുള്ള കാര്യങ്ങൾ നിശ്ചയിക്കുമ്പോൾ ആകെ ടെസ്റ്റുകൾ, സജീവമായ കേസുകൾ, രോഗമുക്തി നിരക്ക്, പ്രദേശത്തെ വാക്സിനേഷൻ നിരക്ക്, സോഷ്യോ-ഡെമോഗ്രഫി (Socio-demogrphic) ഡാറ്റ തുടങ്ങിയവ തീർത്തും അവഗണിക്കുകയാണ്. നിലവില്‍ ഒരാഴ്ചത്തെ ടെസ്റ്റ് പൊസിറ്റിവിറ്റി നിരക്കിന്റെ ശരാശരി കണക്കാക്കിയാണ് സംസ്ഥാനത്ത് ലോക്ക് ഡൌണും അനുബന്ധ ഇളവുകളും നല്‍കുന്നത്. ഒരു പ്രദേശത്തെ ജനസംഖ്യയുടെ നിശ്ചിത ശതമാനമെങ്കിലും ടെസ്റ്റിന് വിധേയമാകണം എന്ന് ഒരാഴ്ചത്തെ ടി പി ആര്‍ കണക്കാക്കുന്നതില്‍ നിഷ്കര്‍ഷിച്ചിട്ടില്ലാത്തതിനാല്‍ കൊവിഡ് വ്യാപനത്തിന്റെ യഥാര്‍ത്ഥ കണക്ക് ഇതില്‍ പ്രതിഫലിക്കാനുള്ള സാധ്യത പലപ്പോഴും കുറവാണ്. ഒരുപക്ഷേ ശിശുമരണ നിരക്കും മാതൃമരണ നിരക്കുമൊക്കെ കണക്കാക്കുന്ന മാതൃകയിൽ 1000 ടെസ്റ്റിൽ എത്ര പോസിറ്റീവ് റിപ്പോർട്ട് ചെയ്തു എന്ന് കണക്കാക്കിയിൽ ഈ ശതമാനക്കണക്ക് അല്പം കൂടി മെച്ചപ്പെട്ട ഒന്നാകും. പ്രശ്‌നം രോഗവ്യാപനത്തിന്റെ പ്രവണത (Tendency) മനസ്സിലാക്കാൻ നമ്മുടെ കയ്യിലെ സ്പർശനികൾ മതിയാകാതെ വരുന്നു എന്നതാണ്. രോഗവ്യാപനത്തിന് നിദാനമായേക്കാവുന്ന വിവിധങ്ങളായ ഘടകങ്ങൾ (variables) പരിഗണിച്ച് ചലനാത്മകമായ ഒരു പകർച്ചവ്യാധി പ്രതിരോധപ്രവർത്തനം രൂപപ്പെടുത്തുന്നതിന് TPR ന് നൽകുന്ന അമിതപ്രാധാന്യം വിഘാതമാകാനാണ് സാധ്യത. വൈറസിനെ മറികടക്കുന്ന സാങ്കേതികജ്ഞാനം കൈവരിക്കാതെ നമുക്ക് അതിജീവനം അസാധ്യമായിരിക്കും. മാത്രമല്ല കേവലം തൽസ്ഥിതി രേഖപ്പെടുത്തുന്നതിനപ്പുറം സാധ്യതകളിലും പ്രവണതകളിലും ഊന്നിയ ഒരേസമയം പ്രായോഗികവും ഊഹാത്മകവുമായ രോഗപ്രതിരോധ പ്രവർത്തനങ്ങളുടെ മാപ്പിംഗ് നടത്താൻ നമുക്ക് കഴിയണം. അതിന് ആവശ്യമായ ശാസ്ത്രകലാവിദഗ്ദരെ വാർത്തെടുക്കേണ്ടത് അനിവാര്യമാണ്.
