ਬਾਇਓਸਟੈਟਿਸਟਿਕਸ ਦੇ ਖੇਤਰ ਵਿੱਚ ਸਰਵਾਈਵਲ ਵਿਸ਼ਲੇਸ਼ਣ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਹਿੱਸਾ ਰਿਹਾ ਹੈ, ਜੋ ਕਿ ਸਿਹਤ ਸੰਭਾਲ, ਮਹਾਂਮਾਰੀ ਵਿਗਿਆਨ, ਅਤੇ ਸਮਾਜਿਕ ਵਿਗਿਆਨ ਵਰਗੇ ਵੱਖ-ਵੱਖ ਡੋਮੇਨਾਂ ਵਿੱਚ ਘਟਨਾ ਡੇਟਾ ਦੇ ਸਮੇਂ ਲਈ ਜ਼ਰੂਰੀ ਸੂਝ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ। ਹਾਲ ਹੀ ਦੇ ਸਾਲਾਂ ਵਿੱਚ, ਬਹੁਤ ਸਾਰੇ ਉਭਰ ਰਹੇ ਰੁਝਾਨ ਹਨ ਜਿਨ੍ਹਾਂ ਨੇ ਸਰਵਾਈਵਲ ਵਿਸ਼ਲੇਸ਼ਣ ਦੀ ਕਾਰਜਪ੍ਰਣਾਲੀ ਅਤੇ ਐਪਲੀਕੇਸ਼ਨਾਂ ਨੂੰ ਮਹੱਤਵਪੂਰਨ ਤੌਰ 'ਤੇ ਪ੍ਰਭਾਵਿਤ ਕੀਤਾ ਹੈ।
ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਵੱਲ ਸ਼ਿਫਟ
ਸਰਵਾਈਵਲ ਵਿਸ਼ਲੇਸ਼ਣ ਵਿੱਚ ਮੁੱਖ ਉੱਭਰ ਰਹੇ ਰੁਝਾਨਾਂ ਵਿੱਚੋਂ ਇੱਕ ਮਸ਼ੀਨ ਸਿਖਲਾਈ ਤਕਨੀਕਾਂ ਦਾ ਏਕੀਕਰਣ ਹੈ। ਪਰੰਪਰਾਗਤ ਬਚਾਅ ਵਿਸ਼ਲੇਸ਼ਣ ਵਿਧੀਆਂ ਅਕਸਰ ਪੈਰਾਮੀਟ੍ਰਿਕ ਅਤੇ ਅਰਧ-ਪੈਰਾਮੀਟ੍ਰਿਕ ਮਾਡਲਾਂ 'ਤੇ ਨਿਰਭਰ ਕਰਦੀਆਂ ਹਨ, ਜਿਵੇਂ ਕਿ ਕੋਕਸ ਅਨੁਪਾਤਕ ਖਤਰੇ ਮਾਡਲ। ਹਾਲਾਂਕਿ, ਵੱਡੇ ਪੈਮਾਨੇ ਅਤੇ ਗੁੰਝਲਦਾਰ ਡੇਟਾਸੈਟਾਂ ਦੀ ਵੱਧਦੀ ਉਪਲਬਧਤਾ ਦੇ ਨਾਲ, ਮਸ਼ੀਨ ਸਿਖਲਾਈ ਐਲਗੋਰਿਦਮ, ਜਿਵੇਂ ਕਿ ਬੇਤਰਤੀਬ ਜੰਗਲ, ਸਹਾਇਤਾ ਵੈਕਟਰ ਮਸ਼ੀਨਾਂ, ਅਤੇ ਡੂੰਘੀ ਸਿਖਲਾਈ, ਉੱਚ-ਆਯਾਮੀ ਅਤੇ ਗੈਰ-ਸੰਗਠਿਤ ਡੇਟਾ ਨੂੰ ਸੰਭਾਲਣ ਲਈ ਵਧਦੀ ਵਰਤੋਂ ਕੀਤੀ ਜਾ ਰਹੀ ਹੈ।
ਇਸ ਰੁਝਾਨ ਨੇ ਬਚਾਅ ਦੇ ਵਿਸ਼ਲੇਸ਼ਣ ਵਿੱਚ ਨਵੀਨਤਾਕਾਰੀ ਪਹੁੰਚਾਂ ਦੇ ਵਿਕਾਸ ਵੱਲ ਅਗਵਾਈ ਕੀਤੀ ਹੈ, ਜਿਸ ਨਾਲ ਖੋਜਕਰਤਾਵਾਂ ਨੂੰ ਡੇਟਾ ਦੇ ਅੰਦਰ ਗੁੰਝਲਦਾਰ ਪਰਸਪਰ ਪ੍ਰਭਾਵ ਅਤੇ ਪੈਟਰਨ ਹਾਸਲ ਕਰਨ ਦੀ ਇਜਾਜ਼ਤ ਦਿੱਤੀ ਗਈ ਹੈ ਜੋ ਕਿ ਰਵਾਇਤੀ ਢੰਗਾਂ ਦੁਆਰਾ ਢੁਕਵੇਂ ਢੰਗ ਨਾਲ ਸੰਬੋਧਿਤ ਨਹੀਂ ਕੀਤੇ ਜਾ ਸਕਦੇ ਹਨ। ਮਸ਼ੀਨ ਲਰਨਿੰਗ-ਅਧਾਰਤ ਸਰਵਾਈਵਲ ਵਿਸ਼ਲੇਸ਼ਣ ਨੇ ਵਿਸ਼ਲੇਸ਼ਣ ਵਿੱਚ ਜੀਨੋਮਿਕ, ਪ੍ਰੋਟੀਓਮਿਕ, ਅਤੇ ਇਮੇਜਿੰਗ ਡੇਟਾ ਸਮੇਤ ਵੱਖ-ਵੱਖ ਰੂਪਾਂ ਦੇ ਡੇਟਾ ਨੂੰ ਸ਼ਾਮਲ ਕਰਨ ਦੀ ਸਹੂਲਤ ਦਿੱਤੀ ਹੈ, ਇਸ ਤਰ੍ਹਾਂ ਬਚਾਅ ਦੇ ਨਤੀਜਿਆਂ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰਨ ਵਾਲੇ ਕਾਰਕਾਂ ਦੀ ਵਧੇਰੇ ਸੰਪੂਰਨ ਸਮਝ ਨੂੰ ਸਮਰੱਥ ਬਣਾਉਂਦਾ ਹੈ।
ਵੱਡੇ ਡੇਟਾ ਦਾ ਏਕੀਕਰਣ
ਸਰਵਾਈਵਲ ਵਿਸ਼ਲੇਸ਼ਣ ਵਿਧੀ ਵਿੱਚ ਇੱਕ ਹੋਰ ਮਹੱਤਵਪੂਰਨ ਰੁਝਾਨ ਵੱਡੇ ਡੇਟਾ ਦਾ ਏਕੀਕਰਣ ਹੈ। ਤਕਨਾਲੋਜੀ ਦੀ ਤਰੱਕੀ ਦੇ ਨਾਲ, ਇਲੈਕਟ੍ਰਾਨਿਕ ਸਿਹਤ ਰਿਕਾਰਡਾਂ ਅਤੇ ਪਹਿਨਣਯੋਗ ਉਪਕਰਣਾਂ ਤੋਂ ਲੈ ਕੇ ਆਬਾਦੀ-ਅਧਾਰਤ ਰਜਿਸਟਰੀਆਂ ਅਤੇ ਜਨਤਕ ਸਿਹਤ ਡੇਟਾਬੇਸ ਤੱਕ ਉਪਲਬਧ ਡੇਟਾ ਸਰੋਤਾਂ ਦੀ ਮਾਤਰਾ ਅਤੇ ਵਿਭਿੰਨਤਾ ਵਿੱਚ ਤੇਜ਼ੀ ਨਾਲ ਵਾਧਾ ਹੋਇਆ ਹੈ। ਡੇਟਾ ਦੇ ਇਸ ਪ੍ਰਸਾਰ ਨੇ ਬਚਾਅ ਦੇ ਵਿਸ਼ਲੇਸ਼ਣ ਦੇ ਸੰਦਰਭ ਵਿੱਚ ਮੌਕੇ ਅਤੇ ਚੁਣੌਤੀਆਂ ਦੋਵਾਂ ਨੂੰ ਪੇਸ਼ ਕੀਤਾ ਹੈ।
ਵੱਡੇ ਡੇਟਾ ਦਾ ਲਾਭ ਲੈ ਕੇ, ਖੋਜਕਰਤਾ ਵਿਆਪਕ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨ ਦੇ ਯੋਗ ਹੁੰਦੇ ਹਨ ਜੋ ਵਿਭਿੰਨ ਆਬਾਦੀ, ਦੁਰਲੱਭ ਘਟਨਾਵਾਂ, ਅਤੇ ਲੰਬੇ ਸਮੇਂ ਦੇ ਫਾਲੋ-ਅਪ ਨੂੰ ਸ਼ਾਮਲ ਕਰਦੇ ਹਨ, ਜਿਸ ਨਾਲ ਖੋਜਾਂ ਦੀ ਸਾਧਾਰਨਤਾ ਅਤੇ ਸ਼ੁੱਧਤਾ ਵਿੱਚ ਵਾਧਾ ਹੁੰਦਾ ਹੈ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਵੱਡੇ ਡੇਟਾ ਦੇ ਏਕੀਕਰਣ ਨੇ ਨਵੇਂ ਜੋਖਮ ਕਾਰਕਾਂ, ਪੂਰਵ-ਅਨੁਮਾਨ ਦੇ ਮਾਰਕਰਾਂ, ਅਤੇ ਇਲਾਜ ਪ੍ਰਤੀਕ੍ਰਿਆਵਾਂ ਦੀ ਪਛਾਣ ਦੀ ਸਹੂਲਤ ਦਿੱਤੀ ਹੈ, ਜਿਸ ਨਾਲ ਕਲੀਨਿਕਲ ਅਤੇ ਜਨਤਕ ਸਿਹਤ ਸੈਟਿੰਗਾਂ ਵਿੱਚ ਵਧੇਰੇ ਵਿਅਕਤੀਗਤ ਅਤੇ ਪ੍ਰਭਾਵੀ ਦਖਲਅੰਦਾਜ਼ੀ ਹੁੰਦੀ ਹੈ।
ਪ੍ਰਤੀਯੋਗੀ ਜੋਖਮਾਂ ਲਈ ਲੇਖਾ-ਜੋਖਾ
ਬਚਾਅ ਵਿਸ਼ਲੇਸ਼ਣ ਵਿਧੀ ਵਿੱਚ ਇੱਕ ਹੋਰ ਉੱਭਰ ਰਿਹਾ ਰੁਝਾਨ ਮੁਕਾਬਲਾ ਕਰਨ ਵਾਲੇ ਜੋਖਮਾਂ ਦਾ ਵਿਚਾਰ ਹੈ। ਪਰੰਪਰਾਗਤ ਬਚਾਅ ਵਿਸ਼ਲੇਸ਼ਣ ਅਕਸਰ ਕਿਸੇ ਇੱਕ ਘਟਨਾ ਦੀ ਮੌਜੂਦਗੀ 'ਤੇ ਕੇਂਦ੍ਰਤ ਕਰਦਾ ਹੈ, ਜਿਵੇਂ ਕਿ ਮੌਤ, ਹੋਰ ਘਟਨਾਵਾਂ ਦੀ ਮੌਜੂਦਗੀ ਦਾ ਲੇਖਾ-ਜੋਖਾ ਕੀਤੇ ਬਿਨਾਂ ਜੋ ਦਿਲਚਸਪੀ ਦੇ ਨਤੀਜੇ ਦੀ ਮੌਜੂਦਗੀ ਨੂੰ ਰੋਕ ਜਾਂ ਸੰਸ਼ੋਧਿਤ ਕਰ ਸਕਦੀਆਂ ਹਨ।
ਹਾਲਾਂਕਿ, ਬਹੁਤ ਸਾਰੇ ਕਲੀਨਿਕਲ ਅਤੇ ਮਹਾਂਮਾਰੀ ਵਿਗਿਆਨਿਕ ਸੈਟਿੰਗਾਂ ਵਿੱਚ, ਵਿਅਕਤੀਆਂ ਨੂੰ ਕਈ, ਸੰਭਾਵੀ ਤੌਰ 'ਤੇ ਵਿਰੋਧੀ ਘਟਨਾਵਾਂ, ਜਿਵੇਂ ਕਿ ਦੁਬਾਰਾ ਹੋਣ, ਰਿਕਵਰੀ, ਜਾਂ ਟ੍ਰਾਂਸਪਲਾਂਟੇਸ਼ਨ ਦਾ ਅਨੁਭਵ ਕਰਨ ਦਾ ਜੋਖਮ ਹੋ ਸਕਦਾ ਹੈ। ਮੁਕਾਬਲੇ ਵਾਲੀਆਂ ਘਟਨਾਵਾਂ ਦੀ ਮੌਜੂਦਗੀ ਨੂੰ ਅਨੁਕੂਲਿਤ ਕਰਦੇ ਹੋਏ ਦਿਲਚਸਪੀ ਦੀ ਘਟਨਾ ਦੀ ਸੰਚਤ ਘਟਨਾਵਾਂ ਦਾ ਸਹੀ ਅੰਦਾਜ਼ਾ ਲਗਾਉਣ ਲਈ ਪ੍ਰਤੀਯੋਗੀ ਜੋਖਮ ਮਾਡਲਾਂ ਨੂੰ ਸ਼ਾਮਲ ਕਰਨਾ ਬਹੁਤ ਮਹੱਤਵਪੂਰਨ ਹੋ ਗਿਆ ਹੈ, ਇਸ ਤਰ੍ਹਾਂ ਬਿਮਾਰੀਆਂ ਦੇ ਕੁਦਰਤੀ ਇਤਿਹਾਸ ਅਤੇ ਦਖਲਅੰਦਾਜ਼ੀ ਦੀ ਪ੍ਰਭਾਵਸ਼ੀਲਤਾ ਦੀ ਵਧੇਰੇ ਵਿਆਪਕ ਸਮਝ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ।
ਗਤੀਸ਼ੀਲ ਭਵਿੱਖਬਾਣੀ ਮਾਡਲਿੰਗ
ਵਿਅਕਤੀਗਤ ਦਵਾਈ ਅਤੇ ਗਤੀਸ਼ੀਲ ਇਲਾਜ ਦੀਆਂ ਰਣਨੀਤੀਆਂ 'ਤੇ ਵੱਧ ਰਹੇ ਜ਼ੋਰ ਦੇ ਨਾਲ, ਬਚਾਅ ਦੇ ਵਿਸ਼ਲੇਸ਼ਣ ਦੇ ਖੇਤਰ ਦੇ ਅੰਦਰ ਗਤੀਸ਼ੀਲ ਭਵਿੱਖਬਾਣੀ ਮਾਡਲਿੰਗ ਵਿੱਚ ਵੱਧ ਰਹੀ ਰੁਚੀ ਰਹੀ ਹੈ। ਪਰੰਪਰਾਗਤ ਸਥਿਰ ਭਵਿੱਖਬਾਣੀ ਮਾਡਲਾਂ ਦੇ ਉਲਟ, ਗਤੀਸ਼ੀਲ ਭਵਿੱਖਬਾਣੀ ਕਰਨ ਵਾਲੇ ਮਾਡਲ ਸਮੇਂ ਦੇ ਨਾਲ ਇੱਕ ਵਿਅਕਤੀ ਦੀ ਸਿਹਤ ਸਥਿਤੀ, ਜੋਖਮ ਦੇ ਕਾਰਕਾਂ ਅਤੇ ਇਲਾਜ ਪ੍ਰਤੀਕ੍ਰਿਆਵਾਂ ਦੀ ਉੱਭਰਦੀ ਪ੍ਰਕਿਰਤੀ ਲਈ ਲੇਖਾ ਜੋਖਾ ਕਰਦੇ ਹਨ, ਇਸ ਤਰ੍ਹਾਂ ਸਮੇਂ ਦੇ ਵੱਖੋ-ਵੱਖਰੇ ਕੋਵੇਰੀਏਟਸ ਅਤੇ ਟ੍ਰੈਜੈਕਟਰੀਜ਼ ਦੇ ਅਧਾਰ ਤੇ ਭਵਿੱਖ ਦੀਆਂ ਘਟਨਾਵਾਂ ਦੀ ਭਵਿੱਖਬਾਣੀ ਨੂੰ ਸਮਰੱਥ ਬਣਾਉਂਦੇ ਹਨ।
ਇਸ ਰੁਝਾਨ ਨੇ ਲੈਂਡਮਾਰਕ ਅਤੇ ਸੰਯੁਕਤ ਮਾਡਲਿੰਗ ਪਹੁੰਚਾਂ ਸਮੇਤ ਨਾਵਲ ਅੰਕੜਾ ਵਿਧੀਆਂ ਦੇ ਵਿਕਾਸ ਲਈ ਰਾਹ ਪੱਧਰਾ ਕੀਤਾ ਹੈ, ਜੋ ਕਿ ਲੰਮੀ ਮਾਪਾਂ ਅਤੇ ਬਚਾਅ ਦੇ ਨਤੀਜਿਆਂ ਵਿਚਕਾਰ ਗਤੀਸ਼ੀਲ ਸਬੰਧਾਂ ਨੂੰ ਹਾਸਲ ਕਰਨ ਲਈ ਤਿਆਰ ਕੀਤੇ ਗਏ ਹਨ। ਗਤੀਸ਼ੀਲ ਭਵਿੱਖਬਾਣੀ ਮਾਡਲਿੰਗ ਕਲੀਨਿਕਲ ਫੈਸਲੇ ਲੈਣ ਨੂੰ ਅਨੁਕੂਲ ਬਣਾਉਣ, ਜੋਖਮ ਪੱਧਰੀਕਰਣ ਨੂੰ ਵਿਅਕਤੀਗਤ ਬਣਾਉਣ, ਅਤੇ ਗਤੀਸ਼ੀਲ ਅਤੇ ਅਨੁਕੂਲ ਤਰੀਕੇ ਨਾਲ ਦਖਲਅੰਦਾਜ਼ੀ ਦੀ ਲੰਬੇ ਸਮੇਂ ਦੀ ਪ੍ਰਭਾਵਸ਼ੀਲਤਾ ਦਾ ਮੁਲਾਂਕਣ ਕਰਨ ਵਿੱਚ ਬਹੁਤ ਵੱਡਾ ਵਾਅਦਾ ਕਰਦੀ ਹੈ।
ਅਸਲ-ਸੰਸਾਰ ਸਬੂਤ ਦੀ ਵਰਤੋਂ ਕਰਨਾ
ਅੰਤ ਵਿੱਚ, ਸਰਵਾਈਵਲ ਵਿਸ਼ਲੇਸ਼ਣ ਵਿਧੀ ਵਿੱਚ ਇੱਕ ਉੱਭਰ ਰਿਹਾ ਰੁਝਾਨ ਅਸਲ-ਸੰਸਾਰ ਸਬੂਤਾਂ ਦੀ ਵਰਤੋਂ ਹੈ। ਜਦੋਂ ਕਿ ਪਰੰਪਰਾਗਤ ਕਲੀਨਿਕਲ ਅਜ਼ਮਾਇਸ਼ਾਂ ਸਬੂਤ ਪੈਦਾ ਕਰਨ ਦਾ ਇੱਕ ਅਧਾਰ ਬਣਿਆ ਹੋਇਆ ਹੈ, ਉੱਥੇ ਰੁਟੀਨ ਕਲੀਨਿਕਲ ਅਭਿਆਸਾਂ, ਨਿਰੀਖਣ ਅਧਿਐਨਾਂ, ਅਤੇ ਵਿਵਹਾਰਕ ਅਜ਼ਮਾਇਸ਼ਾਂ ਤੋਂ ਪ੍ਰਾਪਤ ਅਸਲ-ਸੰਸਾਰ ਸਬੂਤ ਦੇ ਨਾਲ ਟ੍ਰਾਇਲ ਡੇਟਾ ਨੂੰ ਪੂਰਕ ਕਰਨ ਦੀ ਲੋੜ ਦੀ ਇੱਕ ਵਧ ਰਹੀ ਮਾਨਤਾ ਹੈ।
ਬਚਾਅ ਦੇ ਵਿਸ਼ਲੇਸ਼ਣ ਵਿੱਚ ਅਸਲ-ਸੰਸਾਰ ਦੇ ਸਬੂਤ ਦੇ ਏਕੀਕਰਨ ਨੇ ਵਿਭਿੰਨ ਮਰੀਜ਼ਾਂ ਦੀ ਆਬਾਦੀ ਅਤੇ ਸਿਹਤ ਸੰਭਾਲ ਸੈਟਿੰਗਾਂ ਵਿੱਚ ਦਖਲਅੰਦਾਜ਼ੀ ਦੇ ਪ੍ਰਭਾਵ, ਸੁਰੱਖਿਆ ਅਤੇ ਤੁਲਨਾਤਮਕ ਨਤੀਜਿਆਂ ਵਿੱਚ ਕੀਮਤੀ ਸਮਝ ਪ੍ਰਦਾਨ ਕੀਤੀ ਹੈ। ਅਸਲ-ਸੰਸਾਰ ਦੇ ਡੇਟਾ ਦਾ ਲਾਭ ਉਠਾ ਕੇ, ਖੋਜਕਰਤਾ ਉਹਨਾਂ ਪ੍ਰਸ਼ਨਾਂ ਨੂੰ ਸੰਬੋਧਿਤ ਕਰ ਸਕਦੇ ਹਨ ਜੋ ਨਿਯੰਤਰਿਤ ਅਜ਼ਮਾਇਸ਼ਾਂ ਦੀ ਸੀਮਾ ਦੇ ਅੰਦਰ ਜਾਂਚ ਕਰਨ ਲਈ ਸੰਭਵ ਜਾਂ ਨੈਤਿਕ ਨਹੀਂ ਹੋ ਸਕਦੇ ਹਨ, ਇਸ ਤਰ੍ਹਾਂ ਬਚਾਅ ਦੇ ਨਤੀਜਿਆਂ 'ਤੇ ਦਖਲਅੰਦਾਜ਼ੀ ਦੇ ਅਸਲ-ਸੰਸਾਰ ਪ੍ਰਭਾਵ ਦੀ ਵਧੇਰੇ ਵਿਆਪਕ ਸਮਝ ਨੂੰ ਉਤਸ਼ਾਹਿਤ ਕਰਦੇ ਹਨ।
ਸਿੱਟਾ
ਸਿੱਟੇ ਵਜੋਂ, ਸਰਵਾਈਵਲ ਵਿਸ਼ਲੇਸ਼ਣ ਵਿਧੀ ਵਿੱਚ ਉੱਭਰ ਰਹੇ ਰੁਝਾਨ ਬਾਇਓਸਟੈਟਿਸਟਿਕਸ ਵਿੱਚ ਖੋਜਕਰਤਾਵਾਂ ਦੁਆਰਾ ਸਮੇਂ ਦੇ ਵਿਸ਼ਲੇਸ਼ਣ ਤੱਕ ਪਹੁੰਚਣ ਦੇ ਤਰੀਕੇ ਵਿੱਚ ਕ੍ਰਾਂਤੀ ਲਿਆਉਣ ਲਈ ਤਿਆਰ ਹਨ। ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਅਤੇ ਵੱਡੇ ਡੇਟਾ ਦੇ ਏਕੀਕਰਣ ਤੋਂ ਲੈ ਕੇ ਪ੍ਰਤੀਯੋਗੀ ਜੋਖਮਾਂ ਅਤੇ ਗਤੀਸ਼ੀਲ ਭਵਿੱਖਬਾਣੀ ਮਾਡਲਿੰਗ ਦੇ ਵਿਚਾਰਾਂ ਤੱਕ, ਇਹ ਰੁਝਾਨ ਸਰਵਾਈਵਲ ਵਿਸ਼ਲੇਸ਼ਣ ਦੇ ਵਿਕਾਸਸ਼ੀਲ ਲੈਂਡਸਕੇਪ ਨੂੰ ਦਰਸਾਉਂਦੇ ਹਨ, ਜੋ ਕਿ ਵਧੇਰੇ ਸੂਖਮ, ਵਿਅਕਤੀਗਤ ਅਤੇ ਕਾਰਵਾਈਯੋਗ ਸੂਝ ਦੀ ਖੋਜ ਦੁਆਰਾ ਸੰਚਾਲਿਤ ਹੁੰਦੇ ਹਨ ਜੋ ਕਲੀਨਿਕਲ ਅਭਿਆਸ, ਜਨਤਕ ਸਿਹਤ ਨੀਤੀਆਂ, ਅਤੇ ਹੈਲਥਕੇਅਰ ਫੈਸਲੇ ਲੈਣ।