ಹಿಯರಿಂಗ್ ಸ್ಕ್ರೀನಿಂಗ್ ಫಲಿತಾಂಶಗಳ ಪೂರ್ವ-ಮೌಲ್ಯಮಾಪನ: ನವಜಾತ ಶಿಶು, ಶಾಲೆ ಮತ್ತು ಕೆಲಸದ ಸ್ಥಳ

ಲಾಭಗಳು:

• OAE ಮತ್ತು ಸ್ವಯಂಚಾಲಿತ ABR-ಆಧಾರಿತ ಸ್ಕ್ರೀನಿಂಗ್ ಫಲಿತಾಂಶಗಳ 'ಪಾಸ್/ಫೇಲ್' ತರ್ಕವನ್ನು ನಿಖರವಾಗಿ ಇರಿಸುವ ಸಾಮರ್ಥ್ಯ ಮತ್ತು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ಬೆಂಬಲದೊಂದಿಗೆ ಸ್ಕ್ರೀನಿಂಗ್ ಮತ್ತು ರೋಗನಿರ್ಣಯದ ನಡುವಿನ ವ್ಯತ್ಯಾಸ
• ಸ್ಕ್ರೀನಿಂಗ್ ಪಟ್ಟಿಗಳಲ್ಲಿ ಅನುಸರಣೆ ಅಗತ್ಯವಿರುವ ಪ್ರಕರಣಗಳಿಗೆ ಆದ್ಯತೆ ನೀಡುವ ಮತ್ತು ತಪ್ಪು ನಿರಾಕರಣೆಗಳ ಅಪಾಯವನ್ನು ತಪ್ಪಿಸುವ ಪೂರ್ವ-ಸ್ಕ್ರೀನರ್ ಆಗಿ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯನ್ನು ಬಳಸುವ ಸಾಮರ್ಥ್ಯ
• ಕೆಲಸದ ಸ್ಥಳದ ಶಬ್ದ ಸ್ಕ್ರೀನಿಂಗ್ ಮತ್ತು ಶಾಲೆಯ ಸ್ಕ್ರೀನಿಂಗ್‌ನಲ್ಲಿ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ಉತ್ಪಾದನೆಯ ಮಿತಿಗಳು ಮತ್ತು ಅಧಿಸೂಚನೆ ಕಟ್ಟುಪಾಡುಗಳನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವುದು

ಶ್ರವಣ ಸ್ಕ್ರೀನಿಂಗ್ ಎನ್ನುವುದು ಒಂದು ಸ್ಕ್ರೀನಿಂಗ್ ಪ್ರಕ್ರಿಯೆಯಾಗಿದ್ದು ಅದು ಸಮಾಜದಲ್ಲಿ ಕೇಳುವ ಸಮಸ್ಯೆಗಳನ್ನು ಹೊಂದಿರುವ ಜನರನ್ನು ತ್ವರಿತವಾಗಿ ಗುರುತಿಸುತ್ತದೆ ಮತ್ತು ರೋಗನಿರ್ಣಯದ ಮೌಲ್ಯಮಾಪನಕ್ಕೆ ಅವರನ್ನು ನಿರ್ದೇಶಿಸುತ್ತದೆ. ಸ್ಕ್ರೀನಿಂಗ್ ರೋಗನಿರ್ಣಯವಲ್ಲ; ಇದು ಈ ಘಟಕದ ಅತ್ಯಂತ ನಿರ್ಣಾಯಕ ವಾಕ್ಯವಾಗಿದೆ. ಸ್ಕ್ರೀನಿಂಗ್ ಹೇಳುತ್ತದೆ "ಈ ವ್ಯಕ್ತಿಯಲ್ಲಿ ಏನಾದರೂ ತಪ್ಪಿರಬಹುದು, ಅದನ್ನು ಪರೀಕ್ಷಿಸಲಿ"; ರೋಗನಿರ್ಣಯವು ಹೇಳುತ್ತದೆ, "ಈ ವ್ಯಕ್ತಿಯು ಈ ರೀತಿಯ ಮತ್ತು ನಷ್ಟದ ಮಟ್ಟವನ್ನು ಹೊಂದಿದ್ದಾನೆ." ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯು ಸ್ಕ್ರೀನಿಂಗ್ ಫಲಿತಾಂಶಗಳನ್ನು ಪೂರ್ವ-ಮೌಲ್ಯಮಾಪನ ಮಾಡಲು ಪ್ರಬಲವಾದ ಪೂರ್ವ-ಸ್ಕ್ರೀನರ್ ಆಗಿದೆ - ವಿಶೇಷವಾಗಿ ಹೆಚ್ಚಿನ ಸಂಖ್ಯೆಯ ಫಲಿತಾಂಶಗಳ ಮೂಲಕ ವಿಂಗಡಿಸಲು ಮತ್ತು ಅನುಸರಣೆಯ ಅಗತ್ಯವಿರುವವರಿಗೆ ಆದ್ಯತೆ ನೀಡಲು. ಆದರೆ ಇದು ಸಂಪೂರ್ಣವಾಗಿ ತಪ್ಪು ನಿರಾಕರಣೆಗಳನ್ನು ತಡೆಯಲು ಸಾಧ್ಯವಿಲ್ಲ (ತಪ್ಪಿದ ನೈಜ ಪ್ರಕರಣಗಳು) ಮತ್ತು ರೋಗನಿರ್ಣಯದ ನಿರ್ಧಾರವನ್ನು ಎಂದಿಗೂ ಮಾಡಲು ಸಾಧ್ಯವಿಲ್ಲ.

ಈ ಘಟಕದಲ್ಲಿ, ನಾವು ಮೂರು ಸಾಮಾನ್ಯ ಸ್ಕ್ರೀನಿಂಗ್ ಸಂದರ್ಭಗಳನ್ನು ಒಳಗೊಳ್ಳುತ್ತೇವೆ: ನವಜಾತ ಶಿಶುವಿನ ಶ್ರವಣ ಪರೀಕ್ಷೆ, ಶಾಲಾ-ವಯಸ್ಸಿನ ಸ್ಕ್ರೀನಿಂಗ್ ಮತ್ತು ಕೆಲಸದ ಸ್ಥಳದ ಶಬ್ದ ಸ್ಕ್ರೀನಿಂಗ್. ಅವುಗಳಲ್ಲಿ ಪ್ರತಿಯೊಂದರಲ್ಲೂ, ನೀವು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯನ್ನು ಎಲ್ಲಿ ಸುರಕ್ಷಿತವಾಗಿ ಬಳಸಬಹುದು ಮತ್ತು ನೀವು ಎಲ್ಲಿ ನಿಲ್ಲಿಸಬೇಕು ಎಂಬುದನ್ನು ನಾವು ಸ್ಪಷ್ಟಪಡಿಸುತ್ತೇವೆ.

ಸ್ಕ್ರೀನಿಂಗ್ ಪರೀಕ್ಷೆಗಳ ತರ್ಕ

ಎರಡು ಮೂಲಭೂತ ನವಜಾತ/ಶಿಶು ಸ್ಕ್ರೀನಿಂಗ್ ವಿಧಾನಗಳನ್ನು ತಿಳಿದುಕೊಳ್ಳೋಣ.

OAE (ಓಟೋಕೌಸ್ಟಿಕ್ ಎಮಿಷನ್): ಧ್ವನಿಗೆ ಪ್ರತಿಕ್ರಿಯೆಯಾಗಿ ಆರೋಗ್ಯಕರ ಕೋಕ್ಲಿಯಾ (ಒಳಕಿವಿಯಲ್ಲಿ ಕೇಳುವ ಅಂಗ) ಉತ್ಪಾದಿಸುವ ಅತ್ಯಂತ ಮಸುಕಾದ ಶಬ್ದಗಳನ್ನು ಅಳೆಯುತ್ತದೆ. ಕಿವಿಯಲ್ಲಿ ಸಣ್ಣ ತನಿಖೆ ಇರಿಸಲಾಗುತ್ತದೆ; ಕೋಕ್ಲಿಯಾ "ಪ್ರತಿಧ್ವನಿ" ನೀಡಿದರೆ ಪರೀಕ್ಷೆಯನ್ನು "ಉತ್ತೀರ್ಣ" ಎಂದು ಪರಿಗಣಿಸಲಾಗುತ್ತದೆ. OAE ವೇಗವಾಗಿರುತ್ತದೆ ಆದರೆ ಕೋಕ್ಲಿಯಾ (ಶ್ರವಣೇಂದ್ರಿಯ ನರ) ಹಿಂದೆ ಸಮಸ್ಯೆಗಳನ್ನು ಪತ್ತೆಹಚ್ಚಲು ಸಾಧ್ಯವಿಲ್ಲ.

ಸ್ವಯಂಚಾಲಿತ ABR (ಆಡಿಟರಿ ಬ್ರೈನ್‌ಸ್ಟೆಮ್ ರೆಸ್ಪಾನ್ಸ್): ಧ್ವನಿಗೆ ಶ್ರವಣೇಂದ್ರಿಯ ನರ ಮತ್ತು ಮೆದುಳಿನ ಕಾಂಡದ ವಿದ್ಯುತ್ ಪ್ರತಿಕ್ರಿಯೆಯನ್ನು ಅಳೆಯುತ್ತದೆ. ಶ್ರವಣೇಂದ್ರಿಯ ನರರೋಗ (ಕೋಕ್ಲಿಯಾ ಕಾರ್ಯನಿರ್ವಹಿಸುವ ಆದರೆ ನರಗಳ ವಹನವು ದುರ್ಬಲಗೊಳ್ಳುವ ಸ್ಥಿತಿ) ನಂತಹ OAE ತಪ್ಪಿಸಿಕೊಳ್ಳಬಹುದಾದ ಪರಿಸ್ಥಿತಿಗಳನ್ನು ಪತ್ತೆಹಚ್ಚಲು ಇದು ವಿಶೇಷವಾಗಿ ತೀವ್ರ ನಿಗಾ ಶಿಶುಗಳಲ್ಲಿ ಆದ್ಯತೆ ನೀಡಲಾಗುತ್ತದೆ.

ಎರಡೂ ಪರೀಕ್ಷೆಗಳ ಫಲಿತಾಂಶಗಳು ಸಾಮಾನ್ಯವಾಗಿ "ಪಾಸ್" ಅಥವಾ "ಫೇಲ್/ರೆಫರ್" ಆಗಿರುತ್ತವೆ. "ಫೇಲ್" ಒಂದು ರೋಗನಿರ್ಣಯವಲ್ಲ; ಹೆಚ್ಚಿನ ಮೌಲ್ಯಮಾಪನದ ಅಗತ್ಯವನ್ನು ಸೂಚಿಸುತ್ತದೆ. ಪ್ರಸ್ತುತ ಸ್ಕ್ಯಾನ್‌ನಲ್ಲಿ ಯಾವುದೇ ಸ್ಪಷ್ಟ ಸಮಸ್ಯೆ ಇಲ್ಲ ಎಂದು "ಪಾಸ್" ಸೂಚಿಸುತ್ತದೆ ಮತ್ತು ಇದು ಜೀವಮಾನದ ವಿಚಾರಣೆಯನ್ನು ಖಾತರಿಪಡಿಸುವುದಿಲ್ಲ.

ಎಚ್ಚರಿಕೆ: OAE ಯಿಂದ "ಪಾಸ್" ಫಲಿತಾಂಶದೊಂದಿಗೆ ಮಗುವಿನಲ್ಲಿ ಶ್ರವಣೇಂದ್ರಿಯ ನರರೋಗ-ರೀತಿಯ ನಷ್ಟವು ಮರೆಯಾಗಿರಬಹುದು. ಕುಟುಂಬಕ್ಕೆ "ಇದು ಮುಗಿದಿದೆ = ಇದು ಎಂದಿಗೂ ಸಮಸ್ಯೆಯಾಗುವುದಿಲ್ಲ" ಎಂದು ಹೇಳುವುದಿಲ್ಲ; ರೋಗಲಕ್ಷಣದ ಮೇಲ್ವಿಚಾರಣೆ ಮತ್ತು ಅನುಸರಣೆ, ಅಗತ್ಯವಿದ್ದರೆ, ನಂತರ ಬೆಳೆಯಬಹುದಾದ ನಷ್ಟಗಳಿಗೆ ಶಿಫಾರಸು ಮಾಡಲಾಗುತ್ತದೆ.

ಆರಂಭಿಕ ರೋಗನಿರ್ಣಯ ಏಕೆ ತುಂಬಾ ನಿರ್ಣಾಯಕವಾಗಿದೆ?

ನವಜಾತ ಶಿಶುವಿನ ಶ್ರವಣ ಪರೀಕ್ಷೆಯು ಸಾಮಾನ್ಯ ಮತ್ತು ಗಂಭೀರವಾಗಿ ಪರಿಗಣಿಸಲ್ಪಟ್ಟ ಕಾರ್ಯಕ್ರಮವಾಗಲು ಕಾರಣವೆಂದರೆ ಶ್ರವಣವು ಭಾಷೆ ಮತ್ತು ಮಾತಿನ ಬೆಳವಣಿಗೆಯ ಆಧಾರವಾಗಿದೆ. ಮಗು ಹುಟ್ಟಿದ ಕ್ಷಣದಿಂದ ಅವನು ತನ್ನ ಸುತ್ತಲಿನ ಶಬ್ದಗಳನ್ನು ಕೇಳುವ ಮೂಲಕ ಭಾಷೆಯನ್ನು ಕಲಿಯುತ್ತಾನೆ; ಶ್ರವಣದೋಷವು ಗಮನಿಸದೆ ಹೋದರೆ, ಅಭಿವೃದ್ಧಿಯ ಈ ಕಿಟಕಿಯು ಮೌನವಾಗಿ ತಪ್ಪಿಸಿಕೊಳ್ಳಬಹುದು. ಆರಂಭಿಕ ಪತ್ತೆ ಮತ್ತು ಸೂಕ್ತವಾಗಿ ಬೆಂಬಲಿತ ಶ್ರವಣ ದೋಷದ ಸಂದರ್ಭದಲ್ಲಿ, ಮಗುವಿನ ಭಾಷೆಯ ಬೆಳವಣಿಗೆಯು ತಡವಾಗಿ ಪತ್ತೆಯಾದದ್ದಕ್ಕಿಂತ ಗಮನಾರ್ಹವಾಗಿ ಉತ್ತಮವಾಗಿ ಮುಂದುವರಿಯುತ್ತದೆ. ಅದಕ್ಕಾಗಿಯೇ ಸ್ಕ್ರೀನಿಂಗ್‌ನ "ಸುಳ್ಳು ಋಣಾತ್ಮಕ"-ಅಂದರೆ, "ಪಾಸಾಯಿತು" ಎಂದು ನಿಜವಾದ ನಷ್ಟದೊಂದಿಗೆ ಮಗುವನ್ನು ಕಾಣೆಯಾಗಿದೆ - ಕ್ಷೇತ್ರದಲ್ಲಿ ಅತ್ಯಂತ ದುಬಾರಿ ತಪ್ಪು: ಕಳೆದುಹೋದ ತಿಂಗಳುಗಳು ನಂತರ ಸರಿದೂಗಿಸಲು ಕಷ್ಟಕರವಾದ ಬೆಳವಣಿಗೆಯ ವ್ಯತ್ಯಾಸಗಳಾಗಿ ಅನುವಾದಿಸಬಹುದು.

ಈ ಸಂದರ್ಭದಲ್ಲಿ ಟ್ರ್ಯಾಕಿಂಗ್ ಸರಪಳಿಯು ಮುರಿದುಹೋಗದಂತೆ ಖಚಿತಪಡಿಸಿಕೊಳ್ಳುವಲ್ಲಿ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯು ವಿಶೇಷವಾಗಿ ಮೌಲ್ಯಯುತವಾಗಿದೆ. ಸ್ಕ್ರೀನಿಂಗ್ ಕಾರ್ಯಕ್ರಮಗಳಲ್ಲಿನ ಸಾಮಾನ್ಯ ಸಮಸ್ಯೆಯೆಂದರೆ, "ವಿಫಲ" ಫಲಿತಾಂಶವನ್ನು ಹೊಂದಿರುವ ಮಗು ಎಂದಿಗೂ ಹೆಚ್ಚಿನ ಮೌಲ್ಯಮಾಪನಕ್ಕೆ ಬರುವುದಿಲ್ಲ (ಕುಟುಂಬವು ಕಾಣಿಸಿಕೊಳ್ಳುವುದಿಲ್ಲ, ದಾಖಲೆ ಕಳೆದುಹೋಗಿದೆ, ಅಪಾಯಿಂಟ್ಮೆಂಟ್ ಮರೆತುಹೋಗಿದೆ). ಫಾಲೋ-ಅಪ್ ಅಗತ್ಯವಿರುವ ಪ್ರಕರಣಗಳ ಪಟ್ಟಿಯನ್ನು ಕ್ಯೂರೇಟ್ ಮಾಡುವ ಮೂಲಕ ಮತ್ತು ಜ್ಞಾಪನೆ ಪಠ್ಯಗಳನ್ನು ರಚಿಸುವ ಮೂಲಕ AI ಈ "ಕಳೆದುಹೋದ ಫಾಲೋ-ಅಪ್" ದರವನ್ನು ಕಡಿಮೆ ಮಾಡಲು ಸಹಾಯ ಮಾಡುತ್ತದೆ. ಆದರೆ ಯಾವ ಮಗು ನಿಜವಾಗಿಯೂ ಅಪಾಯದಲ್ಲಿದೆ ಮತ್ತು ರೋಗನಿರ್ಣಯದ ಪ್ರಕ್ರಿಯೆಯು ಹೇಗೆ ಮುಂದುವರಿಯುತ್ತದೆ ಎಂಬುದರ ಕುರಿತು ನಿರ್ಧಾರವು ಯಾವಾಗಲೂ ತಜ್ಞರು ಮತ್ತು ಕಾರ್ಯಕ್ರಮದ ಕ್ಲಿನಿಕಲ್ ಜವಾಬ್ದಾರಿಯಾಗಿದೆ.

ತಪ್ಪು ಋಣಾತ್ಮಕ ಮತ್ತು ತಪ್ಪು ಧನಾತ್ಮಕ ಸಮತೋಲನ

ಪ್ರತಿ ಸ್ಕ್ರೀನಿಂಗ್ ಪರೀಕ್ಷೆಯು ಎರಡು ರೀತಿಯ ದೋಷಗಳನ್ನು ಮಾಡಬಹುದು. ತಪ್ಪು ನಕಾರಾತ್ಮಕತೆಯು ಸಮಸ್ಯೆಯನ್ನು ಹೊಂದಿರುವ ವ್ಯಕ್ತಿಯನ್ನು ಕಳೆದುಕೊಂಡಿದೆ ಏಕೆಂದರೆ ಅವರು "ಅದರ ಮೇಲೆ" ಇದ್ದಾರೆ-ಆರೋಗ್ಯ ರಕ್ಷಣೆಯಲ್ಲಿ ಅತ್ಯಂತ ಅಪಾಯಕಾರಿ ತಪ್ಪು ಏಕೆಂದರೆ ಮಗು ಅನುಸರಿಸದೆ ಉಳಿದಿದೆ. ತಪ್ಪು ಧನಾತ್ಮಕತೆಯು ಆರೋಗ್ಯಕರ ವ್ಯಕ್ತಿಯನ್ನು "ವಿಫಲ" ಎಂದು ಗುರುತಿಸುತ್ತದೆ - ಅನಗತ್ಯ ಆತಂಕ ಮತ್ತು ಹೆಚ್ಚುವರಿ ಪರೀಕ್ಷೆಯನ್ನು ಸೃಷ್ಟಿಸುತ್ತದೆ, ಆದರೆ ಕಡಿಮೆ ಅಪಾಯಕಾರಿ.

ಸ್ಕ್ರೀನಿಂಗ್ ಪಟ್ಟಿಗಳಲ್ಲಿ AI ಅನ್ನು ಬಳಸುವಾಗ ನೀವು ಪ್ರಜ್ಞಾಪೂರ್ವಕವಾಗಿ ಈ ಸಮತೋಲನವನ್ನು ಹೊಡೆಯಬೇಕು: ಪೂರ್ವ-ಸ್ಕ್ರೀನಿಂಗ್‌ನಲ್ಲಿ, ಮಿತಿಯನ್ನು "ಕಾಣೆಯಾಗದ" ಕಡೆಗೆ ಇಡುವುದು ಸಾಮಾನ್ಯವಾಗಿ ಸುರಕ್ಷಿತವಾಗಿದೆ (ಅಂದರೆ ಶಂಕಿತರನ್ನು ಅನುಸರಿಸಲು). ಕೆಳಗಿನ ಕೋಷ್ಟಕವು ಮೂರು ಸಂದರ್ಭಗಳನ್ನು ಹೋಲಿಸುತ್ತದೆ.

ಸಂದರ್ಭ

ವಿಶಿಷ್ಟ ವಿಧಾನ

ತಪ್ಪು ನಕಾರಾತ್ಮಕತೆಯ ಅಪಾಯ

AI ನ ಸುರಕ್ಷಿತ ಪಾತ್ರ

ನವಜಾತ

OAE / ಸ್ವಯಂಚಾಲಿತ ABR

ಅಧಿಕ (ಅಭಿವೃದ್ಧಿ ವಿಳಂಬ)

ಫಲಿತಾಂಶ ಪಟ್ಟಿ ಸಂಪಾದನೆ, ಫಾಲೋ-ಅಪ್ ಜ್ಞಾಪನೆ

ಶಾಲಾ ವಯಸ್ಸು

ಶುದ್ಧ ಧ್ವನಿ ಸ್ಕ್ಯಾನಿಂಗ್

ಮಧ್ಯಮ (ತರಬೇತಿ ಪರಿಣಾಮ)

ವರ್ಗ/ಪಟ್ಟಿ ಆದ್ಯತೆ

ಕೆಲಸದ ಸ್ಥಳ

ಶಬ್ದ ಆಡಿಯೊಮೆಟ್ರಿ

ಮಧ್ಯಮ-ಉನ್ನತ (ಔದ್ಯೋಗಿಕ ರೋಗ)

ಟ್ರೆಂಡ್/ಹೋಲಿಕೆ ಕಥಾವಸ್ತು

ಹಂತ ಹಂತವಾಗಿ: AI ನೊಂದಿಗೆ ಸ್ಕ್ಯಾನಿಂಗ್‌ನ ಪೂರ್ವ-ಮೌಲ್ಯಮಾಪನ

1. ಅನಾಮಧೇಯಗೊಳಿಸಿ ಮತ್ತು ಡೇಟಾ ರಚನೆ. ID, ಪಾಸ್/ಫೇಲ್, ಮತ್ತು ಮಾಪನ ಮೌಲ್ಯದ ಬದಲಿಗೆ ಕೋಡ್/ಅನುಕ್ರಮ ಸಂಖ್ಯೆಯ ಮೂಲಕ ಫಲಿತಾಂಶಗಳನ್ನು ಪಟ್ಟಿ ಮಾಡಿ.
2. ಪೂರ್ವ-ಅರ್ಹತೆಯ ನಿಯಮವನ್ನು ವಿವರಿಸಿ. "ವಿಫಲರಾದವರು" ಮತ್ತು ಗಡಿಯಲ್ಲಿರುವವರಿಗೆ ಆದ್ಯತೆ ನೀಡಿ; ನೀವು ನಿರ್ಧಾರವನ್ನು ತಪ್ಪಿಸಿಕೊಳ್ಳದಂತೆ ಹೊಂದಿಸಿ.
3. AI ಗೆ ಆದ್ಯತೆ ನೀಡಿ. ಏನನ್ನು ಮೇಲ್ವಿಚಾರಣೆ ಮಾಡಬೇಕು, ಯಾವುದನ್ನು ಮರುಸ್ಕ್ಯಾನ್ ಮಾಡಬೇಕು ಮತ್ತು ಯಾವುದು ಸಾಮಾನ್ಯ ಎಂಬುದನ್ನು ವಿಭಜಿಸುವ ಪಟ್ಟಿಯನ್ನು ಕೇಳಿ.
4. ತಪ್ಪು ನಿರಾಕರಣೆಗಳಿಗಾಗಿ ವೀಕ್ಷಿಸಿ. "ಪಾಸ್" ಗುಂಪಿನಲ್ಲಿ ಸಹ, ಯಾರಾದರೂ ರೋಗಲಕ್ಷಣಗಳನ್ನು ವಿವರಿಸಿದರೆ (ಕುಟುಂಬದ ಅನುಮಾನ, ಮಾತಿನ ವಿಳಂಬ), ಅನುಸರಿಸಿ.
5. ರೋಗನಿರ್ಣಯದ ಮಾರ್ಗದರ್ಶನವನ್ನು ತಜ್ಞರಿಗೆ ಬಿಡಿ. ಅಂತಿಮ ರೋಗನಿರ್ಣಯ ಮತ್ತು ಹೆಚ್ಚಿನ ಪರೀಕ್ಷೆಯ ನಿರ್ಧಾರವು ಶ್ರವಣಶಾಸ್ತ್ರಜ್ಞ/ವೈದ್ಯರಿಗೆ ಸೇರಿದೆ.
6. ಅಧಿಸೂಚನೆ ಬಾಧ್ಯತೆಯನ್ನು ಜಾರಿಗೊಳಿಸಿ. ಔದ್ಯೋಗಿಕ ಆರೋಗ್ಯ ಅಧಿಸೂಚನೆ ಮತ್ತು ರಕ್ಷಣೆ ಪ್ರಕ್ರಿಯೆಗಳನ್ನು ನಿರ್ವಹಿಸಿ, ವಿಶೇಷವಾಗಿ ಕೆಲಸದ ಸ್ಥಳದಲ್ಲಿ ಪತ್ತೆಯಾದ ನಷ್ಟಗಳ ಸಂದರ್ಭಗಳಲ್ಲಿ.

ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್ / ಬಲವಾದ ಪ್ರಾಂಪ್ಟ್

ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್:

ಕೆಳಗಿನ ಶಿಶುಗಳು OAE ಫಲಿತಾಂಶಗಳನ್ನು ಹೊಂದಿವೆ, ಯಾರು ಕಿವುಡರಾಗಿದ್ದಾರೆಂದು ಹೇಳಿ: [ಪಟ್ಟಿ]

ಇದು "ಕಿವುಡ" ನಂತಹ ನಿಖರವಾದ ರೋಗನಿರ್ಣಯದ ಭಾಷೆಗೆ ಕರೆ ನೀಡುತ್ತದೆ, ಸ್ಕ್ರೀನಿಂಗ್-ರೋಗನಿರ್ಣಯ ವ್ಯತ್ಯಾಸವನ್ನು ನಿರ್ಲಕ್ಷಿಸುತ್ತದೆ ಮತ್ತು ತಪ್ಪು ನಿರಾಕರಣೆಗಳ ಅಪಾಯವನ್ನು ನಿರ್ಲಕ್ಷಿಸುತ್ತದೆ.

ಶಕ್ತಿಯುತ ಪ್ರಾಂಪ್ಟ್:

ನಿಮ್ಮ ಪಾತ್ರ: ಸ್ಕ್ರೀನಿಂಗ್ ಫಲಿತಾಂಶಗಳನ್ನು ಆಯೋಜಿಸುವ ಪೂರ್ವ-ಸ್ಕ್ರೀನಿಂಗ್ ಸಹಾಯಕ. ರೋಗನಿರ್ಣಯವನ್ನು ಮಾಡಬೇಡಿ; "ಪಾಸ್/ಫೇಲ್" ಸ್ಕ್ರೀನಿಂಗ್ ರೋಗನಿರ್ಣಯವಲ್ಲ ಎಂದು ನನಗೆ ನೆನಪಿಸಿ. ಡೇಟಾ (ಅನಾಮಧೇಯ, ಅನುಕ್ರಮ ಸಂಖ್ಯೆಯೊಂದಿಗೆ): [ಪಾಸ್/ಫೇಲ್ ಲಿಸ್ಟ್ + ಟಿಪ್ಪಣಿಗಳು ಯಾವುದಾದರೂ ಇದ್ದರೆ] ಕಾರ್ಯ: (1) "ಫೇಲ್" ಪದಗಳಿಗೆ ಆದ್ಯತೆ ನೀಡಿ, (2) ಪ್ರತ್ಯೇಕವಾಗಿ "ಪಾಸ್" ಎಂದು ಗುರುತಿಸಿ ಆದರೆ ಗುರುತಿಸಲಾಗಿಲ್ಲ (ಕುಟುಂಬದ ಅನುಮಾನ, ಇತ್ಯಾದಿ), (3) ಪ್ರತಿ ಗುಂಪಿಗೆ ಶಿಫಾರಸು ಮಾಡಲಾದ ಮುಂದಿನ ಹಂತವನ್ನು ಬರೆಯಿರಿ. ಅಂತಿಮ ರೋಗನಿರ್ಣಯ ಮತ್ತು ಹೆಚ್ಚಿನ ಪರೀಕ್ಷೆಯ ನಿರ್ಧಾರವು ಶ್ರವಣಶಾಸ್ತ್ರಜ್ಞ/ವೈದ್ಯರಿಗೆ ಬಿಟ್ಟದ್ದು ಎಂದು ತಿಳಿಸಿ.

ಬಲವಾದ ವಿನಂತಿಯು ಅನಾಮಧೇಯವಾಗಿದೆ, ಸ್ಕ್ರೀನಿಂಗ್-ರೋಗನಿರ್ಣಯ ವ್ಯತ್ಯಾಸವನ್ನು ಸಂರಕ್ಷಿಸುತ್ತದೆ, ತಪ್ಪು ನಕಾರಾತ್ಮಕತೆಯನ್ನು ಗಣನೆಗೆ ತೆಗೆದುಕೊಳ್ಳುತ್ತದೆ ಮತ್ತು ನಿರ್ಧಾರವನ್ನು ತಜ್ಞರಿಗೆ ಬಿಡುತ್ತದೆ.

ಮೂರು ಸಣ್ಣ ಪ್ರಕರಣಗಳು

ಪ್ರಕರಣ 1 - ಆದ್ಯತೆ. ಒಂದು ಸ್ಕ್ರೀನಿಂಗ್ ಘಟಕವು 120 ನವಜಾತ ಫಲಿತಾಂಶಗಳನ್ನು ಹೊಂದಿದೆ; 8 "ಎಡ". ಶ್ರವಣಶಾಸ್ತ್ರಜ್ಞರು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಗೆ ಅನಾಮಧೇಯ ಪಟ್ಟಿಯನ್ನು ನೀಡುತ್ತಾರೆ ಮತ್ತು ಟ್ರ್ಯಾಕಿಂಗ್ ಪಟ್ಟಿಯನ್ನು ಸಂಪಾದಿಸಿದ್ದಾರೆ. AI 8 "ವಿಫಲ" ಪ್ರಕರಣಗಳು ಮತ್ತು 3 ಪ್ರಕರಣಗಳನ್ನು "ಪಾಸ್, ಆದರೆ ಶ್ರವಣ ನಷ್ಟದ ಕುಟುಂಬದ ಇತಿಹಾಸವಿದೆ" ಎಂಬ ಟಿಪ್ಪಣಿಯೊಂದಿಗೆ ಪ್ರತ್ಯೇಕಿಸುತ್ತದೆ. ತಜ್ಞರು 11 ಶಿಶುಗಳನ್ನು ಅನುಸರಿಸುತ್ತಾರೆ. AI ನಿಮಿಷಗಳಲ್ಲಿ 120 ಸಾಲುಗಳನ್ನು ಸಂಪಾದಿಸಿದೆ; ಅಪಹರಣದ ಅಪಾಯ ಕಡಿಮೆಯಾಗಿದೆ.

ಪ್ರಕರಣ 2 - ತಪ್ಪು ಋಣಾತ್ಮಕ ಕ್ಯಾಪ್ಚರ್. ಶಾಲೆಯ ಸ್ಕ್ರೀನಿಂಗ್‌ನಲ್ಲಿ, 9 ವರ್ಷ ವಯಸ್ಸಿನ ಮಗುವು ಶುದ್ಧ ಟೋನ್ ಸ್ಕ್ರೀನಿಂಗ್‌ನಲ್ಲಿ "ಪಾಸ್" ಪಡೆದರು, ಆದರೆ ಶಿಕ್ಷಕರು "ಅವನು ಅದನ್ನು ಸಾರ್ವಕಾಲಿಕ ಪುನರಾವರ್ತಿಸುತ್ತಾನೆ ಮತ್ತು ಹಿಂದಿನಿಂದ ಕರೆದಾಗ ಅದನ್ನು ಕೇಳುವುದಿಲ್ಲ" ಎಂದು ಗಮನಿಸಿದರು. ಶ್ರವಣಶಾಸ್ತ್ರಜ್ಞರು ಈ ಟಿಪ್ಪಣಿಯನ್ನು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಗೆ ಫಿಲ್ಟರ್‌ನೊಂದಿಗೆ ಸ್ಕ್ಯಾನ್ ಮಾಡುತ್ತಾರೆ "ಪಾಸ್ ಗುಂಪಿನಲ್ಲಿ ಯಾವುದೇ ರೋಗಲಕ್ಷಣಗಳಿವೆಯೇ?" ಮಗುವನ್ನು ಮತ್ತಷ್ಟು ಮೌಲ್ಯಮಾಪನಕ್ಕಾಗಿ ತೆಗೆದುಕೊಳ್ಳಲಾಗುತ್ತದೆ ಮತ್ತು ಸ್ವಲ್ಪ ಅಲೆಅಲೆಯಾದ ನಷ್ಟವನ್ನು ಕಂಡುಹಿಡಿಯಲಾಗುತ್ತದೆ. ಸಂಖ್ಯಾತ್ಮಕ "ಪಾಸ್ಡ್" ಕ್ಲಿನಿಕಲ್ ರೋಗಲಕ್ಷಣವನ್ನು ಅತಿಕ್ರಮಿಸಲಿಲ್ಲ.

ಪ್ರಕರಣ 3 - ಕಾರ್ಯಸ್ಥಳದ ಪಕ್ಷಪಾತ. ಕಾರ್ಖಾನೆಯಲ್ಲಿ 50 ಕಾರ್ಮಿಕರ ವಾರ್ಷಿಕ ಶಬ್ದ ಶ್ರವಣಮಾಪನವಿದೆ. ಕಳೆದ ವರ್ಷದೊಂದಿಗೆ ಅನಾಮಧೇಯ ಮೌಲ್ಯಗಳನ್ನು ಹೋಲಿಸುವ ಸ್ಕೆಚ್ ಅನ್ನು ತಜ್ಞರು ಕೇಳುತ್ತಾರೆ. YZ 4000 Hz ನಲ್ಲಿ ಗಮನಾರ್ಹ ಮಿತಿ ಬದಲಾವಣೆಯನ್ನು ತೋರಿಸುವ 5 ಕೆಲಸಗಾರರನ್ನು ಗುರುತಿಸುತ್ತದೆ. ತಜ್ಞರು ಅವರನ್ನು ರೋಗನಿರ್ಣಯದ ಮೌಲ್ಯಮಾಪನ ಮತ್ತು ವೈಯಕ್ತಿಕ ರಕ್ಷಣಾ ಸಾಧನಗಳ ಪರಿಶೀಲನೆಗೆ ಉಲ್ಲೇಖಿಸುತ್ತಾರೆ; ಔದ್ಯೋಗಿಕ ಆರೋಗ್ಯ ಅಧಿಸೂಚನೆ ಪ್ರಕ್ರಿಯೆಯನ್ನು ಪ್ರಾರಂಭಿಸುತ್ತದೆ.

ನಕಲು ಮಾಡಬಹುದಾದ ಪ್ರಾಂಪ್ಟ್ ಟೆಂಪ್ಲೇಟ್‌ಗಳು

ಪರದೆ ಪಟ್ಟಿ ಆದ್ಯತೆಯ ಟೆಂಪ್ಲೇಟುಈ ಕೆಳಗಿನ ಅನಾಮಧೇಯ ಸ್ಕ್ರೀನಿಂಗ್ ಫಲಿತಾಂಶಗಳನ್ನು ಮೂರು ಗುಂಪುಗಳಾಗಿ ವಿಂಗಡಿಸಿ: (1) ಅನುಸರಣಾ ಆದ್ಯತೆ ("ವಿಫಲ"), (2) ಗ್ರೇಡ್/ಅನುಮಾನದ ಕಾರಣದಿಂದಾಗಿ ವಿಮರ್ಶೆ ("ಪಾಸ್" + ಸೂಚನೆ), (3) ದಿನಚರಿ. ಸ್ಕ್ರೀನಿಂಗ್ ರೋಗನಿರ್ಣಯವಲ್ಲ, ಇದು ನಿರ್ಣಾಯಕ ರೋಗನಿರ್ಣಯವಲ್ಲ. ಡೇಟಾ: [ಪಟ್ಟಿ]

ತಪ್ಪು ಋಣಾತ್ಮಕ ಫಿಲ್ಟರ್ ಟೆಂಪ್ಲೇಟರ್‌ಗಳು "ಪಾಸ್" ಫಲಿತಾಂಶದೊಂದಿಗೆ ಆದರೆ ರೋಗಲಕ್ಷಣ/ಕುಟುಂಬದ ಅನುಮಾನ/ಅಭಿವೃದ್ಧಿ ಟಿಪ್ಪಣಿಯೊಂದಿಗೆ ಪ್ರತ್ಯೇಕ ಪಟ್ಟಿಯಂತೆ ಗೋಚರಿಸುತ್ತವೆ ಮತ್ತು ನೀವು ಫಾಲೋ-ಅಪ್ ಅನ್ನು ಏಕೆ ಶಿಫಾರಸು ಮಾಡುತ್ತೀರಿ ಎಂದು ಬರೆಯಿರಿ. ಡೇಟಾ: [ಪಾಸ್ ಗುಂಪು + ಟಿಪ್ಪಣಿಗಳು]

ವರ್ಕ್‌ಪ್ಲೇಸ್ ಟ್ರೆಂಡ್ ಹೋಲಿಕೆ ಟೆಂಪ್ಲೇಟ್ ಈ ವರ್ಷದ ಮತ್ತು ಕಳೆದ ವರ್ಷದ ಶಬ್ದ ಆಡಿಯೊಮೆಟ್ರಿ ಥ್ರೆಶೋಲ್ಡ್‌ಗಳನ್ನು ಕೆಳಗಿನ ಅನಾಮಧೇಯ ವರ್ಕರ್ ಕೋಡ್‌ಗಳಿಗೆ ಹೋಲಿಸಿ; ಗಮನಾರ್ಹವಾದ ಕ್ಷೀಣತೆಯನ್ನು ತೋರಿಸುವಂತಹವುಗಳನ್ನು ಗುರುತಿಸಿ (ವಿಶೇಷವಾಗಿ 3000-6000 Hz). ನಿರ್ಧಾರ ಮತ್ತು ಅಧಿಸೂಚನೆಯು ತಜ್ಞರಿಗೆ ಸೇರಿದೆ. ಡೇಟಾ: [ಮೌಲ್ಯಗಳು]

ಕುಟುಂಬ/ಸಂಬಂಧಿತ ಮಾಹಿತಿಯ ಟೆಂಪ್ಲೇಟ್ "ಸ್ಕ್ರೀನಿಂಗ್ ರೋಗನಿರ್ಣಯವಲ್ಲ, ಹಾದುಹೋಗುವಿಕೆಯು ಜೀವಿತಾವಧಿಯ ಗ್ಯಾರಂಟಿ ನೀಡುವುದಿಲ್ಲ, ಉಳಿಯುವುದು ಕಿವುಡ ಎಂದರ್ಥವಲ್ಲ" ಎಂಬ ಸಂದೇಶದೊಂದಿಗೆ ಸರಳ ಟರ್ಕಿಶ್ ಭಾಷೆಯಲ್ಲಿ ಮಾಹಿತಿ ಪ್ಯಾರಾಗ್ರಾಫ್ ಬರೆಯಿರಿ. ಆತಂಕವನ್ನು ಸೃಷ್ಟಿಸಬೇಡಿ, ವಾಸ್ತವಿಕವಾಗಿರಿ, ಅನುಸರಣೆಯ ಪ್ರಾಮುಖ್ಯತೆಗೆ ಒತ್ತು ನೀಡಿ.

ಸಾಮಾನ್ಯ ತಪ್ಪುಗಳು

• ರೋಗನಿರ್ಣಯಕ್ಕಾಗಿ ಸ್ಕ್ಯಾನ್ ಅನ್ನು ತಪ್ಪಾಗಿ ಗ್ರಹಿಸುವುದು. "ಪಾಸ್/ಫೇಲ್" ಫಲಿತಾಂಶವನ್ನು ನಿರ್ಣಾಯಕ ರೋಗನಿರ್ಣಯವಾಗಿ ಪ್ರಸ್ತುತಪಡಿಸುವುದು.
• ತಪ್ಪು ನಕಾರಾತ್ಮಕತೆಯನ್ನು ಮರೆತುಬಿಡುವುದು. "ಪಾಸ್ಡ್" ಗುಂಪಿನಲ್ಲಿ ರೋಗಲಕ್ಷಣದ ಪ್ರಕರಣಗಳನ್ನು ಕಡೆಗಣಿಸುವುದು.
• ಕುಟುಂಬಕ್ಕೆ ಸುಳ್ಳು ಭರವಸೆ. "ಪಾಸ್ = ತೊಂದರೆ ಇಲ್ಲ" ಎಂದು ಹೇಳುವುದು; ಶ್ರವಣೇಂದ್ರಿಯ ನರರೋಗದಂತಹ ಸಾಧ್ಯತೆಗಳನ್ನು ನಿರ್ಲಕ್ಷಿಸುವುದು.
• ಅಧಿಸೂಚನೆ ಬಾಧ್ಯತೆಯನ್ನು ಬೈಪಾಸ್ ಮಾಡುವುದು. ಕೆಲಸದ ಸ್ಥಳದಲ್ಲಿ ಪತ್ತೆಯಾದ ನಷ್ಟವನ್ನು ಔದ್ಯೋಗಿಕ ಆರೋಗ್ಯ ಪ್ರಕ್ರಿಯೆಗೆ ವರದಿ ಮಾಡುತ್ತಿಲ್ಲ.
• ವಾಹನದಲ್ಲಿ ಗುರುತಿನ ಡೇಟಾವನ್ನು ನಮೂದಿಸುವುದು. ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯನ್ನು ಅನಾಮಧೇಯಗೊಳಿಸದೆ ಮಗುವಿಗೆ/ಕೆಲಸಗಾರನ ಗುರುತನ್ನು ನೀಡುವುದು.

ಸಾರಾಂಶದಲ್ಲಿ

ಸ್ಕ್ರೀನಿಂಗ್ ಒಂದು ನಿರ್ಮೂಲನೆಯಾಗಿದ್ದು ಅದು ಸಂಭಾವ್ಯ ಸಮಸ್ಯೆಗಳನ್ನು ನಿವಾರಿಸುತ್ತದೆ ಮತ್ತು ಅವುಗಳನ್ನು ರೋಗನಿರ್ಣಯದ ಮೌಲ್ಯಮಾಪನಕ್ಕೆ ನಿರ್ದೇಶಿಸುತ್ತದೆ; ಇದು ರೋಗನಿರ್ಣಯವಲ್ಲ. ಹೆಚ್ಚಿನ ಸಂಖ್ಯೆಯ ಫಲಿತಾಂಶಗಳ ಮೂಲಕ ವಿಂಗಡಿಸಲು ಮತ್ತು ಫಾಲೋ-ಅಪ್ ಅಗತ್ಯವಿರುವವರಿಗೆ ಆದ್ಯತೆ ನೀಡಲು AI ಪ್ರಬಲವಾದ ಪೂರ್ವ-ಸ್ಕ್ರೀನರ್ ಆಗಿದೆ, ಆದರೆ ಇದು ತಪ್ಪು ನಿರಾಕರಣೆಗಳನ್ನು ಸಂಪೂರ್ಣವಾಗಿ ತಡೆಯಲು ಸಾಧ್ಯವಿಲ್ಲ. "ಪಾಸ್" ಆಗಿದ್ದರೂ ರೋಗಲಕ್ಷಣಗಳಿದ್ದರೆ, ಅದನ್ನು ಅನುಸರಿಸುವುದು ತಜ್ಞರ ನಿರ್ಧಾರವಾಗಿದೆ ಮತ್ತು "ಫೇಲ್" ಆಗಿದ್ದರೆ, ಹೆಚ್ಚಿನ ಮೌಲ್ಯಮಾಪನವು ತಜ್ಞರ ನಿರ್ಧಾರವಾಗಿರುತ್ತದೆ; ಕೆಲಸದ ಸ್ಥಳದಲ್ಲಿ ಪತ್ತೆಯಾದ ನಷ್ಟಗಳ ಸಂದರ್ಭಗಳಲ್ಲಿ ಅಧಿಸೂಚನೆ ಮತ್ತು ರಕ್ಷಣೆಯ ಜವಾಬ್ದಾರಿಗಳನ್ನು ಜಾರಿಗೊಳಿಸಬೇಕು.

ಅಪ್ಲಿಕೇಶನ್ ಕಾರ್ಯ

ಅನಾಮಧೇಯ, ಸಿದ್ಧಪಡಿಸಿದ ಸ್ಕ್ರೀನಿಂಗ್ ಪಟ್ಟಿಯನ್ನು ತಯಾರಿಸಿ (ಕನಿಷ್ಠ 15 ಸಾಲುಗಳು, ಪಾಸ್/ಫೇಲ್, ಮತ್ತು ಕೆಲವು ರೋಗಲಕ್ಷಣಗಳ ಟಿಪ್ಪಣಿಗಳು). "ಆದ್ಯತೆ" ಮತ್ತು "ತಪ್ಪು ನಕಾರಾತ್ಮಕ ಫಿಲ್ಟರ್" ಟೆಂಪ್ಲೆಟ್ಗಳೊಂದಿಗೆ AI ಗೆ ಎರಡು ಪಟ್ಟಿಗಳನ್ನು ನೀಡಿ. ನಂತರ ಅದನ್ನು ಹಸ್ತಚಾಲಿತವಾಗಿ ವಿಮರ್ಶಿಸಿ: AI ತಪ್ಪಿಹೋಗಿದೆ ಅಥವಾ ಅತಿಯಾಗಿ ಗುರುತಿಸಲ್ಪಟ್ಟಿದೆಯೇ? "ಕುಟುಂಬ ಮಾಹಿತಿ" ಟೆಂಪ್ಲೇಟ್ ಅನ್ನು ಬಳಸಿಕೊಂಡು ಕುಟುಂಬಕ್ಕಾಗಿ ಮಾಹಿತಿ ಪ್ಯಾರಾಗ್ರಾಫ್ ಅನ್ನು ತಯಾರಿಸಿ ಮತ್ತು ಉತ್ಪ್ರೇಕ್ಷೆ/ಖಾತರಿಗಾಗಿ ಅದನ್ನು ಸರಿಪಡಿಸಿ.

ಪರಿಶೀಲನಾಪಟ್ಟಿ

• [ ] ನಾನು ಸ್ಕ್ಯಾನ್ ಫಲಿತಾಂಶಗಳನ್ನು ಅನಾಮಧೇಯವಾಗಿ ಮತ್ತು ರಚನಾತ್ಮಕವಾಗಿ ಒದಗಿಸಿದ್ದೇನೆ.
• [ ] "ವಿಫಲವಾಗಿದೆ" ಮತ್ತು ಗಡಿಯಲ್ಲಿರುವವರನ್ನು ಅನುಸರಿಸಲು ನಾನು ಆದ್ಯತೆ ನೀಡಿದ್ದೇನೆ.
• [ ] ನಾನು "ಪಾಸ್ಡ್" ಗುಂಪಿನಲ್ಲಿರುವ ರೋಗಲಕ್ಷಣದ ಪ್ರಕರಣಗಳನ್ನು ಪ್ರತ್ಯೇಕವಾಗಿ ಪರಿಶೀಲಿಸಿದ್ದೇನೆ.
• [ ] ನಾನು ಅಂತಿಮ ರೋಗನಿರ್ಣಯ ಮತ್ತು ಹೆಚ್ಚಿನ ಪರೀಕ್ಷೆಯ ನಿರ್ಧಾರವನ್ನು ತಜ್ಞರಿಗೆ ಬಿಟ್ಟಿದ್ದೇನೆ.
• [ ] ನಾನು ಕೆಲಸದ ಸ್ಥಳದಲ್ಲಿ ಅಧಿಸೂಚನೆ/ರಕ್ಷಣೆ ಬಾಧ್ಯತೆಯನ್ನು ಗಮನಿಸಿದ್ದೇನೆ.
• [ ] ನಾನು ಕುಟುಂಬದ ಮಾಹಿತಿಯನ್ನು ವಾಸ್ತವಿಕ ಮತ್ತು ಆತಂಕವಿಲ್ಲದ ಭಾಷೆಯಲ್ಲಿ ಬರೆದಿದ್ದೇನೆ.