ಸಾರ್ವಜನಿಕ ಆರೋಗ್ಯ ಮಧ್ಯಸ್ಥಿಕೆಗಳು ಸಮುದಾಯದ ಯೋಗಕ್ಷೇಮವನ್ನು ಉತ್ತೇಜಿಸುವಲ್ಲಿ ಮತ್ತು ವಿವಿಧ ಆರೋಗ್ಯ ಸವಾಲುಗಳನ್ನು ಎದುರಿಸುವಲ್ಲಿ ನಿರ್ಣಾಯಕ ಪಾತ್ರವನ್ನು ವಹಿಸುತ್ತವೆ. ಬಯೋಸ್ಟಾಟಿಸ್ಟಿಕ್ಸ್‌ನಲ್ಲಿ ಬೇರೂರಿರುವ ಸಾಂದರ್ಭಿಕ ನಿರ್ಣಯವು ಮಸೂರವನ್ನು ಒದಗಿಸುತ್ತದೆ, ಅದರ ಮೂಲಕ ಈ ಮಧ್ಯಸ್ಥಿಕೆಗಳ ಪ್ರಭಾವ ಮತ್ತು ಪರಿಣಾಮಕಾರಿತ್ವವನ್ನು ಅಧ್ಯಯನ ಮಾಡಬಹುದು ಮತ್ತು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಬಹುದು. ಪ್ರಾಯೋಗಿಕ ಉದಾಹರಣೆಗಳ ಮೂಲಕ, ನೈಜ ಜಗತ್ತಿನಲ್ಲಿ ಸಾರ್ವಜನಿಕ ಆರೋಗ್ಯ ಉಪಕ್ರಮಗಳನ್ನು ಮೌಲ್ಯಮಾಪನ ಮಾಡಲು ಮತ್ತು ವಿಶ್ಲೇಷಿಸಲು ಸಾಂದರ್ಭಿಕ ನಿರ್ಣಯ ತಂತ್ರಗಳನ್ನು ಹೇಗೆ ಅನ್ವಯಿಸಲಾಗುತ್ತದೆ ಎಂಬುದನ್ನು ನಾವು ಪರಿಶೀಲಿಸಬಹುದು.
ಕಾಸ್ ಇನ್ಫರೆನ್ಸ್ ಮತ್ತು ಬಯೋಸ್ಟಾಟಿಸ್ಟಿಕ್ಸ್
ಸಾಂದರ್ಭಿಕ ನಿರ್ಣಯವು ಗಮನಿಸಿದ ಡೇಟಾದ ಆಧಾರದ ಮೇಲೆ ಕಾರಣದ ಬಗ್ಗೆ ತೀರ್ಮಾನಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳುವ ಪ್ರಕ್ರಿಯೆಯನ್ನು ಸೂಚಿಸುತ್ತದೆ. ಸಾರ್ವಜನಿಕ ಆರೋಗ್ಯದಲ್ಲಿ, ಇದು ಮಧ್ಯಸ್ಥಿಕೆಗಳು ಮತ್ತು ಅವುಗಳ ಫಲಿತಾಂಶಗಳ ನಡುವಿನ ಸಾಂದರ್ಭಿಕ ಸಂಬಂಧಗಳನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವುದನ್ನು ಒಳಗೊಂಡಿರುತ್ತದೆ. ಬಯೋಸ್ಟಾಟಿಸ್ಟಿಕ್ಸ್, ಮತ್ತೊಂದೆಡೆ, ಜೈವಿಕ ಮತ್ತು ಆರೋಗ್ಯ-ಸಂಬಂಧಿತ ಡೇಟಾಗೆ ಅಂಕಿಅಂಶಗಳ ವಿಧಾನಗಳ ಅನ್ವಯವಾಗಿದೆ, ಸಂಕೀರ್ಣ ಡೇಟಾಸೆಟ್‌ಗಳಿಂದ ಅರ್ಥಪೂರ್ಣ ಒಳನೋಟಗಳನ್ನು ಪಡೆಯಲು ಸಂಶೋಧಕರಿಗೆ ಅನುವು ಮಾಡಿಕೊಡುತ್ತದೆ.
ಜೈವಿಕ ಅಂಕಿಅಂಶಗಳೊಂದಿಗೆ ಸಾಂದರ್ಭಿಕ ತೀರ್ಮಾನವನ್ನು ಸಂಯೋಜಿಸುವುದು ಸಾರ್ವಜನಿಕ ಆರೋಗ್ಯ ವೃತ್ತಿಪರರು ಮಧ್ಯಸ್ಥಿಕೆಗಳ ಪರಿಣಾಮವನ್ನು ನಿರ್ಣಯಿಸಲು ಮತ್ತು ಭವಿಷ್ಯದ ಕಾರ್ಯತಂತ್ರಗಳಿಗೆ ಮಾರ್ಗದರ್ಶನ ನೀಡಲು ಪುರಾವೆ-ಆಧಾರಿತ ತೀರ್ಮಾನಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳಲು ಅನುಮತಿಸುತ್ತದೆ.
ಉದಾಹರಣೆ 1: ವ್ಯಾಕ್ಸಿನೇಷನ್ ಕಾರ್ಯಕ್ರಮಗಳ ಪರಿಣಾಮ
ವ್ಯಾಕ್ಸಿನೇಷನ್ ಕಾರ್ಯಕ್ರಮಗಳು ಸಾರ್ವಜನಿಕ ಆರೋಗ್ಯ ಪ್ರಯತ್ನಗಳ ಮೂಲಾಧಾರವಾಗಿದ್ದು, ಸಾಂಕ್ರಾಮಿಕ ರೋಗಗಳ ಹರಡುವಿಕೆಯನ್ನು ತಡೆಗಟ್ಟುವ ಗುರಿಯನ್ನು ಹೊಂದಿದೆ. ಜನಸಂಖ್ಯೆಯೊಳಗೆ ರೋಗದ ಸಂಭವ ಮತ್ತು ಮರಣ ಪ್ರಮಾಣವನ್ನು ಕಡಿಮೆ ಮಾಡುವಲ್ಲಿ ವ್ಯಾಕ್ಸಿನೇಷನ್ ಉಪಕ್ರಮಗಳ ಪರಿಣಾಮಕಾರಿತ್ವವನ್ನು ಮೌಲ್ಯಮಾಪನ ಮಾಡಲು ಕಾರಣವಾದ ನಿರ್ಣಯ ತಂತ್ರಗಳನ್ನು ಬಳಸಬಹುದು. ಲಸಿಕೆ ಹಾಕಿದ ಮತ್ತು ಲಸಿಕೆ ಹಾಕದ ಗುಂಪುಗಳನ್ನು ಹೋಲಿಸುವ ಮೂಲಕ, ಸಾರ್ವಜನಿಕ ಆರೋಗ್ಯದ ಫಲಿತಾಂಶಗಳ ಮೇಲೆ ವ್ಯಾಕ್ಸಿನೇಷನ್‌ಗಳ ಸಾಂದರ್ಭಿಕ ಪರಿಣಾಮವನ್ನು ಅಂದಾಜು ಮಾಡಲು ಸಂಶೋಧಕರು ಒಲವು ಸ್ಕೋರ್ ಹೊಂದಾಣಿಕೆ ಮತ್ತು ವಾದ್ಯಗಳ ವೇರಿಯಬಲ್ ವಿಶ್ಲೇಷಣೆಯಂತಹ ವಿಧಾನಗಳನ್ನು ಬಳಸಿಕೊಳ್ಳಬಹುದು.
ಒಲವು ಸ್ಕೋರ್ ಹೊಂದಾಣಿಕೆ:
ಈ ವಿಧಾನವು ಒಂದೇ ರೀತಿಯ ಗುಣಲಕ್ಷಣಗಳೊಂದಿಗೆ ಲಸಿಕೆ ಹಾಕಿದ ಮತ್ತು ಲಸಿಕೆ ಹಾಕದ ವ್ಯಕ್ತಿಗಳ ಹೊಂದಾಣಿಕೆಯ ಜೋಡಿಗಳನ್ನು ರಚಿಸುವುದನ್ನು ಒಳಗೊಂಡಿರುತ್ತದೆ, ಇದು ರೋಗದ ಹರಡುವಿಕೆಯ ಮೇಲೆ ವ್ಯಾಕ್ಸಿನೇಷನ್‌ನ ಕಾರಣದ ಪರಿಣಾಮವನ್ನು ಹೆಚ್ಚು ನಿಖರವಾಗಿ ನಿರ್ಣಯಿಸಲು ಅನುವು ಮಾಡಿಕೊಡುತ್ತದೆ. ಎರಡು ಗುಂಪುಗಳ ನಡುವಿನ ಬೇಸ್‌ಲೈನ್ ಗುಣಲಕ್ಷಣಗಳನ್ನು ಸಮತೋಲನಗೊಳಿಸುವ ಮೂಲಕ, ಸಂಶೋಧಕರು ಸಂಭಾವ್ಯ ಗೊಂದಲಮಯ ಅಸ್ಥಿರಗಳನ್ನು ಪರಿಗಣಿಸಬಹುದು ಮತ್ತು ಸಾಂದರ್ಭಿಕ ತೀರ್ಮಾನವನ್ನು ಬಲಪಡಿಸಬಹುದು.
ಇನ್ಸ್ಟ್ರುಮೆಂಟಲ್ ವೇರಿಯಬಲ್ ಅನಾಲಿಸಿಸ್:
ವಾದ್ಯಗಳ ಅಸ್ಥಿರಗಳನ್ನು ಅಂತರ್ವರ್ಧಕವನ್ನು ಪರಿಹರಿಸಲು ಬಳಸಲಾಗುತ್ತದೆ, ಅಲ್ಲಿ ವ್ಯಾಕ್ಸಿನೇಷನ್ ಮತ್ತು ರೋಗದ ಫಲಿತಾಂಶಗಳ ಸಾಧ್ಯತೆಗಳ ಮೇಲೆ ಪರಿಣಾಮ ಬೀರುವ ಅಂಶಗಳು ಸಾಂದರ್ಭಿಕ ಪರಿಣಾಮಗಳ ಪಕ್ಷಪಾತದ ಅಂದಾಜುಗೆ ಕಾರಣವಾಗಬಹುದು. ವ್ಯಾಕ್ಸಿನೇಷನ್ ಮೇಲೆ ಪರಿಣಾಮ ಬೀರುವ ಆದರೆ ಫಲಿತಾಂಶಕ್ಕೆ ಸಂಬಂಧಿಸದ ಸಾಧನವನ್ನು ಗುರುತಿಸುವ ಮೂಲಕ, ಸಂಶೋಧಕರು ಹೆಚ್ಚು ದೃಢವಾದ ಸಾಂದರ್ಭಿಕ ಅಂದಾಜುಗಳನ್ನು ಪಡೆಯಬಹುದು, ಇದು ಲಸಿಕೆ ಕಾರ್ಯಕ್ರಮಗಳ ನಿಜವಾದ ಪ್ರಭಾವದ ತಿಳುವಳಿಕೆಗೆ ಕೊಡುಗೆ ನೀಡುತ್ತದೆ.
ಉದಾಹರಣೆ 2: ನೀತಿ ಮಧ್ಯಸ್ಥಿಕೆಗಳನ್ನು ಮೌಲ್ಯಮಾಪನ ಮಾಡುವುದು
ಧೂಮಪಾನ ನಿಷೇಧಗಳು ಅಥವಾ ಪೌಷ್ಟಿಕಾಂಶದ ಮಾರ್ಗಸೂಚಿಗಳಂತಹ ಸಾರ್ವಜನಿಕ ಆರೋಗ್ಯ ನೀತಿಗಳು ಸಾಮಾನ್ಯವಾಗಿ ಆರೋಗ್ಯಕರ ನಡವಳಿಕೆಗಳನ್ನು ಉತ್ತೇಜಿಸುವ ಮತ್ತು ರೋಗದ ಅಪಾಯದ ಅಂಶಗಳನ್ನು ಕಡಿಮೆ ಮಾಡುವ ಗುರಿಯನ್ನು ಹೊಂದಿವೆ. ಜನಸಂಖ್ಯೆಯ ಆರೋಗ್ಯದ ಫಲಿತಾಂಶಗಳ ಮೇಲೆ ಪ್ರಭಾವ ಬೀರುವಲ್ಲಿ ಈ ನೀತಿ ಮಧ್ಯಸ್ಥಿಕೆಗಳ ಪರಿಣಾಮಕಾರಿತ್ವವನ್ನು ನಿರ್ಣಯಿಸಲು ಕಾರಣವಾದ ನಿರ್ಣಯ ವಿಧಾನಗಳನ್ನು ಅನ್ವಯಿಸಬಹುದು. ವಿವಿಧ ಪ್ರದೇಶಗಳು ಅಥವಾ ಸಮಯದ ಅವಧಿಗಳಿಂದ ಡೇಟಾವನ್ನು ಬಳಸಿಕೊಂಡು, ಸಂಬಂಧಿತ ಆರೋಗ್ಯ ಸೂಚಕಗಳ ಮೇಲೆ ನೀತಿ ಬದಲಾವಣೆಗಳ ಸಾಂದರ್ಭಿಕ ಪರಿಣಾಮವನ್ನು ಬಹಿರಂಗಪಡಿಸಲು ಸಂಶೋಧಕರು ವ್ಯತ್ಯಾಸ-ಇನ್-ವ್ಯತ್ಯಾಸಗಳ ವಿಶ್ಲೇಷಣೆ ಅಥವಾ ಹಿಂಜರಿತ ಸ್ಥಗಿತ ವಿನ್ಯಾಸವನ್ನು ಬಳಸಿಕೊಳ್ಳಬಹುದು.
ವ್ಯತ್ಯಾಸಗಳಲ್ಲಿ ವ್ಯತ್ಯಾಸಗಳ ವಿಶ್ಲೇಷಣೆ:
ಚಿಕಿತ್ಸಾ ಗುಂಪು (ಹಸ್ತಕ್ಷೇಪಕ್ಕೆ ಒಡ್ಡಿಕೊಳ್ಳುವುದು) ಮತ್ತು ನಿಯಂತ್ರಣ ಗುಂಪಿನಲ್ಲಿ (ಬಹಿರಂಗಪಡಿಸಲಾಗಿಲ್ಲ) ನೀತಿಯ ಅನುಷ್ಠಾನದ ಮೊದಲು ಮತ್ತು ನಂತರದ ಫಲಿತಾಂಶಗಳಲ್ಲಿನ ಬದಲಾವಣೆಗಳನ್ನು ಹೋಲಿಸುವ ಮೂಲಕ, ಸಂಶೋಧಕರು ನೀತಿಯ ಸಾಂದರ್ಭಿಕ ಪರಿಣಾಮವನ್ನು ಅಂದಾಜು ಮಾಡಬಹುದು. ಎರಡು ಗುಂಪುಗಳು. ಈ ವಿಧಾನವು ನೀತಿಯ ನಿಜವಾದ ಪ್ರಭಾವವನ್ನು ಗುರುತಿಸಲು ಅನುಮತಿಸುತ್ತದೆ, ಫಲಿತಾಂಶಗಳ ಮೇಲೆ ಪ್ರಭಾವ ಬೀರುವ ಇತರ ಅಂಶಗಳನ್ನು ಪರಿಗಣಿಸುತ್ತದೆ.
ರಿಗ್ರೆಶನ್ ಡಿಸ್ಕಾಂಟಿನ್ಯೂಟಿ ವಿನ್ಯಾಸ:
ನಿರ್ದಿಷ್ಟ ಮಿತಿಗಳು ಅಥವಾ ಸೂಚಕಗಳ ಆಧಾರದ ಮೇಲೆ ನೀತಿಗಳನ್ನು ಕಾರ್ಯಗತಗೊಳಿಸಿದ ಸಂದರ್ಭಗಳಲ್ಲಿ, ಸಾಂದರ್ಭಿಕ ಪರಿಣಾಮಗಳನ್ನು ನಿರ್ಣಯಿಸಲು ಹಿಂಜರಿತ ಸ್ಥಗಿತ ವಿನ್ಯಾಸವನ್ನು ಬಳಸಬಹುದು. ಮಿತಿಯ ಸಮೀಪವಿರುವ ವ್ಯಕ್ತಿಗಳು ಅಥವಾ ಪ್ರದೇಶಗಳ ಮೇಲೆ ಕೇಂದ್ರೀಕರಿಸುವ ಮೂಲಕ, ಸಂಶೋಧಕರು ಮಿತಿಯ ಎರಡೂ ಬದಿಗಳಲ್ಲಿನ ಫಲಿತಾಂಶಗಳನ್ನು ಹೋಲಿಸುವ ಮೂಲಕ ನೀತಿಯ ಸಾಂದರ್ಭಿಕ ಪರಿಣಾಮವನ್ನು ಅಂದಾಜು ಮಾಡಬಹುದು, ಹಸ್ತಕ್ಷೇಪದ ಪರಿಣಾಮಕಾರಿತ್ವದ ಬಗ್ಗೆ ಮೌಲ್ಯಯುತವಾದ ಒಳನೋಟಗಳನ್ನು ಒದಗಿಸುತ್ತದೆ.
ಉದಾಹರಣೆ 3: ವರ್ತನೆಯ ಮಧ್ಯಸ್ಥಿಕೆಗಳ ಪರಿಣಾಮ
ಜೀವನಶೈಲಿ ಮಾರ್ಪಾಡು ಕಾರ್ಯಕ್ರಮಗಳು ಅಥವಾ ಶೈಕ್ಷಣಿಕ ಅಭಿಯಾನಗಳಂತಹ ನಡವಳಿಕೆಯ ಮಧ್ಯಸ್ಥಿಕೆಗಳು ಆರೋಗ್ಯಕರ ನಡವಳಿಕೆಗಳನ್ನು ಉತ್ತೇಜಿಸಲು ಮತ್ತು ದೀರ್ಘಕಾಲದ ಕಾಯಿಲೆಗಳ ಹೊರೆಯನ್ನು ಕಡಿಮೆ ಮಾಡಲು ವಿನ್ಯಾಸಗೊಳಿಸಲಾಗಿದೆ. ವೈಯಕ್ತಿಕ ಮತ್ತು ಜನಸಂಖ್ಯೆಯ ಮಟ್ಟದ ಆರೋಗ್ಯ ಫಲಿತಾಂಶಗಳ ಮೇಲೆ ಈ ಮಧ್ಯಸ್ಥಿಕೆಗಳ ಪ್ರಭಾವವನ್ನು ಮೌಲ್ಯಮಾಪನ ಮಾಡಲು ಕಾರಣವಾದ ನಿರ್ಣಯ ತಂತ್ರಗಳನ್ನು ಅನ್ವಯಿಸಬಹುದು. ಯಾದೃಚ್ಛಿಕ ನಿಯಂತ್ರಿತ ಪ್ರಯೋಗಗಳು ಮತ್ತು ಒಲವು ಸ್ಕೋರ್ ತೂಕವನ್ನು ಬಳಸಿಕೊಂಡು, ಸಂಶೋಧಕರು ನಡವಳಿಕೆಯ ಮಧ್ಯಸ್ಥಿಕೆಗಳು ಮತ್ತು ದೀರ್ಘಕಾಲೀನ ಆರೋಗ್ಯ ಸುಧಾರಣೆಗಳ ನಡುವಿನ ಸಾಂದರ್ಭಿಕ ಸಂಬಂಧಗಳನ್ನು ನಿರ್ಣಯಿಸಬಹುದು.
ಯಾದೃಚ್ಛಿಕ ನಿಯಂತ್ರಿತ ಪ್ರಯೋಗಗಳು (RCTs):
ಸಾಂದರ್ಭಿಕ ಸಂಬಂಧಗಳನ್ನು ನಿರ್ಣಯಿಸಲು ಚಿನ್ನದ ಮಾನದಂಡವೆಂದು ಪರಿಗಣಿಸಲಾಗಿದೆ, RCT ಗಳು ಯಾದೃಚ್ಛಿಕವಾಗಿ ಭಾಗವಹಿಸುವವರನ್ನು ಚಿಕಿತ್ಸೆ ಮತ್ತು ನಿಯಂತ್ರಣ ಗುಂಪುಗಳಿಗೆ ಹಸ್ತಕ್ಷೇಪದ ಪ್ರಭಾವವನ್ನು ಅಳೆಯಲು ನಿಯೋಜಿಸುತ್ತವೆ. ಎರಡು ಗುಂಪುಗಳ ನಡುವಿನ ಫಲಿತಾಂಶಗಳನ್ನು ಹೋಲಿಸುವ ಮೂಲಕ, ಸಂಶೋಧಕರು ಯಾವುದೇ ಗಮನಿಸಿದ ವ್ಯತ್ಯಾಸಗಳನ್ನು ಹಸ್ತಕ್ಷೇಪಕ್ಕೆ ವಿಶ್ವಾಸದಿಂದ ಆರೋಪಿಸಬಹುದು, ಆರೋಗ್ಯದ ಫಲಿತಾಂಶಗಳ ಮೇಲೆ ಅದರ ಸಾಂದರ್ಭಿಕ ಪ್ರಭಾವದ ಬಲವಾದ ಪುರಾವೆಗಳನ್ನು ಒದಗಿಸುತ್ತದೆ.
ಒಲವು ಸ್ಕೋರ್ ತೂಕ:
ಯಾದೃಚ್ಛಿಕವಲ್ಲದ ಅಧ್ಯಯನಗಳಿಗೆ, ಪ್ರವೃತ್ತಿಯ ಸ್ಕೋರ್ ತೂಕವು ಸಂಶೋಧಕರು ಹಸ್ತಕ್ಷೇಪವನ್ನು ಸ್ವೀಕರಿಸುವ ಸಾಧ್ಯತೆಯ ಆಧಾರದ ಮೇಲೆ ವ್ಯಕ್ತಿಗಳಿಗೆ ತೂಕವನ್ನು ನಿಯೋಜಿಸುವ ಮೂಲಕ ಸಂಭಾವ್ಯ ಗೊಂದಲಮಯ ಅಸ್ಥಿರಗಳನ್ನು ಪರಿಗಣಿಸಲು ಅನುವು ಮಾಡಿಕೊಡುತ್ತದೆ. ಈ ವಿಧಾನವು ಚಿಕಿತ್ಸೆ ಮತ್ತು ನಿಯಂತ್ರಣ ಗುಂಪುಗಳ ನಡುವೆ ಕೋವೇರಿಯೇಟ್‌ಗಳ ವಿತರಣೆಯನ್ನು ಸಮತೋಲನಗೊಳಿಸಲು ಸಹಾಯ ಮಾಡುತ್ತದೆ, ನಡವಳಿಕೆಯ ಮಧ್ಯಸ್ಥಿಕೆಗಳ ಪರಿಣಾಮಕಾರಿತ್ವದ ಬಗ್ಗೆ ಸಾಂದರ್ಭಿಕ ತೀರ್ಮಾನವನ್ನು ಹೆಚ್ಚಿಸುತ್ತದೆ.
ತೀರ್ಮಾನ
ಸಾರ್ವಜನಿಕ ಆರೋಗ್ಯ ಮಧ್ಯಸ್ಥಿಕೆಗಳಿಗೆ ಅನ್ವಯಿಸಲಾದ ಸಾಂದರ್ಭಿಕ ತೀರ್ಮಾನದ ಪ್ರಾಯೋಗಿಕ ಉದಾಹರಣೆಗಳನ್ನು ಅನ್ವೇಷಿಸುವುದು ಜೈವಿಕ ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯ ವಿಧಾನಗಳ ನೈಜ-ಪ್ರಪಂಚದ ಅನ್ವಯಕ್ಕೆ ಅಮೂಲ್ಯವಾದ ಒಳನೋಟಗಳನ್ನು ನೀಡುತ್ತದೆ. ವಿವಿಧ ಆರೋಗ್ಯ ಉಪಕ್ರಮಗಳ ಪ್ರಭಾವ ಮತ್ತು ಪರಿಣಾಮಕಾರಿತ್ವವನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವ ಮೂಲಕ, ನೀತಿ ನಿರೂಪಕರು ಮತ್ತು ಸಾರ್ವಜನಿಕ ಆರೋಗ್ಯ ವೃತ್ತಿಪರರು ಜನಸಂಖ್ಯೆಯ ಆರೋಗ್ಯ ಮತ್ತು ಯೋಗಕ್ಷೇಮವನ್ನು ಸುಧಾರಿಸಲು ತಿಳುವಳಿಕೆಯುಳ್ಳ ನಿರ್ಧಾರಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳಬಹುದು.