कोविशिल्डचे २० कोटी डोस कचऱ्यात जाणार? अदर पुनावालांची माहिती

सप्टेंबरपर्यंत हे डोस अक्षरशः टाकून द्यावे लागणार आहेत. काय आहे कारण? जाणून घ्या...
कोविशिल्डचे २० कोटी डोस कचऱ्यात जाणार? अदर पुनावालांची माहिती
Updated on

कोरोना प्रतिबंधक लस कोविशिल्ड बऱ्याच जणांनी घेतली आहे. याच लसीच्या संदर्भात एक महत्त्वाची माहिती समोर येत आहे. या लसीचे जवळपास २० कोटी डोस नष्ट करण्यात येणार आहेत. सिरम इन्स्टिट्युटचे सीईओ अदर पुनावाला (Adar Poonawalla) यांनी ही माहिती दिली आहे. (Covid-19 Preventive Vaccine Covieshield)

कोविशिल्डचे २० कोटी डोस कचऱ्यात जाणार? अदर पुनावालांची माहिती
Omicron : कोविशील्ड किती प्रभावी हे 2-3 आठवड्यांत कळेल : अदर पुनावाला

गरजेपेक्षा अधिक पुरवठा झाल्याने हे डोस नष्ट करण्याची वेळ सिरम इन्स्टिट्युटवर आली आहे. सप्टेंबरपर्यंत कोविशिल्डचे २० कोटी डोस नष्ट करण्यात येणार आहे. अदर पुनावाला सध्या स्वित्झर्लंडमध्ये आहेत. तिथल्या माध्यमांशी बोलताना अदर पुनावाला म्हणाले की, बाजारात जेवढी गरज होती, त्यापेक्षा अधिक प्रमाणात पुरवठा झाला आहे. काही डोस ऑगस्ट, सप्टेंबरमध्ये एक्सपायर होणार आहेत. त्यामुळे हे डोस नष्ट करावे लागत आहेत.

कोविशिल्डचे २० कोटी डोस कचऱ्यात जाणार? अदर पुनावालांची माहिती
बारा वर्षांवरील मुलांसाठी 'कोव्होवॅक्स' ला DCGIची मंजुरी; अदर पुनावालांची माहिती

कोरोनाचा कहर सुरू होता, त्यावेळी या लसींची प्रचंड मागणी होती. जगभरात या लसी पुरवल्या जात होत्या. मोठ्या संख्येने लोकांनी लसीचे दोन्ही डोस घेतले होते. आता बुस्टर डोसही उपलब्ध करण्यात आला आहे. मात्र या बुस्टर डोसला अपेक्षित तितका प्रतिसाद मिळत नाही. त्यामुळे हे उत्पादनाचं गणित चुकलं. हे डोस ऑगस्ट, सप्टेंबरपर्यंत दिले गेले नाहीत, तर ते एक्स्पायर होतील. आणि त्यानंतर ते टाकून द्यावे लागणार आहेत.

ब्रेक घ्या, डोकं चालवा, कोडे सोडवा!

Read latest Marathi news, Watch Live Streaming on Esakal and Maharashtra News. Breaking news from India, Pune, Mumbai. Get the Politics, Entertainment, Sports, Lifestyle, Jobs, and Education updates. And Live taja batmya on Esakal Mobile App. Download the Esakal Marathi news Channel app for Android and IOS.

Related Stories

No stories found.
var bottom_sticky_ad = googletag .sizeMapping() .addSize([1000, 0], [[728, 90]]) .addSize( [0, 0], [ [320, 50], [300, 50], [320, 100] ] )         .build()