The Power of Open Health Data: Impact, Representation, and Knowledge Diffusion

यहाँ शोध पत्र "The Power of Open Health Data: Impact, Representation, and Knowledge Diffusion" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

ओपन हेल्थ डेटा रिपॉजिटरीज़ (जैसे MIMIC, UK Biobank, All of Us) में सार्वजनिक वित्त पोषण के अरबों डॉलर आवंटित किए जाने के बावजूद, निम्नलिखित का मूल्यांकन करने के लिए कोई व्यवस्थित ढांचा नहीं है:

• डाउनस्ट्रीम विद्वत्तापूर्ण प्रभाव (Downstream Scholarly Impact): मौजूदा बिब्लियोमेट्रिक विधियाँ आमतौर पर केवल "प्रथम-डिग्री" उद्धरणों (वे शोध पत्र जो सीधे डेटा का उपयोग करते हैं) को गिनती हैं, जो व्यापक "द्वितीय-डिग्री" ज्ञान प्रसार (वे शोध पत्र जो उन शोध पत्रों को उद्धृत करते हैं जिन्होंने डेटा का उपयोग किया था) को पकड़ने में विफल रहती हैं।
• अनुसंधान समुदाय की संरचना (Research Community Composition): यह स्पष्ट नहीं है कि क्या ओपन डेटा वास्तव में निम्न और मध्यम आय वाले देशों (LMICs) के शोधकर्ताओं के लिए समान अवसर प्रदान करता है या यह उन्हें केवल प्रतिभागियों के रूप में आकर्षित करता है, न कि बौद्धिक नेताओं के रूप में।
• समानता के आयाम (Equity Dimensions): इस बात की समझ का अभाव है कि विभिन्न रिपॉजिटरी मॉडलों के बीच लिंग और भौगोलिक विविधता कैसे भिन्न होती है और क्या पहुंच नीतियां स्थानीय रूप से प्रासंगिक ज्ञान उत्पादन में परिवर्तित होती हैं।

2. कार्यप्रणाली (Methodology)

लेखकों ने OpenAlex डेटाबेस (जनवरी-फरवरी 2026 में प्राप्त डेटा) का उपयोग करके एक क्रॉस-सेक्शनल बिब्लियोमेट्रिक विश्लेषण किया।

• अध्ययन विषय: चार प्रमुख ओपन हेल्थ डेटा रिपॉजिटरीज़ जो अलग-अलग मॉडल का प्रतिनिधित्व करती हैं:
  1. MIMIC: रेट्रोस्पेक्टिव EHR डेटा (क्रिटिकल केयर, बोस्टन)।
  2. UK Biobank: जीनोमिक्स के साथ प्रोस्पेक्टिव कोहॉर्ट (यूके)।
  3. OpenSAFELY: फेडरेटेड EHR प्लेटफॉर्म (प्राइमरी केयर, इंग्लैंड)।
  4. All of Us: बायोबैंकिंग और सामुदायिक जुड़ाव के साथ प्रोस्पेक्टिव नेशनल कोहॉर्ट (यूएसए)।
• दो-डिग्री उद्धरण पद्धति (Two-Degree Citation Methodology):
  • प्रथम-डिग्री (First-Degree): रिपॉजिटरी के प्राथमिक कार्यों को सीधे उद्धृत करने वाले सभी प्रकाशनों की पहचान की गई ($n = 30,049$)।
  • द्वितीय-डिग्री (Second-Degree): प्रथम-डिग्री वाले शोध पत्रों को उद्धृत करने वाले सभी प्रकाशनों की पहचान की गई ($n = 485,396$)।
  • मीट्रिक: प्रत्यक्ष ज्ञान प्रसार को मापने के लिए उद्धरण प्रवर्धन अनुपात (Citation Amplification Ratio) (द्वितीय-डिग्री द्रव्यमान / प्रथम-डिग्री द्रव्यमान) की गणना की गई।
• सामान्यीकरण (Normalization): क्रॉस-रिपॉजिटरी तुलना की अनुमति देने के लिए सभी आउटपुट मेट्रिक्स को कुल कार्यक्रम वित्त पोषण (मिलियन USD में) द्वारा सामान्यीकृत किया गया।
• जनसांख्यिकीय विश्लेषण (Demographic Analysis):
  • लिंग (Gender): Genderize.io API का उपयोग करके प्रथम नामों के माध्यम से अनुमानित (पहचान दर >98%)।
  • भूगोल (Geography): संस्थागत संबद्धता को विश्व बैंक 2024 आय वर्गीकरण (HIC बनाम LMIC) के आधार पर मैप किया गया।
  • स्थिति (Positioning): भागीदारी और नेतृत्व के बीच अंतर करने के लिए लेखकों का उनके पद (प्रथम, अंतिम/वरिष्ठ, मध्य) के आधार पर विश्लेषण किया गया।
• सांख्यिकीय विश्लेषण: जनसांख्यिकीय अंतरों का आकलन करने के लिए ऑड्स रेशियो (OR) और क्रैमर के V (Cramér's V) के साथ पियर्सन के ची-स्क्वायर टेस्ट का उपयोग किया गया।

3. मुख्य योगदान (Key Contributions)

• नवीन मीट्रिक: एक दो-डिग्री उद्धरण पद्धति पेश की गई जो प्रत्यक्ष डेटा उपयोगकर्ताओं से परे ~10× प्रवर्धन के निरंतर ज्ञान प्रसार को प्रकट करती है, एक ऐसा मीट्रिक जिसे स्वास्थ्य डेटा साहित्य में पहले कभी मापा नहीं गया था।
• समानता ढांचा (Equity Framework): प्रतिनिधित्व संबंधी समानता (लेखकत्व में उपस्थिति) और परिवर्तनकारी समानता (स्थानीय क्षमता निर्माण और प्रासंगिक ज्ञान उत्पादन) के बीच अंतर किया गया, यह तर्क देते हुए कि उच्च LMIC लेखकता स्वतः ही दूसरे को सुनिश्चित नहीं करती है।
• तुलनात्मक विश्लेषण: चार अलग-अलग रिपॉजिटरी मॉडलों का पहला बड़े पैमाने पर तुलनात्मक अध्ययन प्रदान किया गया, जो यह दर्शाता है कि डिज़ाइन (रेट्रोस्पेक्टिव बनाम प्रोस्पेक्टिव, फेडरेटेड बनाम सेंट्रलाइज्ड) और वित्त पोषण संरचना अनुसंधान समुदाय की संरचना को कैसे प्रभावित करती है।

4. मुख्य परिणाम (Key Results)

A. विद्वत्तापूर्ण प्रभाव और वित्त पोषण दक्षता (Scholarly Impact & Funding Efficiency)

• उद्धरण प्रवर्धन (Citation Amplification): चारों रिपॉजिटरीज़ ने 9.3× और 11.5× के बीच एक उल्लेखनीय रूप से सुसंगत उद्धरण प्रवर्धन अनुपात प्रदर्शित किया। यह इंगित करता है कि ओपन डेटा अपने प्रत्यक्ष उपयोग की तुलना में लगभग 10 गुना अधिक अप्रत्यक्ष विद्वत्तापूर्ण प्रभाव उत्पन्न करता है।
• वित्त-सामान्यीकृत आउटपुट (Funding-Normalized Output): कुल वित्त पोषण के आधार पर दक्षता में भारी अंतर देखा गया:
  • MIMIC: $1M प्रति 689 प्रथम-डिग्री पेपर (कुल वित्त पोषण:$14.4M)।
  • All of Us: $1M प्रति 1 प्रथम-डिग्री पेपर (कुल वित्त पोषण:$2.16B)।
  • नोट: लेखक इसे MIMIC के कम लागत वाले, रेट्रोस्पेक्टिव क्यूरेशन प्रोजेक्ट के मुकाबले All of Us में भर्ती, बायोबैंकिंग और सामुदायिक जुड़ाव जैसे विशाल खर्चों के कारण होने वाले अंतर के रूप में देखते हैं, जिन्हें उद्धरण मेट्रिक्स द्वारा नहीं पकड़ा जा सकता।

B. भौगोलिक विविधता (LMIC प्रतिनिधित्व)

• MIMIC में उच्चतम LMIC लेखकत्व (41.8%) था, उसके बाद UK Biobank (22.9%), OpenSAFELY (17.4%), और All of Us (4.3%) का स्थान रहा।
• नेतृत्व: MIMIC में LMIC शोधकर्ताओं ने महत्वपूर्ण नेतृत्व भूमिकाएँ निभाईं (43.8% प्रथम लेखक, 41.5% अंतिम/वरिष्ठ लेखक)। इसके विपरीत, All of Us में LMIC से केवल 4.1% प्रथम लेखक और 3.0% अंतिम लेखक थे।
• ऑड्स रेशियो (Odds Ratio): MIMIC में LMIC लेखकत्व की संभावना All of Us की तुलना में 17.7 गुना अधिक थी।

C. लिंग प्रतिनिधित्व (Gender Representation)

• विपरीत सहसंबंध (Inverse Correlation): उच्चतम LMIC प्रतिनिधित्व (MIMIC) वाले रिपॉजिटरी में सबसे कम महिला लेखकत्व (31.8%) था, जबकि All of Us में सबसे अधिक महिला लेखकत्व (43.2%) था।
• विषयगत चालक (Disciplinary Driver): MIMIC में कम महिला दर आंशिक रूप से इसके प्राथमिक उद्धरण क्षेत्र के कंप्यूटर साइंस (43.3%) होने के कारण है, न कि चिकित्सा के, जो कंप्यूटर विज्ञान में ज्ञात लिंग अंतराल को दर्शाता है।
• वरिष्ठ लेखकत्व अंतराल (Senior Authorship Gap): सभी रिपॉजिटरीज़ में, महिलाएं प्रथम-लेखक पदों की तुलना में अंतिम-लेखक (वरिष्ठ) पदों में लगातार कम प्रतिनिधित्व रखती थीं। यह अंतर 4.9 से 10.9 प्रतिशत अंक तक था, जो करियर में उन्नति के लिए मौजूद संरचनात्मक बाधाओं को दर्शाता है।

D. प्रतिच्छेदन (Intersectionality)

• चार में से तीन रिपॉजिटरीज़ में, महिला प्रतिनिधित्व HIC समूह की तुलना में LMIC उपसमूह के भीतर अधिक था, जो अनुसंधान भागीदारी में भूगोल और लिंग के बीच जटिल अंतःक्रियाओं का सुझाव देता है।

5. महत्व और निहितार्थ (Significance and Implications)

• उद्धरणों से परे मूल्य: हालांकि उद्धटन मेट्रिक्स दिखाते हैं कि MIMIC प्रति डॉलर सबसे अधिक "कुशल" है, अध्ययन का तर्क है कि All of Us जैसे कार्यक्रम मूल्य (सामुदायिक जुड़ाव, विविध बायोबैंकिंग) उत्पन्न करते हैं जिसे बिब्लियोमेट्रिक्स नहीं पकड़ सकते।
• पहुंच की सीमाएं: कम-बाधा वाली पहुंच (जैसे MIMIC) विविध शोधकर्ताओं को नेतृत्व पदों में आकर्षित करने में सफल होती है, लेकिन यह स्थानीय रूप से प्रासंगिक ज्ञान उत्पादन की गारंटी नहीं देती है। LMIC शोधकर्ता अक्सर ग्लोबल नॉर्थ के जर्नल्स के लिए मॉडल बनाने हेतु US-केंद्रित डेटा (जैसे बोस्टन EHR) का उपयोग करते हैं, जो स्थानीय स्वास्थ्य आवश्यकताओं को संबोधित नहीं कर सकता है।
• संरचनात्मक असमानताएं: वरिष्ठ लेखकत्व में निरंतर लिंग अंतराल यह सुझाव देता है कि केवल डेटा पहुंच नीतियां ही संरचनात्मक करियर असमानताओं को हल नहीं कर सकती हैं; इसके लिए सक्रिय मेंटरशिप और सामुदायिक निर्माण की आवश्यकता है।
• भविष्य की दिशाएं: ओपन डेटा निवेश के मूल्यांकन को केवल कागजात गिनने से आगे बढ़कर यह आकलन करने की ओर बढ़ना चाहिए कि शोध कौन कर रहा है, वे कहाँ स्थित हैं, और क्या उनका कार्य परिवर्तनकारी समानता (जैसे स्थानीय डेटासेट निर्माण और क्षमता निर्माण) की ओर ले जाता है।

निष्कर्ष: ओपन हेल्थ डेटा ज्ञान प्रसार के लिए एक शक्तिशाली उत्प्रेरक (~10× प्रवर्धन) के रूप में कार्य करता है, लेकिन समानता पर इसका प्रभाव सूक्ष्म है। जबकि यह LMIC शोधकर्ताओं के लिए वैश्विक नेतृत्व को बढ़ावा दे सकता है, यह स्वतः ही विषयों के बीच लिंग अंतराल को हल नहीं करता है या यह सुनिश्चित नहीं करता है कि शोध के परिणाम उन समुदायों के लिए प्रासंगिक हों जहाँ शोधकर्ता रहते हैं।