Classifying and Differentiating Individuals with Respiratory Syncytial Virus, Influenza, and COVID-19 Cases in OpenSAFELY
OpenSAFELY प्लेटफॉर्म का उपयोग करते हुए, शोधकर्ताओं ने अंग्रेजी इलेक्ट्रॉनिक स्वास्थ्य रिकॉर्ड में रेस्पिरेटरी सिनसिटियल वायरस, इन्फ्लुएंजा और कोविड-19 के मामलों को सटीक रूप से वर्गीकृत करने के लिए विशिष्ट और संवेदनशील कंप्यूटेबल फेनोटाइप विकसित और मान्य किए, जो निगरानी डेटा के साथ उनके संरेखण को प्रदर्शित करते हैं और फेनोटाइप विशिष्टता एवं रोगी की आयु के आधार पर भिन्न मिसक्लासिफिकेशन जोखिमों को उजागर करते हैं।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। यह एक ऐसे प्रीप्रिंट की AI से तैयार की गई व्याख्या है जिसकी अभी सहकर्मी समीक्षा नहीं हुई है। यह चिकित्सकीय सलाह नहीं है। इस सामग्री के आधार पर स्वास्थ्य संबंधी फैसले न लें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि इंग्लैंड की नेशनल हेल्थ सर्विस (NHS) एक विशाल डिजिटल लाइब्रेरी है जिसमें लाखों मरीजों की कहानियाँ एक विशेष कोड में लिखी गई हैं। इन कहानियों को इलेक्ट्रॉनिक हेल्थ रिकॉर्ड्स (EHRs) कहा जाता है। आमतौर पर, ये रिकॉर्ड हमें बताते हैं कि मरीज के साथ क्या हुआ (जैसे "बुखार" या "अस्पताल में भर्ती होना"), लेकिन वे अक्सर यह स्पष्ट रूप से नहीं बताते कि किस विशिष्ट वायरस ने इसे पैदा किया, खासकर यदि मरीज का परीक्षण (टेस्ट) नहीं किया गया हो।
यह शोधपत्र एक टीम के बारे में है जो डिजिटल जासूसों की तरह है, जिन्होंने एक अत्यंत सुरक्षित कंप्यूटर सिस्टम जिसे OpenSAFELY कहा जाता है, का उपयोग करके तीन विशिष्ट उपद्रवी तत्वों को खोजने के लिए "खोज नियमों" (जिन्हें फेनोटाइप्स कहा जाता है) का एक नया सेट लिखा:
- RSV (बच्चों के लिए एक सामान्य वायरस)
- फ्लू (मौसमी फ्लू)
- COVID-19
यहाँ बताया गया है कि उन्होंने इसे कैसे किया, रोज़मर्रा के उदाहरणों के माध्यम से:
1. जासूस की दुविधा: "विशिष्ट" बनाम "संवेदनशील" जाल
शोधकर्ताओं को यह तय करना था कि इन वायरसों को पकड़ने के लिए उन्हें अपने मछली पकड़ने वाले जाल कैसे डालने चाहिए। उन्होंने दो अलग-अलग रणनीतियों का परीक्षण किया:
- "विशिष्ट" जाल (द स्नाइपर): इस जाल के छेद बहुत छोटे होते हैं। यह केवल उन्हीं मछलियों को पकड़ता है जो लक्ष्य के बिल्कुल समान दिखती हैं।
- परिणाम: यह शायद ही कभी गलत मछली पकड़ता है (कम गलत वर्गीकरण), लेकिन यह कुछ वास्तविक लक्षित मछलियों को भी निकल जाने दे सकता है यदि वे बिल्कुल सटीक न दिखें।
- "संवेदनशील" जाल (चौड़े जाल वाला जाल): इस जाल के छेद बहुत बड़े होते हैं। यह उन सभी चीजों को पकड़ लेता है जो संभावित रूप से लक्ष्य हो सकती हैं।
- परिणाम: यह लगभग सभी लक्षित मछलियों को पकड़ लेता है, लेकिन यह बहुत सारी अन्य मछलियों को भी अपने साथ ले आता है जो दिखने में समान हैं लेकिन लक्ष्य नहीं हैं (उच्च गलत वर्गीकरण)।
निष्कर्ष: जब हल्ले मामलों (ऐसे लोग जो केवल जुकाम के साथ घर पर रहे) को देखा गया, तो "चौड़े जाल वाला जाल" बहुत अव्यवस्थित था। इसने एक वायरस के हल्के मामलों को दूसरे के साथ भ्रमित कर दिया। "स्नाइपर" दृष्टिकोण उन्हें अलग करने में बहुत बेहतर था।
2. आयु का कारक: "नन्हे बनाम वयस्क" की पहेली
शोधकर्ताओं ने गौर किया कि गलत पहचान होने में किन लोगों की भूमिका होती है:
- बड़े वयस्क: उनके लक्षण अक्सर इतने विशिष्ट होते हैं कि कंप्यूटर के नियम चाहे जो भी जाल इस्तेमाल करें, वे अच्छी तरह काम करते हैं।
- शिशु: यह सबसे पेचीदा हिस्सा है। गंभीर बीमारी वाले बच्चे गिरगिट (चैमेलियन) की तरह होते हैं; उनके लक्षण किसी भी तीन वायरसों जैसे दिख सकते हैं। सबसे अच्छे नियमों के बावजूद, कंप्यूटर के लिए केवल अस्पताल के नोट्स देखकर यह बताना कठिन होता है कि एक बीमार बच्चे को RSV, फ्लू या COVID है। शिशुओं के मामले में उन्हें आपस में मिलाने का जोखिम वयस्कों की तुलना में अधिक है।
3. मानचित्र की जाँच: "मौसम रिपोर्ट" परीक्षण
उन्हें कैसे पता चला कि उनके नए नियम काम कर रहे थे? उन्होंने अपने डिजिटल निष्कर्षों की तुलना आधिकारिक मौसम रिपोर्टों (सार्वजनिक निगरानी डेटा) से की जो ट्रैक करती हैं कि प्रति सप्ताह कितने लोग बीमार होते हैं।
- परिणाम: उनके डिजिटल मानचित्र वास्तविक दुनिया की मौसम रिपोर्टों से पूरी तरह मेल खाते थे। जब ये वायरस चरम पर होते हैं, तो उनके सीजन उनके डेटा में उसी तरह दिखे जैसे वास्तविक दुनिया में दिखते हैं।
मुख्य निष्कर्ष
इस शोधपत्र को एक यूनिवर्सल ट्रांसलेटर (सार्वभौमिक अनुवादक) बनाने के रूप में देखें जो अस्पताल के रिकॉर्ड को पढ़ सके।
अतीत में, यदि किसी मरीज का किसी विशिष्ट वायरस के लिए परीक्षण नहीं किया गया था, तो डॉक्टरों और शोधकर्ताओं को अक्सर अनुमान लगाना पड़ता था या डेटा को अनदेखा करना पड़ता था। अब, इस अध्ययन की बदौलत, हमारे पास निर्देशों का एक विश्वसनीय सेट है जो मरीज के कोडेड इतिहास को देख सकता है और कह सकता है, "आह, यह पैटर्न 90% RSV जैसा दिखता है," भले ही बिना किसी लैब टेस्ट के परिणाम के।
यह एक गेम-चेंजर है क्योंकि यह वैज्ञानिकों को इन वायरसों का वास्तविक समय में अध्ययन करने, यह समझने कि वे विभिन्न आयु समूहों को कैसे प्रभावित करते हैं, और भविष्य के लिए बेहतर योजना बनाने की अनुमति देता है—और वह भी बिना पुराने टेस्ट ट्यूबों को खोदे, केवल NHS लाइब्रेरी में पहले से लिखे डिजिटल विवरणों को पढ़कर।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।