County-Level Heterogeneity in Opioid Harm Reduction and Treatment Effects: A Simulation Modeling Analysis

संयुक्त राज्य अमेरिका में ओपिओइड संकट एक ऐसी त्रासदी है जो लहरों के रूप में उभरी है, जो प्रिस्क्रिप्शन दर्द निवारकों से शुरू होकर हेरोइन और अब फेंटानिल जैसी शक्तिशाली सिंथेटिक दवाओं तक पहुँच गई है। हालाँकि इस नुकसान का पैमाना राष्ट्रीय है, लेकिन इस संकट का अनुभव गहराई से स्थानीय है। एक हलचल भरे शहर का एक काउंटी (counties), सैकड़ों मील दूर स्थित एक ग्रामीण काउंटी की तुलना में अलग चुनौतियों, संसाधनों और ड्रग आपूर्ति का सामना करता है। सार्वजनिक स्वास्थ्य अधिकारी लंबे समय से जीवन बचाने के लिए दो मुख्य उपकरणों पर निर्भर रहे हैं: नालोक्सोन (naloxone), जो यदि जल्दी दिया जाए तो ओवरडोज़ को तुरंत उलट सकता है, और बुप्रेनोरफिन (buprenorphine), जो एक उपचार है जो लोगों को लत से उबरने और सुरक्षित रहने में मदद करता है। दोनों ही सिद्ध रूप से कारगर हैं, लेकिन सीमित धन कहाँ भेजना है, इसका निर्णय लेने वाले स्थानीय स्वास्थ्य निदेशक के लिए प्रश्न यह नहीं है कि ये उपकरण काम करते हैं या नहीं, बल्कि यह है कि वे उनके विशिष्ट समुदाय में कितना मदद करेंगे। इसका उत्तर उस स्थान के अद्वितीय इतिहास और वर्तमान स्थितियों पर निर्भर करता है, एक ऐसी जटिलता जिसे राष्ट्रीय औसत अक्सर छिपा देते हैं।

शोधकर्ताओं की एक टीम ने इस स्थानीय परिदृश्य का मानचित्रण करने के लिए एक विस्तृत कंप्यूटर सिमुलेशन बनाने का प्रयास किया कि कैसे ओपिओइड का प्रसार होता है और कैसे हस्तक्षेप इसे रोकते हैं। उन्होंने पेंसिल्वेनिया के छह काउंटियों पर ध्यान केंद्रित किया, जिन्हें विविध वातावरणों का प्रतिनिधित्व करने के लिए चुना गया था: एलीगनी (Allegheny) और फिलाडेल्फिया (Philadelphia) जैसे बड़े शहर, एरी (Erie) और डॉफिन (Dauphin) जैसे मध्यम आकार के कस्बे, और क्लियरफील्ड (Clearfield) और कोलंबिया (Columbia) जैसे ग्रामीण क्षेत्र। शोधकर्ताओं ने केवल मृत्यु दर को नहीं देखा; उन्होंने एक ऐसा मॉडल बनाया जो लोगों के जीवन के विभिन्न चरणों के माध्यम से ट्रैक करता है, जैसे कि ओपिओइड का उपयोग न करने से लेकर, उनका उपयोग करने, विकार विकसित करने, उपचार में प्रवेश करने, या ओवरडोज़ से दुखद मृत्यु तक। उन्होंने इस मॉडल को प्रत्येक काउंटी के वास्तविक डेटा से भरा, जिसमें दर्द निवारकों और लत के उपचारों के कितने प्रिस्क्रिप्शन भरे गए, कितने ओवरडोज़ रिवर्सल किट वितरित किए गए, और स्थानीय ड्रग जब्ती में कितना फेंटानिल पाया गया, शामिल था। 2018 और 2022 के बीच देखी गई वास्तविक मृत्यु दर से अपने मॉडल को कैलिब्रेट करके, उन्होंने प्रत्येक काउंटी का एक 'डिजिटल ट्विन' बनाया, जिससे उन्हें ऐसे प्रयोग करने की अनुमति मिली जो वास्तविक दुनिया में असंभव या अनैतिक होते।

इसके बाद शोधकर्ताओं ने एक सरल लेकिन महत्वपूर्ण प्रश्न पूछा: क्या होगा यदि प्रत्येक काउंटी अपने वर्तमान स्तर से नालोक्सोन या बुप्रेनोरफिन के वितरण में 10%, 20%, या 30% की वृद्धि करे? उन्होंने 2025 से 2029 तक पांच वर्षों की अवधि के लिए इन परिणामों का अनुमान लगाया। परिणामों ने भिन्नता का एक चौंकाने वाला पैटर्न प्रकट किया। एलीगनी काउंटी में, जो एक बड़ा शहरी क्षेत्र है, नालोक्सोन वितरण में 30% की वृद्धि से 2029 तक उन ओवरडोज़ मौतों में से लगभग 70% को रोकने का अनुमान लगाया गया जो अन्यथा होतीं। इसके विपरीत, एरी काउंटी में, जो एक मध्यम आकार का क्षेत्र है, समान 30% वृद्धि से केवल लगभग 11% मौतों को रोकने का अनुमान लगाया गया। क्लियरफील्ड में, जो एक ग्रामीण काउंटी है, कमी का अनुमान 28% लगाया गया। इसका मतलब था कि संसाधनों की बिल्कुल समान आनुपातिक वृद्धि ने अलग-अलग स्थानों पर लागू होने पर बहुत अलग परिणाम दिए। अध्ययन ने पाया कि ये अंतर केवल इसलिए नहीं थे कि कोई काउंटी बड़ी या छोटी थी, या शहरी या ग्रामीण थी। इसके बजाय, नालोक्सोन की प्रभावशीलता इस बात से निकटता से जुड़ी हुई थी कि अतीत में उस काउंटी ने इस दवा का वितरण कैसे किया था।

जब शोधकर्ताओं ने बुप्रेनोरफिन उपचार को देखा, तो तस्वीर फिर से बदल गई। अधिकांश काउंटियों में, इस उपचार तक पहुंच बढ़ाने से मौतों में नालोक्सोन की तुलना में कम कमी आई, संभवतः इसलिए क्योंकि उपचार के लाभ संचित होने में अधिक समय लेते हैं और इस पर निर्भर करते हैं कि लोग देखभाल में बने रहें। हालाँकि, एरी काउंटी में, बुप्रेनोरफिन बढ़ाने से नालोक्सोन बढ़ाने की तुलना में अधिक प्रभावी होने का अनुमान था, जिससे मौतें 11% के मुकाबले 20% कम हुईं, और फिलाडेल्फिया में, दोनों रणनीतियों ने समान क्षमता दिखाई। अध्ययन ने यह भी पता लगाया कि क्या होगा यदि दोनों हस्तक्षेपों को एक साथ बढ़ाया जाए। एलीगनी में, दोनों प्रयासों को मिलाने से अकेले किसी भी रणनीति की तुलना में और भी अधिक जीवन बचाने का अनुमान लगाया गया, जो 80% की मृत्यु दर में कमी तक पहुँच गया। अन्य काउंटियों में, संयुक्त प्रभाव छोटा था, जो उन विशिष्ट स्थानों में व्यक्तिगत रणनीतियों के सीमित प्रभाव को दर्शाता है।

इस कार्य की मुख्य खोज यह है कि हर समुदाय के लिए कोई एक "सर्वश्रेष्ठ" रणनीति नहीं है। एक नीति जो एक काउंटी में शानदार काम करती है, वह दूसरी काउंटी में मामूली प्रभाव डाल सकती है, भले ही संसाधनों में वृद्धि समान हो। शोधकर्ताओं ने पाया कि किसी काउंटी के अपने वितरण प्रयासों का इतिहास, उसकी जनसंख्या के आकार या स्थान की तुलना में भविष्य की सफलता का एक अधिक मजबूत भविष्यवक्ता है। यह सुझाव देता है कि सार्वजनिक स्वास्थ्य नेताओं को 'एक ही आकार सबके लिए उपयुक्त' (one-size-fits-all) दृष्टिकोण पर निर्भर नहीं रहना चाहिए। इसके बजाय, उन्हें अपने समुदाय के विशिष्ट संदर्भ को देखना चाहिए, यह समझते हुए कि सहायता में समान आनुपातिक वृद्धि के परिणाम स्थानीय परिदृश्य के आधार पर भिन्न होंगे। इन सिमुलेशन का उपयोग करके, अधिकारी धन का आवंटन करने के बारे में अधिक सूचित निर्णय ले सकते हैं, यह सुनिश्चित करते हुए कि संसाधन वहां निर्देशित किए जाएं जहां उनके जीवन बचाने की सबसे अधिक संभावना है। अध्ययन यह दावा नहीं करता है कि उसने इस संकट को हल कर दिया है, बल्कि यह इसे नेविगेट करने के लिए एक स्पष्ट, अधिक सटीक मानचित्र प्रदान करता है, जो यह दिखाता है कि जीवन बचाने का मार्ग समान नहीं है, बल्कि प्रत्येक स्थान के लिए गहराई से व्यक्तिगत है।