Development of Longitudinal, Linked Maternal-Infant Cohorts using the Epic Cosmos Electronic Health Record Dataset
यह अध्ययन एपिक कॉसमॉस (Epic Cosmos) डेटासेट के भीतर अनुदैर्ध्य (longitudinal), लिंक्ड मातृ-शिशु कोहॉर्ट्स बनाने के लिए एक कठोर, पुनरुत्पादनीय ढांचा स्थापित करता है, जो यह प्रदर्शित करता है कि सख्त अनुदैर्ध्य अनुवर्ती मानदंडों को लागू करने पर होने वाली महत्वपूर्ण कमी (attrition) के बावजूद, परिणामी डेटा अत्यधिक पूर्ण, अमेरिकी जन्म जनसंख्या का प्रतिनिधि और महामारी विज्ञान अनुसंधान के लिए उपयुक्त है।
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
आज के अस्पतालों में, प्रत्येक उपचार प्राप्त करने वाले रोगी के लिए डिजिटल रिकॉर्ड की एक विशाल और निरंतर धारा उत्पन्न होती है। ये इलेक्ट्रॉनिक स्वास्थ्य रिकॉर्ड (ईएचआर) सब कुछ कैप्चर करते हैं—एक नियमित रक्तचाप की जांच से लेकर डॉक्टर द्वारा निर्धारित विशिष्ट दवाओं तक—जो किसी व्यक्ति की स्वास्थ्य यात्रा का एक विस्तृत, वास्तविक समय का मानचित्र बनाते हैं। गर्भावस्था और नवजात शिशुओं का अध्ययन करने वाले शोधकर्ताओं के लिए, यह डेटा अपार संभावनाओं से भरा है। यह एक साथ लाखों मामलों को देखने का अवसर प्रदान करता है, जो छोटे, स्थानीय अध्ययनों में संभव से कहीं अधिक है। हालाँकि, एक बड़ी बाधा हमेशा से कड़ियों को जोड़ना रही है। कई प्रणालियों में, माँ के रिकॉर्ड और उसके बच्चे के रिकॉर्ड अलग-अलग साइलो (अलग-अलग हिस्सों) में रहते हैं, जिससे यह अध्ययन करना कठिन हो जाता है कि एक का स्वास्थ्य समय के साथ दूसरे को कैसे प्रभावित करता है। इसके अलावा, शोधकर्ता अक्सर इस बात को लेकर चिंतित रहे हैं कि इलेक्ट्रॉनिक रिकॉर्ड से प्राप्त डेटा अधूरा हो सकता है या यह केवल पूरे देश की विविध आबादी के बजाय किसी विशिष्ट प्रकार के अस्पताल का प्रतिनिधित्व कर सकता है।
शोधकर्ताओं की एक टीम ने 'एपिक कॉसमॉस' (Epic Cosmos) नामक एक विशाल, केंद्रीकृत डेटाबेस का उपयोग करके इन समस्याओं को हल करने का लक्ष्य रखा। यह प्रणाली संयुक्त राज्य अमेरिका और कुछ अन्य स्थानों के सैकड़ों अस्पतालों और क्लीनिकों से संरचित स्वास्थ्य जानकारी एकत्र करती है, जो रोगी की देखभाल का एक एकल, एकीकृत दृश्य बनाती है। शोधकर्ता यह सिद्ध करना चाहते थे कि वे इस डिजिटल नेटवर्क के भीतर माताओं और उनके बच्चों को जोड़कर एक विश्वसनीय, दीर्घकालिक अध्ययन समूह बना सकते हैं। उन्हें यह दिखाने की आवश्यकता थी कि उनका डेटा इतना पूर्ण था कि उस पर भरोसा किया जा सके, डेटाबेस के लोग सामान्य जनसंख्या के समान दिखते थे, और वे इन परिवारों का पालन गर्भावस्था के पहले प्रसव पूर्व दौरे से लेकर बच्चे के शुरुआती महीनों तक बिना ट्रैक खोए कर सकते थे।
इसे करने के लिए, टीम ने 2023 और 2024 के बीच जीवित जन्म के साथ समाप्त हुई लगभग तीन मिलियन गर्भधारणों से शुरुआत की। उन्होंने प्रत्येक नवजात शिशु के रिकॉर्ड को उसकी माँ के रिकॉर्ड से जोड़कर शुरुआत की, जिससे एक युग्मित (paired) डेटासेट तैयार हुआ। इस प्रारंभिक चरण के लिए यह आवश्यक था कि बच्चे का जन्म उसी सिस्टम वाले अस्पताल में हुआ हो और माँ की फाइल में आवश्यक पारिवारिक इतिहास का लिंक मौजूद हो। इस प्रक्रिया ने डेटा के विशाल बहुमत को सफलतापूर्वक जोड़ दिया, जिसके परिणामस्वरूप लगभग तीन मिलियन गर्भधारणों का एक समूह (cohort) प्राप्त हुआ। इसके बाद, शोधकर्ताओं ने यह परीक्षण किया कि जब उन्होंने एक पूर्ण चिकित्सा कहानी सुनिश्चित करने के लिए सख्त नियम लागू किए, तो डेटा कितनी अच्छी तरह से टिक पाया। उन्होंने यह अनिवार्य किया कि माँ को गर्भावस्था के पहले तीन महीनों में कम से कम एक डॉक्टर का दौरा, दूसरे तीन महीनों में एक अन्य दौरा, बच्चे के जन्म के बाद एक चेक-अप, और अस्पताल से छुट्टी मिलने के तीन महीने के भीतर बच्चे के फॉलो-अप दौरे की आवश्यकता हो।
हर बार जब शोधकर्ताओं ने एक पूर्ण चिकित्सा कहानी सुनिश्चित करने के लिए एक नई शर्त जोड़ी, तो अध्ययन समूह में परिवारों की संख्या घटती गई। जब उन्होंने पूर्ण चिकित्सा विवरण सुनिश्चित करने के लिए चारों प्रकार के दौरों की आवश्यकता रखी, तब तक समूह घटकर लगभग 5ए,८७,००० गर्भधारणों तक रह गया। यह गिरावट अपेक्षित थी, क्योंकि इसमें उन परिवारों को बाहर कर दिया गया जिन्होंने अलग-अलग अस्पतालों में उपचार प्राप्त किया था या जो कुछ नियुक्तियों में शामिल नहीं हो पाए थे। महत्वपूर्ण रूप से, शोधकर्ताओं ने पाया कि शेष समूह अभी भी मूल, बड़े समूह के समान ही था। आयु, नस्ल और भौगोलिक स्थानों का मिश्रण राष्ट्रीय जन्म रिकॉर्ड के अनुरूप बना रहा। डेटा भी उल्लेखनीय रूप से पूर्ण था; जन्म के वजन, माँ की आयु और जन्म के प्रकार जैसे प्रमुख विवरणों के लिए जानकारी एक प्रतिशत से भी कम समय के लिए अनुपलब्ध थी। यहाँ तक कि उन चरों (variables) के लिए भी जिन्हें कैप्चर करना कठिन होता है, जैसे कि प्रसव के समय बॉडी मास इंडेक्स (BMI) और नस्ल, डेटा तीन-चौथाई से अधिक मामलों के लिए उपलब्ध था।
यह सिद्ध करने के लिए कि यह लिंक्ड डेटा वास्तविक चिकित्सा प्रश्नों का उत्तर दे सकता है, टीम ने एक विशिष्ट परीक्षण किया। उन्होंने उन महिलाओं को देखा जिन्हें गर्भावस्था से पहले या गर्भावस्था के शुरुआती चरणों में उच्च रक्तचाप था, ताकि यह देखा जा सके कि क्या उनके पहले तिमाही के रक्तचाप के आंकड़े बाद में 'प्री-एक्लेम्पसिया' (preeclampsia) नामक एक गंभीर जटिलता की भविष्यवाणी करते हैं। प्री-एक्लेम्पसिया एक ऐसी स्थिति है जो गर्भावस्था के दौरान खतरनाक उच्च रक्तचाप और अंगों की क्षति के रूप में प्रकट होती है। विश्लेषण से पता चला कि क्रोनिक उच्च रक्तचाप वाली महिलाओं में, जिनका सिस्टोलिक रक्तचाप—रीडिंग का ऊपरी नंबर—पहली तिमाही में 140 या उससे अधिक था, उनमें गर्भावस्था के बाद प्री-एक्लेम्पसिया विकसित होने की संभावना काफी अधिक थी। इस निष्कर्ष ने पुष्टि की कि डिजिटल रिकॉर्ड सूक्ष्म लेकिन महत्वपूर्ण स्वास्थ्य पैटर्न का पता लगाने के लिए पर्याप्त सटीक थे।
अध्ययन ने निष्कर्ष निकाला कि एपिक कॉसमॉस राष्ट्रीय स्तर पर गर्भावस्था और नवजात शिशु स्वास्थ्य को समझने के लिए एक शक्तिशाली उपकरण है। शोधकर्ताओं ने प्रदर्शित किया कि वे संयुक्त राज्य अमेरिका का प्रतिनिधित्व करने वाला एक बड़ा और प्रतिनिधि, माताओं और बच्चों का एक दीर्घकालिक, लिंक्ड दृश्य बना सकते हैं। हालांकि निरंतर देखभाल दौरों की आवश्यकता से अध्ययन के लिए उपलब्ध परिवारों की कुल संख्या कम हो जाती है, लेकिन यह समूह की विशेषताओं को विकृत नहीं करता है, जिसका अर्थ है कि परिणाम भरोसेमंद बने रहते हैं। यह कार्य इस बात पर प्रकाश डालता है कि यद्यपि इलेक्ट्रॉनिक स्वास्थ्य रिकॉर्ड एक समृद्ध संसाधन हैं, शोधकर्ताओं को अपने अध्ययन समूहों का चयन करते समय सतर्क रहना चाहिए ताकि उन सबसे संवेदनशील रोगियों को छूटने से बचाया जा सके जिनके पास सिस्टम में निरंतर देखभाल नहीं है। अंततः, यह दृष्टिकोण लाखों लोगों के वास्तविक दुनिया के डेटा का उपयोग करके जटिल स्वास्थ्य प्रश्नों का पता लगाने के लिए भविष्य के अध्ययनों के द्वार खोलता है।
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।