Spatial and Machine Learning Analysis of Breast and Cervical Cancer Screening Uptake in Ghana: Evidence from the 2022 Ghana Demographic and Health Survey
यह अध्ययन 2022 के घाना जनसांख्यिकीय और स्वास्थ्य सर्वेक्षण का विश्लेषण करता है जिससे यह पता चलता है कि स्तन और गर्भाशय ग्रीवा के कैंसर की स्क्रीनिंग का स्तर उत्तरी क्षेत्रों में काफी कम है और यह धन एवं शिक्षा से दृढ़ता से जुड़ा हुआ है, जो यह दर्शाता है कि स्थानिक क्लस्टरिंग विश्लेषण को मशीन लर्निंग के साथ संयोजित करने से पारंपरिक क्षेत्रीय रिपोर्टिंग से परे उच्च जोखिम वाले स्थानीय हॉटस्पॉट की पहचान की जा सकती है।
मूल पेपर CC0 1.0 (https://creativecommons.org/publicdomain/zero/1.0/) के तहत सार्वजनिक डोमेन को समर्पित 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
दुनिया के कई हिस्सों में, कैंसर का जल्दी पता चलना जीवन और मृत्यु के बीच का अंतर होता है। घाना की महिलाओं के लिए, दो प्रकार के कैंसर—स्तन और गर्भाशय ग्रीवा (सर्वाइकल)—प्रमुख स्वास्थ्य संबंधी चिंताएं हैं। इन्हें जल्दी पकड़ने का सबसे प्रभावी तरीका स्क्रीनिंग है: एक सरल जांच जहाँ एक डॉक्टर स्तन की जांच करता है या गर्भाशय ग्रीवा का परीक्षण करता है। हालाँकि, इन सेवाओं को प्राप्त करना सभी के लिए एक समान नहीं है। पिछले अध्ययनों ने दिखाया है कि धन और शिक्षा 'द्वारपाल' (गेटकीपर) के रूप में कार्य करते हैं; अधिक धन और अधिक शिक्षा वाली महिलाएं उन महिलाओं की तुलना में स्क्रीनिंग कराने की अधिक संभावना रखती हैं जिनके पास कम संसाधन हैं। यह पैटर्न जाना-माना है, लेकिन इसे आमतौर पर एक व्यापक दृष्टिकोण से देखा गया है, जिसमें पूरे क्षेत्रों या पूरे देश को देखा जाता है। यह दृष्टिकोण एक क्षेत्र को रंग के एक एकल ब्लॉक की तरह मानता है, जो इस तथ्य को छिपा देता है कि कुछ मील दूर स्थितियाँ नाटकीय रूप से बदल सकती हैं। यह उन मानक सांख्यिकीय तरीकों पर भी निर्भर करता है जो यह मान लेते हैं कि संबंध सरल और सीधी रेखाओं में होते हैं, जिससे विभिन्न कारकों के जटिल अंतर्संबंधों को समझने में चूक हो सकती है।
घाना में शोधकर्ताओं की एक टीम ने गहराई से देखने का निर्णय लिया। उन्होंने यह सवाल उठाया कि क्या स्क्रीनिंग कराने वालों का पैटर्न उन विशिष्ट, छोटे भूखंडों में बदल जाता है जिन्हें मानक क्षेत्रीय मानचित्र अनदेखा कर देते हैं। वे यह भी देखना चाहते थे कि क्या आधुनिक कंप्यूटर लर्निंग टूल्स पारंपरिक तरीकों की तुलना में बेहतर तरीके से भविष्यवाणी कर सकते हैं कि किसकी स्क्रीनिंग होने की संभावना है, बिना प्रत्येक महिला के सटीक स्थान को जाने। विस्तृत मानचित्रों को उन्नत कंप्यूटर मॉडलों के साथ जोड़कर, उनका लक्ष्य स्वास्थ्य असमानता की एक स्पष्ट तस्वीर बनाना था, जो स्वास्थ्य अधिकारियों को उनके प्रयासों को अधिक सटीक रूप से लक्षित करने में मदद कर सके।
शोधकर्ताओं ने 2022 के 'घाना डेमोग्राफिक एंड हेल्थ सर्वे' नामक एक विशाल डेटासेट का सहारा लिया। इस सर्वेक्षण में पूरे देश की हजारों महिलाओं का साक्षात्कार लिया गया, जिसमें उनकी सेहत, उनके घरों और क्या उन्होंने कभी स्तन परीक्षण या गर्भाशय ग्रीवा परीक्षण प्राप्त किया है, इसके बारे में पूछा गया। टीम ने 25 से 49 वर्ष की आयु की महिलाओं पर ध्यान केंद्रित किया, जो इन कैंसरों के लिए सबसे अधिक जोखिम वाले समूह हैं। उन्होंने सर्वेक्षण के उत्तरों को उन विशिष्ट भौगोलिक स्थानों के साथ जोड़ा जहाँ साक्षात्कार लिए गए थे। हालांकि गोपनीयता बनाए रखने के लिए सटीक निर्देशांकों (कोऑर्डिनेट्स) को थोड़ा बदल दिया गया था, फिर भी वे समुदायों के स्तर पर पैटर्न दिखाने के लिए पर्याप्त सटीक थे, जिन्हें 'क्लस्टर' कहा जाता है, न कि केवल बड़े प्रशासनिक क्षेत्रों के रूप में।
सबसे पहले, टीम ने डेटा को मैप किया ताकि यह देखा जा सके कि स्क्रीनिंग यादृच्छिक (रैंडम) स्थानों पर होती है या यह समूहों में एकत्रित होती है। उन्होंने पाया कि यह निश्चित रूप से समूहों में एकत्रित थी। वे क्षेत्र जहाँ महिलाओं की बार-बार स्क्रीनिंग हुई, अक्सर उन क्षेत्रों से घिरे थे जहाँ स्क्रीनिंग भी आम थी। इसके विपरीत, कम स्क्रीनिंग दर वाले क्षेत्र उन क्षेत्रों के पड़ोसी थे जहाँ दर कम थी। यह क्लस्टरिंग स्तन और गर्भाशय ग्रीवा दोनों के लिए महत्वपूर्ण थी, लेकिन स्तन परीक्षण के लिए यह अधिक प्रबल थी। जब उन्होंने सूक्ष्म स्तर पर देखा, तो उन्होंने पाया कि उच्च स्क्रीनिंग गतिविधि के "हॉटस्पॉट्स" राजधानी शहर अक्रा (Accra) और मध्य एवं दक्षिणी क्षेत्रों के आसपास केंद्रित थे। इसके विपरीत, "कोल्डस्पॉट्स" जहाँ स्क्रीनिंग दुर्लभ थी, वे देश के उत्तरी भागों में अत्यधिक केंद्रित थे। इसने पुष्टि की कि उत्तर और दक्षिण के बीच का विभाजन वास्तविक है, लेकिन इसने यह भी प्रकट किया कि समस्या उन बड़े क्षेत्रों के भीतर भी एकसमान नहीं है; वहां आवश्यकता के विशिष्ट पॉकेट (पॉकेट) मौजूद हैं जिन्हें एक व्यापक क्षेत्रीय औसत छिपा देगा।
इसके बाद, शोधकर्ताओं ने एक कंप्यूटर मॉडल बनाया ताकि यह भविष्यवाणी की जा सके कि किन महिलाओं की स्क्रीनिंग होने की संभावना है। उन्होंने मॉडल को उम्र, शिक्षा, धन, उनके रहने के स्थान और स्वास्थ्य बीमा होने या न होने के बारे में जानकारी दी। महत्वपूर्ण बात यह है कि उन्होंने कंप्यूटर को महिलाओं का विशिष्ट स्थान नहीं बताया। इसके बजाय, उन्होंने मॉडल को केवल व्यक्तिगत विवरणों से पैटर्न सीखने दिया। यह सुनिश्चित करने के लिए कि मॉडल वास्तव में सीख रहा है न कि केवल डेटा को रट रहा है, उन्होंने एक चतुर परीक्षण पद्धति का उपयोग किया। उन्होंने डेटा को समुदायों के आधार पर समूहों में विभाजित किया, न कि व्यक्तियों के आधार पर। इसका अर्थ यह था कि जब कंप्यूटर का परीक्षण किया गया, तो उसे उन समुदायों की महिलाओं की स्क्रीनिंग आदतों की भविष्यवाणी करनी थी जिन्हें उसने पहले कभी नहीं देखा था। इसने मॉडल को उस स्थानीय ज्ञान का उपयोग करने से रोका जो उसके पास नहीं होना चाहिए था।
कंप्यूटर मॉडल ने संतोषजनक प्रदर्शन किया, और 0.71 से 0.73 के AUC के साथ सही ढंग से अंतर किया कि कौन सी महिलाएं स्क्रीनिंग कराने की संभावना रखती हैं और कौन सी नहीं। भविष्यवाणियों को चलाने वाले सबसे महत्वपूर्ण कारक शिक्षा और धन थे। उच्च शिक्षा और अधिक धन वाली महिलाओं के लिए मॉडल ने लगातार उच्च स्क्रीनिंग दर की भविष्यवाणी की। उम्र ने भी भूमिका निभाई, जिसमें इस समूह की वृद्ध महिलाएं स्क्रीनिंग कराने की थोड़ी अधिक संभावना रखती थीं। दिलचस्प बात यह है कि एक बार शिक्षा और धन को ध्यान में रखने के बाद, महिला के रहने वाले विशिष्ट क्षेत्र का महत्व कम हो गया। यह सुझाव देता है कि कुछ क्षेत्र मानचित्र पर अलग क्यों दिखते हैं, इसका मुख्य कारण यह है कि वहां रहने वाले लोगों के पास शिक्षा और आय के अलग स्तर हैं, न कि इसलिए कि उस क्षेत्र में कोई अनूठा, अस्पष्ट गुण है।
अध्ययन ने यह भी देखा कि स्क्रीनिंग तक पहुंच वास्तव में कितनी असमान है। जब उन्होंने अमीर और गरीब के बीच के अंतर की गणना की, तो उन्हें माप के तरीके के आधार पर एक आश्चर्यजनक मोड़ मिला। गर्भाशय ग्रीवा के कैंसर के लिए, अंतर बहुत बड़ा दिखाई दिया क्योंकि कुल मिलाकर बहुत कम महिलाएं परीक्षण करा रही थीं, जिससे अमीर महिलाओं को भारी लाभ मिलता हुआ प्रतीत हुआ। हालांकि, जब शोधकर्ताओं ने इस तथ्य को ध्यान में रखते हुए गणित को समायोजित किया कि कुल संख्या बहुत कम थी, तो तस्वीर बदल गई। समायोजित आंकड़ों ने सुझाव दिया कि स्तन परीक्षण के लिए असमानता, गर्भाशीय परीक्षण की तुलना में धनवान महिलाओं के बीच अधिक केंद्रित थी। दूसरे शब्दों शब्दों में, जबकि दोनों सेवाएं अमीरों की ओर झुकी हुई हैं, स्तन स्क्रीनिंग में असमानता सबसे धनी महिलाओं के इर्द-गिर्द अधिक सघन है।
इन विस्तृत निष्कर्षों के बावजूद, शोधकर्ता इस बात का दावा करने में सावधानी बरतते हैं कि उन्होंने इस समस्या को हल कर लिया है या उनके मानचित्र स्वास्थ्य अधिकारियों के लिए अंतिम मार्गदर्शिका के रूप में उपयोग के लिए तैयार हैं। कंप्यूटर मॉडल व्यक्तिगत विवरणों के आधार पर भविष्यवाणी करने में अच्छा था, लेकिन इसका परीक्षण सर्वेक्षण डेटा के बाहर के पूरी तरह से नए क्षेत्रों पर नहीं किया गया था, इसलिए यह अन्य स्थानों पर लागू होने पर पूरी तरह से काम नहीं कर सकता है। हॉटस्पॉट्स और कोल्डस्पॉट्स दिखाने वाले मानचित्रों को भी अन्वेषणात्मक (एक्सप्लोरेटरी) माना गया था; वे आवश्यकता वाले संभावित क्षेत्रों की ओर संकेत करते हैं, लेकिन उन्हें उच्चतम स्तर की निश्चितता के साथ सांख्यिकीय रूप से पुष्ट नहीं किया गया था क्योंकि शोधकर्ताओं ने एक साथ इतने सारे छोटे क्षेत्रों का परीक्षण करने के लिए सख्त सुधार लागू नहीं किया था। इसके अलावा, यह अध्ययन यह सिद्ध नहीं कर सका कि किसी गरीब क्षेत्र में रहना एक महिला के स्क्रीनिंग छोड़ने का कारण बनता है; इसने केवल यह दिखाया कि ये दोनों चीजें एक साथ घटित होती हैं।
इस कार्य का अंतिम मूल्य इसकी क्षमता में निहित है जो स्वास्थ्य के एक सार्वजनिक मुद्दे की छिपी हुई परतों को दिखाने में सक्षम है। व्यापक क्षेत्रीय औसत से आगे बढ़कर और उन उपकरणों का उपयोग करके जो जटिल पैटर्न को संभाल सकते हैं, शोधकर्ताओं ने दिखाया कि घाना में कैंसर स्क्रीनिंग की कहानी उत्तर-दक्षिण विभाजन से कहीं अधिक सूक्ष्म है। उन्होंने प्रदर्शित किया कि जबकि धन और शिक्षा ही प्रमुख चालक हैं कि किसे स्क्रीनिंग मिलनी चाहिए, ये कारक परिदृश्य में समान रूप से वितरित नहीं हैं। ऐसे विशिष्ट समुदाय हैं, समृद्ध क्षेत्रों के भीतर भी, जिन्हें पीछे छोड़ दिया गया है, और गरीब क्षेत्रों में भी कुछ ऐसे पॉकेट हैं जो उम्मीद से बेहतर प्रदर्शन कर रहे हैं। यह स्तर विवरण संसाधनों को लक्षित करने के लिए एक नया तरीका प्रदान करता है, जो यह सुझाव देता है कि स्वास्थ्य योजनाकारों को केवल एक बड़े क्षेत्र के औसत के बजाय छोटे समुदायों की विशिष्ट संरचना को देखने की आवश्यकता हो सकती है। यह अध्ययन एक 'प्रूफ ऑफ कॉन्सेप्ट' के रूप में कार्य करता है कि स्थानिक मानचित्रण (स्पेशियल मैपिंग) को आधुनिक भविष्य कहने वाले उपकरणों के साथ जोड़ने से स्वास्थ्य असमानता की बारीक विवरणों को उजागर किया जा सकता है, जो कि सहायता की सबसे अधिक आवश्यकता कहाँ है, इसका एक स्पष्ट, यदि अभी भी अपूर्ण, दृश्य प्रदान करता 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।