Markov computational modeling to predict opioid vs. money choice and behavioral effort in regular heroin users
यह अध्ययन दर्शाता है कि एक मार्कोव कम्प्यूटेशनल मॉडल निर्णय विलंबता (decison latency) और प्रयास विसंगतियों के ड्रग और मौद्रिक पुरस्कारों के बीच विकल्पों को दोहराने या बदलने की प्रवृत्ति को कैसे प्रभावित करते हैं, इसका विश्लेषण करके नियमित हेरोइन उपयोगकर्ताओं में ओपिओइड-खोज व्यवहार और प्रयास व्यय की सटीक भविष्यवाणी करता 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
नशे की लत को अक्सर दो शक्तियों के बीच एक युद्ध के रूप में वर्णित किया जाता है: एक ड्रग (नशीले पदार्थ) का जबरदस्त खिंचाव और एक सामान्य जीवन का प्रतिस्पर्धी खिंचाव। दशकों से, वैज्ञानिक यह समझने की कोशिश कर रहे हैं कि मस्तिष्क इन विकल्पों को कैसे तौलता है। क्या ड्रग लेने का निर्णय एक कठोर, स्वचालित प्रतिक्रिया है, जैसे कि कोई मशीन जिसे रोका नहीं जा सकता? या क्या यह एक लचीला निर्णय है जो स्थिति, लागत और उपलब्ध विकल्पों के आधार पर बदलता है? इसका उत्तर देने के लिए, शोधकर्ता देखते हैं कि लोग तब कैसे निर्णय लेते हैं जब वे काम करके किसी ड्रग या किसी और चीज़, जैसे कि पैसे को अर्जित कर सकते हैं। वे यह मापते हैं कि एक व्यक्ति कितनी तेज़ी से निर्णय लेता है और वह कितना प्रयास करने के लिए तैयार है। इन सूक्ष्म, क्षण-प्रति-क्षण के निर्णयों का अध्ययन करके, वैज्ञानिक उन छिपे हुए नियमों को देखने की आशा करते हैं जो व्यवहार को निर्देशित करते हैं, जिससे वे केवल साधारण अवलोकन से आगे बढ़कर इस बात की गहरी समझ विकसित कर सकें कि कोई व्यक्ति ड्रग की ओर बार-बार हाथ क्यों बढ़ाता है, भले ही अन्य विकल्प सामने ही क्यों न हों।
वेन स्टेट यूनिवर्सिटी के शोधकर्ताओं की एक टीम ने एक ऐसा कंप्यूटर मॉडल बनाने का लक्ष्य रखा जो वास्तविक समय में इन चुनावों की भविष्यवाणी कर सके। उन्होंने एक समय में तेईस से छब्बीस नियमित हेरोइन उपयोगकर्ताओं का अध्ययन किया, जो विशिष्ट समूह के आधार पर भिन्न था, जो वर्तमान में उपचार (ट्रीटमेंट) में नहीं थे। यह सुनिश्चित करने के लिए कि प्रतिभागी केवल विड्रॉल (निकासी) के दर्द को रोकने के लिए ड्रग का चुनाव नहीं कर रहे हैं, शोधकर्ताओं ने पहले उन्हें बुप्रेनोरफिन की दैनिक खुराक पर स्थिर किया, जो विड्रॉल के लक्षणों को कम करने वाली एक दवा है लेकिन अन्य ओपियोइड्स के प्रभावों को नहीं रोकती है। एक बार जब प्रतिभागी स्थिर हो गए, तो वे एक नियंत्रित कमरे में दाखिल हुए जहाँ उनका सामना कई विकल्पों से हुआ। कंप्यूटर स्क्रीन पर, वे थोड़ा पैसा या हाइड्रोमॉर्फोन (एक शक्तिशाली ओपियोइड) की एक खुराक अर्जित करने के लिए बटन क्लिक कर सकते थे। पेच यह था कि प्रत्येक विकल्प के साथ इनाम पाने के लिए आवश्यक कार्य कठिन होता गया। यदि किसी प्रतिभागी ने एक बार ड्रग चुना, तो अगली बार जब वे इसे चाहते, तो उन्हें माउस कई बार अधिक बार क्लिक करना पड़ता था। पैसे के लिए भी यही नियम लागू था। इस सेटअप को, जिसे प्रोग्रेसिव रेशियो कहा जाता है, ने प्रतिभागियों को यह तय करने के लिए मजबूर किया कि वे प्रत्येक इनाम के लिए कितना प्रयास करने को तैयार हैं।
शोधकर्ताओं ने हर क्लिक, हर ठहराव और ड्रग तथा पैसे के बीच होने वाले हर बदलाव को रिकॉर्ड किया। उन्होंने एक स्पष्ट पैटर्न देखा: अधिकांश समय, लोग अपने पिछले चुनाव पर टिके रहते थे। यदि उन्होंने एक बार ड्रग चुना, तो उनकी तुरंत दोबारा उसे ही चुनने की बहुत अधिक संभावना थी। यह पुनरावृत्ति लगभग अस्सी प्रतिशत समय होती थी। हालाँकि, शोधकर्ता यह जानना चाहते थे कि कौन सा कारक किसी व्यक्ति को उस पैटर्न को तोड़ने और दूसरे विकल्प की ओर जाने के लिए प्रेरित करता है। उन्होंने एक गणितीय मॉडल, जो एक प्रकार का कंप्यूटर सिमुलेशन है, बनाया ताकि दो मुख्य विचारों का परीक्षण किया जा सके। सबसे पहले, उन्होंने "प्रयास विसंगति" (effort discrepancy) को देखा, जो अगली बारी में ड्रग प्राप्त करने की तुलना में पैसे प्राप्त करने की कठिनाई के अंतर को दर्शाता है। दूसरा, उन्होंने देखा कि व्यक्ति ने पिछली बारी की तुलना में निर्णय लेने में कितनी तेज़ी दिखाई। उन्होंने इस डेटा को एक मॉडल में डाला जिसे यह भविष्यवाणी करने के लिए डिज़ाइन किया गया था कि व्यक्ति अपने चुनाव को दोहराएगा या स्विच करेगा।
परिणाम चौंकाने वाले थे। कंप्यूटर मॉडल यह भविष्यवाणी करने में सक्षम था कि व्यक्ति अपने चुनाव पर टिका रहेगा या दूसरे विकल्प पर स्विच करेगा, और इसकी सटीकता ९३ प्रतिशत थी। सफलता का यह उच्च स्तर यह सुझाव देता है कि ड्रग का उपयोग जारी रखने या किसी अन्य चीज़ पर स्विच करने का निर्णय यादृच्छिक (रैंडम) या पूरी तरह से बाध्यकारी नहीं है। इसके बजाय, यह क्षण की विशिष्ट स्थितियों के प्रति अत्यधिक संवेदनशील है। मॉडल ने दिखाया कि जब ड्रग प्राप्त करने के लिए आवश्यक प्रयास, पैसे के प्रयास की तुलना में बहुत अधिक हो गया, तो लोग स्विच करने के प्रति अधिक इच्छुक थे। इसी तरह, यदि किसी व्यक्ति ने निर्णय लेने में लंबा समय लिया, तो इससे संकेत मिला कि वे अगली बारी में अपना विचार बदलने की अधिक संभावना रखते हैं। निर्णय की गति भी महत्वपूर्ण थी। जिन लोगों ने ड्रग को बहुत तेज़ी से चुना, वे इसे चुनना जारी रखने के प्रति झुकाव रखते थे और इसे पाने के लिए अधिक काम करने को तैयार थे। जो लोग ड्रग चुनने से पहले हिचकिचाए, उनके अगली बार पैसे की ओर स्विच करने की अधिक संभावना थी।
अध्ययन ने यह भी प्रकट किया कि व्यक्तिगत अंतर इन चुनावों को कैसे आकार देते हैं। जिन प्रतिभागियों ने हाल ही में कोकीन का उपयोग किया था, उन्होंने ड्रग की तुलना में पैसे के विकल्प पर निर्णय लेने में बहुत अधिक समय लिया, जो बताता है कि वे पैसे को कम महत्व देते थे। हालाँकि, जब शोधकर्ताओं ने पैसे की राशि को दो डॉलर से बढ़ाकर चार डॉलर कर दिया, तो यह अंतर समाप्त हो गया, और प्रतिभागियों ने पैसे के विकल्प को बहुत तेज़ी से चुनना शुरू कर दिया। यह निष्कर्ष इस विचार को चुनौती देता है कि लत एक अपरिवर्तनीय अवस्था है। इसके बजाय, यह सुझाव देता है कि ड्रग का मूल्य सापेक्ष (रिलेटिव) है; यदि वैकल्पिक इनाम पर्याप्त आकर्षक हो जाता है, तो मस्तिष्क विकल्प की पुनर्गणना करता है। सत्र में किसी व्यक्ति द्वारा किया गया पहला चुनाव उसके शेष व्यवहार का एक शक्तिशाली भविष्यवक्ता था। जिन्होंने पहले ड्रग को चुना, वे इसे पाने के लिए अधिक मेहनत और अधिक समय तक काम करने के प्रति प्रवृत्त रहे, जबकि जिन्होंने पहले पैसे को चुना, वे उसी पथ पर टिके रहने की अधिक संभावना रखते थे।
शोधकर्ताओं ने निष्कर्ष निकाला कि ड्रग-खोज व्यवहार आदत और लक्ष्य-निर्देशित सोच का मिश्रण है। यह एक अंधा आवेग नहीं है जो अपने आस-पास की दुनिया को अनदेखा करता है। प्रतिभागी लगातार अपने कार्यों की लागत का इनाम के विरुद्ध मूल्यांकन कर रहे थे, और जब संतुलन बदला, तो उनका व्यवहार भी बदल गया। प्रयास और गति के इन सूक्ष्म बदलावों को ट्रैक करने वाले एक मॉडल का उपयोग करके, यह अध्ययन लत को एक निश्चित गुण के रूप में नहीं, बल्कि एक गतिशील प्रक्रिया के रूप में देखने का एक नया तरीका प्रदान करता है जो पर्यावरण के प्रति प्रतिक्रिया करती है। यह कार्य सुझाव देता है कि यदि हम उन विशिष्ट कारकों को समझ सकें जो किसी व्यक्ति को ड्रग से गैर-ड्रग इनाम की ओर स्विच करने के लिए प्रेरित करते हैं, तो हम वास्तविक जीवन में उस स्विच को करने में मदद करने के बेहतर तरीके डिजाइन कर सकते हैं। अध्ययन ने यह दावा नहीं किया कि उसने लत की समस्या को हल कर लिया है, लेकिन इसने इस बात का स्पष्ट, डेटा-संचालित मानचित्र प्रदान किया कि वास्तव में एक-एक क्लिक करके चुनाव कैसे किए जाते हैं।
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।