Antimalarial Pharmacotherapy Gaps in Nigerian Children Under Five: A Predictive Machine Learning Analysis of Care-Seeking, Testing, and ACT Treatment Using NDHS 2023-24
2023-24 NDHS डेटा और चार मशीन लर्निंग मॉडलों का उपयोग करने वाला यह अध्ययन प्रकट करता है कि घरेलू और मातृ विशेषताएँ नाइजीरिया में पांच वर्ष से कम उम्र के बच्चों में मलेरिया-रोधी देखभाल के अंतराल की खराब भविष्यवाणी करती हैं, हालांकि वित्तीय बाधाएं लगातार उप-इष्टतम ACT उपचार के एक महत्वपूर्ण निर्धारक के रूप में उभरती हैं, जो बिक्री के समय लागत में कमी को एक प्रमुख हस्तक्षेप लक्ष्य के रूप में सुझाती 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
वैश्विक स्वास्थ्य के विशाल परिदृश्य में, मलेरिया जैसी कुछ ही चुनौतियाँ इतनी निरंतर या इतनी घातक हैं, जो गर्म जलवायु में पनपती है और सबसे कमजोर वर्गों पर सबसे अधिक प्रहार करती है। नाइजीरिया में पांच वर्ष से कम उम्र के बच्चों के लिए, दांव विशेष रूप से ऊंचे हैं, क्योंकि यह देश दुनिया में इस बीमारी का सबसे भारी बोझ उठा रहा है। इससे निपटने के लिए, स्वास्थ्य संगठनों ने लंबे समय से "परीक्षण, उपचार और ट्रैकिंग" (Test, Treat, and Track) नामक तीन-चरणीय रणनीति को बढ़ावा दिया है। यह दृष्टिकोण सिद्धांत में सरल है: जब किसी बच्चे को बुखार आए, तो देखभाल करने वाले को चिकित्सा सहायता लेनी चाहिए, एक स्वास्थ्य कार्यकर्ता को केवल अनुमान लगाने के बजाय रक्त परीक्षण के साथ निदान की पुष्टि करनी चाहिए, और यदि मलेरिया की पुष्टि हो जाती है, तो बच्चे को आर्टेमिसिनिन-आधारित कॉम्बिनेशन थेरेपी (ACT) नामक एक विशिष्ट, आधुनिक दवा दी जानी चाहिए। हालांकि, एक बीमार बच्चे से सही उपचार तक का मार्ग अक्सर टूटा हुआ होता है। एक बच्चे को दुकान पर ले जाया जा सकता है लेकिन उसका परीक्षण नहीं किया जाता, या परीक्षण किया जाता है लेकिन उसे गलत दवा दी जाती है। यह समझना कि ये टूट कहाँ होती है, महत्वपूर्ण है, क्योंकि एक टूटे हुए चरण को ठीक करने के लिए यह जानना आवश्यक है कि वास्तव में कौन सा चरण विफल हो रहा है।
शोधकर्ताओं ने हाल ही में इसी समस्या की ओर ध्यान आकर्षित किया, जिसमें उन्होंने 2023-24 के नाइजीरिया जनसांख्यिकीय और स्वास्थ्य सर्वेक्षण के एक विशाल डेटासेट का उपयोग करके लगभग 4,000 बच्चों की यात्रा का मानचित्रण किया जिन्हें बुखार था। पूरी प्रक्रिया को एक बड़े ब्लॉक के रूप में देखने के बजाय, उन्होंने इसे दो अलग-अलग अंतरालों (गैप) में विभाजित किया। पहले अंतराल, या "पहुंच" (access) ने एक सरल प्रश्न पूछा: क्या बच्चे को एक प्रदाता द्वारा देखा गया और वास्तव में रक्त परीक्षण किया गया? दूसरा अंतराल, या "गुणवत्ता" (quality) ने केवल उन बच्चों पर ध्यान केंद्रित किया जिन्हें पहले से ही किसी प्रकार की दवा दी जा चुकी थी, और यह पूछा कि क्या वह दवा सही, आधुनिक ACT थी या कोई पुरानी, कम प्रभावी विकल्प। उत्तर खोजने के लिए, टीम केवल पारंपरिक सांख्यिकी पर निर्भर नहीं रही। उन्होंने चार अलग-अलग प्रकार के कंप्यूटर मॉडलिंग का उपयोग किया, जो मानक सांख्यिकीय समीकरणों से लेकर अधिक जटिल मशीन लर्निंग एल्गोरिदम तक विस्तृत थे, ताकि यह देखा जा सके कि क्या वे भविष्यवाणी कर सकते हैं कि कौन से बच्चे इस प्रक्रिया के प्रत्येक चरण से गुजर पाएंगे। वे जानना चाहते थे कि क्या माँ की शिक्षा, परिवार की संपत्ति, या वे कहाँ रहते हैं जैसे कारक यह स्पष्ट कर सकते हैं कि क्यों कुछ बच्चों को पूर्ण, सही देखभाल मिली जबकि अन्य को नहीं।
परिणामों ने एक ऐसी प्रणाली की तस्वीर पेश की जो बच्चों को आवश्यक चरणों के माध्यम से आगे बढ़ाने के लिए संघर्ष कर रही है। अध्ययन में शामिल केवल लगभग 16 प्रतिशत बुखार वाले बच्चे ही पहले अवरोध को पार करने में सफल रहे; उन्हें एक प्रदाता के पास ले जाया गया और वास्तव में एक नैदानिक रक्त परीक्षण किया गया। इसका अर्थ यह है कि बहुसंख्यक बच्चों के लिए, यात्रा निदान किए जाने से पहले ही रुक गई। उन बच्चों में से जो मलेरिया-रोधी दवा का कोई भी रूप प्राप्त कर चुके थे, लगभग 60 प्रतिशत को अनुशंसित ACT दिया गया, जबकि शेष को पुरानी या अनुपयुक्त दवाएं दी गईं। जब शोधकर्ताओं ने इन परिणामों की भविष्यवाणी करने के लिए अपने कंप्यूटर मॉडल का उपयोग करने का प्रयास किया, तो उन्होंने पाया कि यह काफी आश्चर्यजनक था: मॉडल यह अनुमान लगाने में बहुत अच्छे नहीं थे कि किसे सही देखभाल मिलेगी। वास्तव में, उनके द्वारा परीक्षण किए गए आठों मॉडलों में से कोई भी एक रैंडम अनुमान (random guess) से बेहतर प्रदर्शन नहीं कर सका। जटिल मशीन लर्निंग उपकरण, जिनसे अक्सर डेटा में छिपे पैटर्न खोजने की उम्मीद की जाती है, सरल सांख्यिकीय विधियों से बेहतर प्रदर्शन नहीं कर सके। कुछ मामलों में, सबसे उन्नत एल्गोरिदम का प्रदर्शन सबसे खराब रहा, जो अन्य देशों में किए गए समान अध्ययनों को दर्शाता है। यह सुझाव देता है कि घरेलू सर्वेक्षणों में एकत्र की गई मानक जानकारी—जैसे आय, शिक्षा और स्थान—यह बताने के लिए पर्याप्त नहीं है कि बच्चे उचित देखभाल से क्यों चूक जाते हैं।
मॉडल्स की सटीक भविष्यवाणी करने में असमर्थता के बावजूद, विश्लेषण ने दूसरे अंतराल के संबंध में एक सुसंगत और महत्वपूर्ण सुराग का खुलासा किया: प्राप्त दवा की गुणवत्ता। विभिन्न मॉडलिंग दृष्टिकोणों के माध्यम से, धन और उपचार के प्रकार के बीच एक स्पष्ट संबंध उभर कर आया। देखभाल करने वालों ने, जिन्होंने रिपोर्ट किया कि उन्हें उपचार वहन करने में कठिनाई हुई, वे अपने बच्चे को अनुशंसित ACT देने में काफी कम सक्षम थे, भले ही वे पहले से ही कुछ दवा खरीद चुके हों। यह सुझाव देता है कि जब परिवार वित्तीय बाधाओं का सामना करते हैं, तो उन्हें अक्सर महंगी, आधुनिक दवाओं के बजाय सस्ती, पुरानी दवाओं की ओर निर्देशित किया जाता है। अध्ययन इंगित करता है कि मुद्दा यह नहीं है कि देखभाल करने वाले यह नहीं जानते कि कौन सी दवा सबसे अच्छी है, बल्कि यह है कि बिक्री के समय लागत ही निर्णायक कारक है। यह एक महत्वपूर्ण अंतर है, क्योंकि यह बताता है कि उपचार के अनुचित होने का प्राथमिक कारण ज्ञान की कमी नहीं, बल्कि कीमत है।
शोधकर्ताओं ने यह भी नोट किया कि पहला अंतराल—बच्चे का परीक्षण करवाना—एक बहुत बड़ा अवरोध बना हुआ है। हालांकि अध्ययन उपलब्ध डेटा का उपयोग करके यह सटीक रूप से नहीं बता सका कि इतने कम बच्चों का परीक्षण क्यों किया गया, इसने इस बात पर प्रकाश डाला कि अधिकांश नाइजीरियाई जहाँ पहली बार देखभाल के लिए जाते हैं, जैसे कि छोटे सामुदायिक फार्मेसी और स्थानीय दवा विक्रेता, वहां रक्त परीक्षण करने के लिए शायद ही कभी सुसज्जित होते हैं। ये विक्रेता आधे से अधिक परिवारों के लिए पहला पड़ाव हैं, फिर भी उनके पास उपचार से पहले निदान करने के लिए उपकरण नहीं हैं। अध्ययन निष्कर्ष निकालता है कि लोगों को परीक्षण कराने के लिए कहना पर्याप्त नहीं है यदि उन स्थानों पर परीक्षण उपलब्ध ही न हो जहाँ वे जाते हैं। इसके बजाय, आगे का रास्ता संभवतः इन सामुदायिक विक्रेताओं तक सीधे नैदानिक उपकरणों को लाने और सही दवा की लागत को संबोधित करने में निहित है। निष्कर्ष बताते हैं कि अधिक बच्चों को बचाने के लिए, हस्तक्षेपों को केवल यह मान लेने के बजाय कि एक एकल समाधान पूरे देखभाल चक्र को ठीक कर देगा, लागत और संपर्क के पहले बिंदु पर परीक्षण की उपलब्धता जैसे विशिष्ट बाधाओं पर ध्यान केंद्रित करना चाहिए।
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।