Do established comorbidity scores predict in-hospital mortality equally well in women and men? A nationwide validation in 166.7 million German inpatient cases, 2010-2024
166.7 मिलियन जर्मन इनपेशेंट मामलों के राष्ट्रव्यापी सत्यापन में, तीन स्थापित कोमोरबिडिटी स्कोर समान रूप से भेदभावपूर्ण पाए गए लेकिन महिलाओं और पुरुषों के बीच व्यवस्थित रूप से गलत अंशांकित (मिसकैलिब्रेटेड) थे, जो निष्पक्ष अस्पताल बेंचमार्किंग सुनिश्चित करने के लिए लिंग-विशिष्ट पुन: अंशांकन की आवश्यकता का समर्थन करते 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
अस्पताल लगातार अपने प्रदर्शन की तुलना करते रहते हैं, और एक मौलिक प्रश्न पूछते हैं: क्या वे अन्य अस्पतालों की तुलना में मरीजों को बेहतर तरीके से जीवित रख पा रहे हैं? इसकी निष्पक्ष रूप से उत्तर देने के लिए, उन्हें इस बात का लेखा-जोखा रखना चाहिए कि मरीज अस्पताल पहुँचने से पहले कितना बीमार था। एक मरीज जो टूटी हुई टांग के साथ आता है और जिसका हृदय स्वस्थ है, उसका जोखिम उस मरीज से अलग होता है जो टूटी हुई टांग और विफल होते हृदय के साथ आता है। इस तुलना को करने के लिए, डॉक्टर "कोमोरबिडिटी स्कोर" (comorbidity scores) का उपयोग करते हैं। ये स्कोर मरीज के चिकित्सा इतिहास से गणना किए गए सरल अंक होते हैं, जो उनकी सभी मौजूदा स्थितियों को एक एकल जोखिम अनुमान में मिला देते हैं। दशकों से, इन स्कोर्स को बिना यह देखे कि मरीज पुरुष है या महिला, बिल्कुल एक ही फॉर्मूले का उपयोग करके सभी पर लागू किया गया है। धारणा यह रही है कि गणित दोनों लिंगों के लिए समान रूप से काम करता है। लेकिन चिकित्सा की दुनिया में, जहाँ जीव विज्ञान अक्सर पुरुषों और महिलाओं के बीच भिन्न होता है, इस धारणा का बड़े पैमाने पर परीक्षण शायद ही कभी किया गया है। यदि फॉर्मूला एक समूह के लिए थोड़ा भी गलत है, तो यह हजारों अध्ययनों के परिणामों को बिगाड़ सकता है और अस्पतालों की रैंकिंग को विकृत कर सकता है, जिससे कुछ अस्पताल वास्तव में बेहतर या बदतर दिखने लगते हैं।
शोधकर्ताओं की एक टीम ने इस धारणा का परीक्षण करने के लिए एक अभूतपूर्व आकार के डेटासेट का उपयोग करते हुए एक अध्ययन किया। उन्होंने जर्मनी में पंद्रह वर्षों की अवधि (2010 से 2024 तक) में लगभग 16.7 करोड़ वयस्क अस्पताल दाखिलों का विश्लेषण किया। यह कोई छोटा नमूना नहीं था; यह उस दौरान देश में लगभग हर तीव्र अस्पताल प्रवास का पूर्ण रिकॉर्ड था। शोधकर्ताओं ने तीन विशिष्ट स्कोरिंग प्रणालियों पर ध्यान केंद्रित किया जिनका उपयोग दुनिया भर में अस्पताल में मृत्यु के जोखिम की भविष्यवाणी करने के लिए किया जाता है। वे यह देखना चाहते थे कि क्या ये स्कोर पुरुषों और महिलाओं के लिए मृत्यु की समान रूप से भविष्यवाणी करते हैं। विशेष रूप से, उन्होंने दो चीजें जांचीं: पहला, क्या अनुमानित जोखिम वास्तविक मौतों की संख्या से मेल खाता है (कैलिब्रेशन/सटीकता), और दूसरा, क्या ये स्कोर सफलतापूर्वक उन मरीजों के बीच अंतर कर सकते हैं जिनकी मृत्यु हो जाती है और जो जीवित बच जाते हैं (डिस्क्रिमिनेशन/भेदभाव क्षमता)।
परिणामों ने एक स्पष्ट और सुसंगत पैटर्न का खुलासा किया। हालांकि ये स्कोर मरीजों को रैंक करने में अच्छे थे—अर्थात, वे उच्च जोखिम वाले और निम्न जोखिम वाले मरीजों के बीच अंतर करने में सक्षम थे—लेकिन वे पुरुषों और महिलाओं के लिए मृत्यु की वास्तविक संख्या की समान रूप से भविष्यवाणी नहीं कर पाए। जब शोधकर्ताओं ने समान स्कोर वाले मरीजों के समूहों को देखा, तो उन्होंने पाया कि महिलाओं की तुलना में पुरुषों की मृत्यु अधिक बार हुई। उदाहरण के लिए, एक स्कोरिंग प्रणाली में, एक विशिष्ट जोखिम स्तर वाले पुरुष, ठीक उसी स्कोर वाली महिलाओं की तुलना में अस्पताल में मरने की संभावना लगभग 21 प्रतिशत अधिक रखते थे। यह कोई इत्तेफाक नहीं था; यह पंद्रह वर्षों के डेटा और लगभग हर आयु वर्ग में लगातार दिखाई दिया। स्कोर अक्सर पुरुषों के लिए जोखिम को कम आंकते थे और महिलाओं के लिए इसे अधिक आंकते थे, या विशिष्ट स्कोर के आधार पर इसके विपरीत, जिससे एक व्यवस्थित अंतर पैदा होता था।
दिलचस्प बात यह है कि मरीजों को सही ढंग से रैंक करने की क्षमता दोनों लिंगों के लिए बहुत समान बनी रही। जीवित बचे लोगों और गैर-जीवित लोगों के बीच अंतर करने की क्षमता में अंतर इतना कम था कि वह नगण्य था। वास्तविक समस्या यह नहीं थी कि स्कोर यह पहचानने में विफल रहे कि कौन अधिक बीमार है, बल्कि यह थी कि वे प्रत्येक लिंग के लिए मृत्यु की वास्तविक संभावना की गलत गणना करते थे। शोधकर्ताओं ने नोट किया कि किसी व्यक्तिगत मरीज के लिए, यह अंतर डॉक्टर के तत्काल उपचार निर्णय को बदलने के लिए बहुत छोटा है। हालांकि, क्योंकि इन स्कोर्स का उपयोग पूरे अस्पतालों की तुलना करने और राष्ट्रीय स्वास्थ्य नीतियों को निर्देशित करने के लिए किया जाता है, इसलिए यह त्रुटि समाप्त नहीं होती है। इसके बजाय, यह संचित होती जाती है। यदि कोई अस्पताल महिलाओं की तुलना में अधिक पुरुषों का इलाज करता है, या इसके विपरीत, तो मानक फॉर्मूला उस अस्पताल को वास्तव में बेहतर या बदतर दिखा सकता है, केवल इसलिए क्योंकि गणित मरीजों के विशिष्ट मिश्रण के अनुकूल नहीं है।
इस अध्ययन ने यह भी पता लगाया कि ऐसा क्यों हो रहा होगा। डेटा ने दिखाया कि अस्पताल में भर्ती पुरुष आबादी में मृत्यु से जुड़ी सबसे गंभीर स्थितियों, जैसे लिवर रोग और हृदय की लय संबंधी समस्याओं का अधिक बोझ था, जबकि महिलाओं में अवसाद जैसी स्थितियों की दर अधिक थी। ये स्कोर इन स्थितियों को गिनते हैं, लेकिन वे इस तथ्य को ध्यान में नहीं रखते कि वही स्थिति मरीज के लिंग के आधार पर अलग वजन या गंभीरता रख सकती है। शोधकर्ताओं ने पाया कि यह पैटर्न वर्ष या रोगी की आयु के बावजूद बना रहा, जिससे पता चलता है कि समस्या इस बात में निहित है कि इन स्कोर्स को मूल रूप से कैसे बनाया गया था और वर्तमान में उनका उपयोग कैसे किया जा रहा है।
यह विशाल विश्लेषण यह सुझाव देता है कि अस्पताल की मृत्यु दर की भविष्यवाणी करने के लिए सभी के लिए एक ही फॉर्मूले का उपयोग करने की लंबे समय से चली आ रही प्रथा त्रुटिपूर्ण है। लेखकों का निष्कर्ष है कि ये स्थापित स्कोर पुरुषों और महिलाओं के लिए अलग-अलग कैलिब्रेटेड (सटीक) हैं। हालांकि ये स्कोर अभी भी मरीजों को रैंक करने के लिए पर्याप्त रूप से काम करते हैं, लेकिन वास्तविक मृत्यु दर की भविष्यवाणी करने में व्यवस्थित अंतर अस्पतालों की तुलना और अनुसंधान में पूर्वाग्रह पैदा करता है। अध्ययन इस समस्या को ठीक करने का दावा नहीं करता है, बल्कि यह पुख्ता सबूत प्रदान करता है कि मौजूदा उपकरणों की पुनरीक्षण की आवश्यकता है। अस्पतालों के बीच निष्पक्ष तुलना और सटीक अनुसंधान सुनिश्चित करने के लिए, लेखक सुझाव देते हैं कि इन स्कोर्स को विशेष रूप से पुरुषों और महिलाओं के लिए पुन: कैलिब्रेट करने की आवश्यकता हो सकती है, या लिंग को गणना में एक कारक के रूप में जोड़ा जाना चाहिए। तब तक, अस्पताल के प्रदर्शन को आंकने के लिए उपयोग किए जाने वाले नंबर उन मरीजों के लिंग के कारण चुपचाप प्रभावित होते रहेंगे जिनका वे वर्णन करने का प्रयास करते 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।