Mortality Baselines and Excess Mortality Events in Belgian and Greek Cities Using Singular Spectrum Analysis
यह अध्ययन छह बेल्जियम और ग्रीक शहरों के लिए पुनरुत्पादक मृत्यु दर आधार रेखा (mortality baselines) स्थापित करने हेतु स्वचालित घटक चयन और आउटलेयर इंटरपोलेशन के साथ सिंगुलर स्पेक्ट्रम विश्लेषण का उपयोग करता है, जिससे यह प्रकट होता है कि जबकि महामारी की अवधि ने अत्यधिक मृत्युओं के बहुमत का लेखा-जोखा रखा, घटनाओं की एक महत्वपूर्ण संख्या तापमान की चरम सीमाओं या ज्ञात महामारियों द्वारा अनस्पष्ट रही।
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
यह समझने के लिए कि कोई समाज कैसा प्रदर्शन कर रहा है, सार्वजनिक स्वास्थ्य अधिकारी अक्सर हर सप्ताह मरने वाले लोगों की संख्या देखते हैं। यह केवल मृतकों की गिनती करने के बारे में नहीं है; यह सामान्य और खतरनाक के बीच के अंतर को पहचानने के बारे में है। हर साल, मृत्यु दर मौसम के साथ ऊपर-नीचे होती है, जो सर्दियों में चरम पर पहुँच जाती है जब फ्लू फैलता है और ठंड हावी होती है, और गर्मियों में कम हो जाती है। इस अनुमानित लय को 'बेसलाइन' (आधार रेखा) कहा जाता है। जब मौतों की संख्या अचानक इस अपेक्षित रेखा से बहुत ऊपर चली जाती है, तो यह एक 'अतिरिक्त मृत्यु दर घटना' (excess mortality event) का संकेत देती है। ये उछाल एक नए वायरस, एक भीषण गर्मी या दोनों के संयोजन के कारण हो सकते हैं। वैज्ञानिकों के लिए चुनौती उस "सामान्य" की रेखा को सटीक रूप से खींचने की है। यदि रेखा बहुत नीचे खींची गई, तो एक सामान्य सर्दी भी संकट जैसी लग सकती है। यदि इसे बहुत ऊपर खींचा गया, तो एक वास्तविक आपदा अनसुनी रह सकती है। पारंपरिक तरीके अक्सर कठोर गणितीय सूत्रों पर निर्भर करते हैं जो यह मानते हैं कि अतीत सरल तरीके से खुद को दोहराएगा, लेकिन वे संघर्ष करते हैं जब डेटा अव्यवस्थित होता है या जब वैश्विक महामारी जैसी कोई बड़ी घटना तस्वीर को विकृत कर देती है।
बेल्जियम और ग्रीस के शोधकर्ताओं की एक टीम ने इस रेखा को खींचने का एक अलग तरीका परीक्षण करने का निर्णय लिया। उन्होंने छह प्रमुख शहरों पर ध्यान केंद्रित किया: बेल्जियम में ब्रसेल्स, एंटवर्प और लीज, तथा एथेंस, थेसालोनिकी और लारिसा में ग्रीस। इन स्थानों को इसलिए चुना गया क्योंकि वे विभिन्न जलवायु और जनसंख्या आकारों का मिश्रण प्रदान करते हैं, जिससे टीम यह देख सके कि क्या उनकी विधि वास्तविक दुनिया की विभिन्न स्थितियों को संभाल सकती है। डेटा को एक पूर्व-निर्धारित सूत्र में जबरदस्ती फिट करने के बजाय, उन्होंने 'सिंगुलर स्पेक्ट्रम एनालिसिस' नामक तकनीक का उपयोग किया। इस पद्धति को एक जटिल गीत को सुनने और स्थिर ताल (beat) को धुन और पृष्ठभूमि के शोर से अलग करने के रूपೆಯ रूप में समझें। 2015 से 2024 तक के साप्ताहिक मृत्यु रिकॉर्ड को उनके मूल पैटर्न में तोड़कर, शोधकर्ता मृत्यु दर की वास्तविक दीर्घकालिक लय को पहचान सके, बिना यह अनुमान लगाए कि वह लय कैसी होनी चाहिए। यह सुनिश्चित करने के लिए कि उन्होंने गलती से महामारी की अराजकता को अपने "सामान्य" की परिभाषा में शामिल न कर लिया हो, उन्होंने अस्थायी रूप से उन चरम हफ्तों को डेटा से हटा दिया, पैटर्न को फिर से बनाया, और फिर जांचा कि क्या परिणाम सांख्यिकीय रूप से तर्कसंगत था।
परिणामों से पता चला कि मृत्यु की लय हर जगह एक समान नहीं है। बेल्जियम के शहरों में, पैटर्न सीधा था: एक एकल, मजबूत चक्र जहाँ मौतें सर्दियों में बढ़ती हैं और गर्मियों में घटती हैं। हालाँकि, ग्रीस के शहरों में, पैटर्न अधिक जटिल था। सर्दियों के शिखर के अलावा, डेटा ने गर्मियों के महीनों के दौरान मौतों में एक दूसरा, महत्वपूर्ण उछाल भी दिखाया। यह अर्ध-वार्षिक चक्र, जो हाल के वर्षों में अधिक स्पष्ट होता गया है, यह सुझाव देता है कि ग्रीस में गर्मी मृत्यु दर का एक आवर्ती कारक है जिसे मानक मॉडल मिस कर सकते हैं। इस लचीले, डेटा-संचालित दृष्टिकोण का उपयोग करके, शोधकर्ता प्रत्येक शहर के लिए एक विश्वसनीय बेसलाइन बनाने में सक्षम रहे जो उसके अद्वितीय स्थानीय इतिहास का सम्मान करती है।
ये बेसलाइन स्थापित होने के बाद, टीम ने प्रत्येक सप्ताह को सूचीबद्ध किया जहाँ मौतें अपेक्षित संख्या से महत्वपूर्ण अंतर से अधिक हो गईं। नौ साल की अवधि में, उन्होंने छह शहरों में 170 विशिष्ट अतिरिक्त मृत्यु दर घटनाओं की पहचान की, जो 14,000 से अधिक अतिरिक्त मौतों के बराबर थीं। इन मौतों का विशाल बहुमत, लगभग 77 प्रतिशत, कोविड-19 महामारी के वर्षों के दौरान हुआ। शोधकर्ताओं ने इन उछालों और चरम मौसम के बीच संबंध भी तलाशा। उन्होंने पाया कि 96 अतिरिक्त सप्ताह या तो भीषण गर्मी या अत्यधिक ठंड की लहरों के साथ मेल खाते थे। उदाहरण के लिए, अगस्त 2020 में एक विशेष रूप से घातक हीटवेव, जिसने महामारी की लहरों के बीच बेल्जियम को प्रभावित किया था, को एक प्रमुख घटना के रूप में स्पष्ट रूप से पकड़ा गया। ग्रीस में, थेसालोनिकी में 2020 की शरद ऋतु के दौरान अतिरिक्त मृत्यु दर की एक लंबी अवधि, ठंड की लहर और महामारी दोनों के साथ मेल खाती थी।
दिलचस्प बात यह है कि हर उछाल का कोई स्पष्ट कारण नहीं था। शोधकर्ताओं ने 56 ऐसी घटनाओं को पाया जो महामारी, अत्यधिक तापमान या ज्ञात फ्लू महामारियों के साथ मेल नहीं खाती थीं। ये "अनमैच्ड" (मेल न खाने वाली) घटनाएं कुल अतिरिक्त मौतों का एक छोटा हिस्सा थीं, लेकिन उनका अस्तित्व इस बात को उजागर करता है कि मृत्यु दर अक्सर ऐसे कारकों के मिश्रण से संचालित होती है जिन्हें अलग करना कठिन है। यह अध्ययन यह दावा नहीं करता कि उसने हर मृत्यु उछाल के रहस्य को सुलझा लिया है, न ही यह साबित करता है कि किसी एक विशिष्ट कारक ने किसी विशिष्ट घटना का कारण बना। इसके बजाय, यह मृत्यु दर के परिदृश्य को मानचित्रित करने के लिए एक मजबूत, पुनरुत्पादक उपकरण प्रदान करता है। यह दिखाकर कि विभिन्न देशों की अलग-अलग मौसमी लय होती है और लचीली विधियाँ ग्रीक समर पीक जैसे छिपे हुए पैटर्न को प्रकट कर सकती हैं, यह कार्य सार्वजनिक स्वास्थ्य की निगरानी का एक स्पष्ट तरीका प्रदान करता है। यह सुझाव देता है कि वास्तव में यह समझने के लिए कि कोई समाज संकट में कब होता है, हमें पहले उसके अपने 'सामान्य' की अद्वितीय, बदलती हुई लय को समझना होगा।
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।