Predicting poor physical fitness among university students using five-year repeated campus surveillance data: development and temporal validation of a risk model

फिटनेस का पूर्वानुमान: आपके शरीर का "गोल्डिलॉक्स ज़ोन" क्यों महत्वपूर्ण है

कल्पना कीजिए कि आप मौसम की भविष्यवाणी करने की कोशिश कर रहे हैं। आप केवल एक घंटे के लिए आसमान को नहीं देखेंगे; आप तापमान, आर्द्रता, हवा की गति और यह भी देखेंगे कि ये चीजें दिनों या हफ्तों में कैसे बदलती हैं। स्वास्थ्य विज्ञान की दुनिया में, शोधकर्ता "शारीरिक फिटनेस" का अध्ययन करते समय कुछ ऐसा ही करते हैं। यह केवल इस बारे में नहीं है कि आप एक मील कितनी तेज़ी से दौड़ सकते हैं; यह आपके भविष्य के स्वास्थ्य के लिए एक शक्तिशाली क्रिस्टल बॉल की तरह है, जो आपके हृदय की मजबूती से लेकर आपके मूड और यहाँ तक कि इस बात का भी संकेत देता है कि आप स्कूल या काम में कितना अच्छा प्रदर्शन कर सकते हैं।

लंबे समय से, वैज्ञानिक एक विशिष्ट संख्या के प्रति जुनूनी रहे हैं: बॉडी मास इंडेक्स (BMI)। BMI को एक साधारण पैमाने के रूप में समझें जो यह मापता है कि आप कम वजन वाले, सामान्य वजन वाले, अधिक वजन वाले या मोटापे से ग्रस्त हैं। पुरानी कहानी काफी सीधी थी: "बहुत भारी होना आपकी फिटनेस के लिए बुरा है।" लेकिन जीवन शायद ही कभी एक सीधी रेखा होता है। कभी-कभी, बहुत हल्का होना भी उतना ही चुनौतीपूर्ण हो सकता है। यह शोध पत्र विश्वविद्यालय के छात्रों के एक विशाल, पांच साल के डेटा खजाने का उपयोग करके यह देखने के लिए है कि क्या हम फिटनेस के लिए एक बेहतर "मौसम पूर्वानुमान" बना सकते हैं। केवल एक एकल स्नैपशॉट लेने के बजाय, उन्होंने उन्हीं छात्रों को समय के साथ देखा, उनके रिकॉर्ड को असंबंधित फोटो के ढेर के बजाय एक निरंतर फिल्म की तरह माना। वे जानना चाहते थे: क्या हम यह अनुमान लगा सकते हैं कि कौन फिटनेस टेस्ट होने से पहले संघर्ष कर सकता है? और क्या "परफेक्ट" वजन वास्तव में एक संकीर्ण 'स्वीट स्पॉट' है, या खतरा पैमाने के दोनों सिरों पर छिपा है?

पाँच साल की फिटनेस मूवी

यह अध्ययन एक समय-यात्रा करने वाली जासूसी कहानी की तरह है, लेकिन यहाँ जासूस अपराध सुलझाने के बजाय छात्र फिटनेस के रहस्य को सुलझाने की कोशिश कर रहे हैं। शोधकर्ताओं ने चीन के एक विश्वविद्यालय से एक विशाल डेटासेट एकत्र किया, जो 2020 से 2024 तक लगातार पांच वर्षों को कवर करता है। उनके पास 45,000 से अधिक अद्वितीय छात्रों के रिकॉर्ड थे, जिनमें कुल 107,000 से अधिक परीक्षण परिणाम शामिल थे। क्योंकि उनके पास गुमनाम आईडी नंबर थे, इसलिए वे उन्हीं छात्रों को साल दर साल देख सके, यह देखते हुए कि जैसे-जैसे वे उम्र और शरीर में बदलाव आए, उनकी फिटनेस कैसे बदली।

लक्ष्य एक "जोखिम मॉडल" बनाना था—एक प्रकार का डिजिटल क्रिस्टल बॉल। वे एक ऐसा उपकरण बनाना चाहते थे जो किसी छात्र की बुनियादी जानकारी (जैसे लिंग, आयु, पढ़ाई का वर्ष और BMI) को फिटनेस टेस्ट देने से पहले देख सके और भविष्यवाणी कर सके कि क्या वह विफल होगा। यहाँ "खराब फिटनेस" की परिभाषा सख्त थी: नेशनल स्टूडेंट फिजिकल हेल्थ स्टैंडर्ड पर 60 अंक से कम स्कोर करना।

"गोल्डिलॉक्स" खोज

जब शोधकर्ताओं ने आंकड़ों की गणना शुरू की, तो उन्हें कुछ ऐसा मिला जो पुरानी "केवल वजन घटाएं" वाली धारणा को चुनौती देता है। उन्होंने पाया कि BMI और फिटनेस के बीच का संबंध एक सीधी रेखा नहीं है; यह "J" के आकार का है।

एक सी-सॉ (seesaw) की कल्पना करें जहाँ बीच का हिस्सा बैठने के लिए सबसे सुरक्षित जगह है। अध्ययन में पाया गया कि "सामान्य" BMI (18.5 और 23.9 के बीच) वाले छात्रों में फिटनेस टेस्ट में विफल होने का जोखिम सबसे कम था। लेकिन यहाँ एक मोड़ है: जोखिम केवल भारी पक्ष की ओर ही नहीं बढ़ा। यह हल्के पक्ष की ओर भी बढ़ा।

• कम वजन वाले छात्र सामान्य वजन वाले छात्रों की तुलना में खराब फिटनेस का सामना करने के लिए 1.54 गुना अधिक संभावित थे।
• अधिक वजन वाले छात्र संघर्ष करने के लिए 2.68 गुना अधिक संभावित थे।
• मोटापे से ग्रस्त छात्रों को भारी जोखिम का सामना करना पड़ा, जिनके खराब फिटनेस का सामना करने की संभावना 7.58 गुना अधिक थी।

शोधकर्ताओं ने इस मानचित्र को बनाने के लिए "रिस्ट्रिक्टेड क्यूबिक स्प्लाइन" नामक एक विशेष गणितीय उपकरण का उपयोग किया। इसने दिखाया कि इन छात्रों के समूह के लिए पूर्ण निम्नतम जोखिम तब पाया गया जब BMI लगभग 20 kg/m² था, जिसमें एक "सुरक्षित क्षेत्र" लगभग 19 से 21 kg/m² तक फैला हुआ था। यह ध्यान रखना महत्वपूर्ण है कि लेखक यहाँ बहुत सावधान हैं: यह एक जनसंख्या-स्तर का संदर्भ है, जैसे कि औसत भूभाग दिखाने वाला एक नक्शा। यह किसी भी व्यक्तिगत छात्र के लिए ठीक 20 kg/m² का लक्ष्य रखने का व्यक्तिगत निर्देश नहीं है। यह केवल यह सुझाव देता है कि, औसतन, इस समूह के लिए फिटनेस का "गोल्डिलॉक्स ज़ोन" उसी मध्य सीमा में था, जिसमें बहुत हल्के और बहुत भारी, दोनों छोरों पर खतरा मंडरा रहा था।

क्रिस्टल बॉल: भविष्यवाणी कितनी अच्छी थी?

टीम ने विफल होने की भविष्यवाणी करने के लिए दो अलग-अलग मॉडल बनाए।

मॉडल A: प्री-टेस्ट स्कैनर
इस मॉडल ने केवल उस जानकारी का उपयोग किया जो छात्र के ट्रैक पर उतरने से पहले उपलब्ध थी: उनका लिंग, आयु, अध्ययन का वर्ष, परीक्षण का वर्ष और उनका BMI।

• परिणाम: जिन वर्षों में मॉडल बनाया गया था (2020-2023), उसमें यह अपने काम में मध्यम रूप से अच्छा था, जिसने लगभग 75.5% बार (एक AUC 0.755 के साथ) फिट और अनफिट छात्रों के बीच सही अंतर बताया।
• वास्तविकता की जाँच: जब उन्होंने इस मॉडल का परीक्षण 2024 के डेटा (एक भविष्य का वर्ष जिसे इसने पहले नहीं देखा था) पर किया, तो इसकी सटीकता गिरकर 67.5% हो गई। क्यों? क्योंकि "मौसम" बदल गया था। 2024 में, वास्तव में कम छात्र टेस्ट में विफल हुए (पिछले वर्षों की उच्च दरों की तुलना में केवल 5.1%)। क्योंकि मॉडल को अधिक विफलताओं वाले वर्षों पर प्रशिक्षित किया गया था, इसलिए यह "गलत चेतावनी" देने लगा, यानी यह अनुमान लगाने लगा कि वास्तव में होने वाले विफलताओं की तुलना में अधिक छात्र विफल होंगे। लेखक इसे "ओवर-प्रेडिक्शन" कहते हैं। यह एक याद दिलाता है कि भले ही मॉडल अच्छे हों, उन्हें दुनिया बदलने पर पुन: अंशांकन (recalibrate) करने की आवश्यकता होती है। हालाँकि, मॉडल यह बताने में बहुत अच्छा था कि कौन विफल नहीं होगा (एक उच्च "नेगेटिव प्रेडिक्टिव वैल्यू"), जो छात्रों की छंटनी के लिए उपयोगी है।

मॉडल B: धोखाधड़ी वाला क्रिस्टल बॉल
शोधकर्ताओं ने एक दूसरा मॉडल भी आज़माया जिसमें फिटनेस परीक्षण के वास्तविक परिणामों (जैसे कि वे कितनी तेज़ी से दौड़े या कितनी दूर कूदे) को भविष्यवक्ता के रूप में शामिल किया गया था।

• परिणाम: यह मॉडल लगभग पूर्ण था, जिसकी सटीकता 94.5% थी।
• पकड़: लेखक स्पष्ट रूप से चेतावनी देते हैं कि यह "चक्रीय" (circular) है। यह दौड़ शुरू होने से पहले फिनिश लाइन के समय को देखकर दौड़ के विजेता की भविष्यवाणी करने जैसा है। चूंकि ये फिटनेस घटक अंतिम स्कोर का हिस्सा हैं, इसलिए मॉडल केवल उसी उत्तर को दोहरा रहा है जिसे उसे खोजना है। वे इसे केवल एक "अपर रेफरेंस" के रूप में रिपोर्ट करते हैं ताकि यह दिखाया जा सके कि सैद्धांतिक रूप से क्या संभव है, न कि एक वास्तविक दुनिया के उपकरण के रूप में।

वास्तविक दुनिया के लिए इसका क्या अर्थ है

अध्ययन यह निष्कर्ष निकालता है कि हालांकि हम जोखिम वाले छात्रों को पहचानने के लिए एक उपकरण बना सकते हैं, लेकिन यह कोई जादू की छड़ी नहीं है। सबसे ईमानदार निष्कर्ष यह है कि कम वजन होना और मोटापा, दोनों ही खराब शारीरिक फिटनेस से जुड़े हैं, और जोखिम वक्र J-आकार का है।

लेखक सुझाव देते हैं कि विश्वविद्यालयों को केवल मोटापे पर ध्यान केंद्रित नहीं करना चाहिए। उन्हें कम वजन वाले छात्रों पर भी ध्यान देने की आवश्यकता है, क्योंकि वे दोहरे जोखिम का सामना करते हैं। "प्री-टेस्ट" मॉडल (मॉडल A) स्कूलों के लिए एक सहायक उपकरण हो सकता है जिससे वे उन छात्रों की पहचान कर सकें जिन्हें ट्रैक पर उतरने से पहले अतिरिक्त सहायता या मूल्यांकन की आवश्यकता हो सकती है। हालाँकि, मॉडल पूर्ण नहीं है; इसे हर साल छात्रों के वर्तमान फिटनेस स्तर के अनुरूप ढालने (recalibrate) के लिए बदलाव की आवश्यकता होती है।

संक्षेप में, यह शोध पत्र पाँच वर्षों के डेटा का उपयोग करके यह दिखाता है कि फिटनेस एक जटिल कहानी है जिसके दो छोरों पर ध्यान देने की आवश्यकता है। यह साबित करता है कि एकल स्नैपशॉट की तुलना में छात्रों को समय के साथ देखना अधिक स्पष्ट तस्वीर देता है, लेकिन यह हमें चेतावनी भी देता है कि भविष्यवाणियाँ केवल उतनी ही अच्छी होती हैं जितना कि वह डेटा जिस पर वे आधारित हैं, और उन्हें सटीक रहने के लिए निरंतर अपडेट की आवश्यकता होती है।