Predicting Inadequate Iron and Folic Acid Supplementation Among Pregnant Women in Ghana: An Explainable Machine Learning Approach
यह अध्ययन लक्षित मातृ पोषण हस्तक्षेपों के लिए एक ढांचा प्रदान करने हेतु, घाना के सर्वेक्षण डेटा पर एक व्याख्यात्मक (explainable) CatBoost मशीन लर्निंग मॉडल का उपयोग करता है ताकि यह पहचान की जा सके कि निवास का क्षेत्र, प्रसवपूर्व देखभाल की आवृत्ति, समय, रेडियो एक्सपोजर और घरेलू संपत्ति गर्भवती महिलाओं में अपर्याप्त आयरन और फोलिक एसिड अनुपूरण के प्राथमिक भविष्यवक्ता हैं।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
गर्भावस्था वह समय है जब शरीर की पोषक तत्वों की मांग बहुत बढ़ जाती है, और दुनिया भर में लाखों महिलाओं के लिए, आयरन और फोलिक एसिड युक्त एक साधारण दैनिक गोली एक स्वस्थ जन्म और एक जीवन-घातक जटिलता के बीच का अंतर होती है। ये सप्लीमेंट्स एनीमिया को रोकने के लिए डिज़ाइन किए गए हैं, जो एक ऐसी स्थिति है जहाँ रक्त पर्याप्त ऑक्सीजन नहीं ले पाता, जिससे समय से पहले जन्म या कम जन्म वजन जैसी समस्याएँ हो सकती हैं। स्वास्थ्य विशेषज्ञों ने लंबे समय से इस बात पर सहमति जताई है कि पूरी गर्भावस्था के दौरान हर एक दिन ये गोलियाँ लेना ही स्वर्ण मानक (गोल्ड स्टैंडर्ड) है। फिर भी, दुनिया के कई हिस्सों में, केवल गोलियों तक पहुँच होना ही पर्याप्त नहीं है। महिलाएँ अक्सर उन्हें लेना शुरू तो करती हैं लेकिन गर्भावस्था समाप्त होने से पहले ही रुक जाती हैं, या वे कुछ दिन चूक जाती हैं, जिससे वे असुरक्षित हो जाती हैं। सार्वजनिक स्वास्थ्य अधिकारियों के लिए चुनौती केवल दवा वितरित करना नहीं है, बल्कि यह समझना है कि क्यों कुछ महिलाएँ इस नियम का पालन करने में संघर्ष करती हैं जबकि अन्य करती हैं, ताकि मदद को ठीक वहीं निर्देशित किया जा सके जहाँ इसकी सबसे अधिक आवश्यकता है।
घाना में, एक नए अध्ययन ने इस पहेली को सुलझाने के लिए कंप्यूटर विश्लेषण के एक शक्तिशाली रूप का सहारा लिया है। शोधकर्ताओं ने हजारों घानाई महिलाओं के एक विशाल, राष्ट्रीय स्तर के सर्वेक्षण को लिया और उस डेटा को एक परिष्कृत मशीन लर्निंग सिस्टम में डाला। पारंपरिक तरीकों के विपरीत, जो कारकों के बीच सरल, सीधी रेखा वाले संबंधों को देखते हैं, यह सिस्टम यह खोजने के लिए डिज़ाइन किया गया है कि कैसे एक महिला के जीवन के विभिन्न हिस्से—वह कहाँ रहती है, उसके परिवार के पास कितने पैसे हैं, और वह कितनी बार डॉक्टर के पास जाती है—उसकी स्वास्थ्य संबंधी पसंद को प्रभावित करने के लिए आपस में क्रिया करते हैं। इसका लक्ष्य किसी एक व्यक्ति के लिए भविष्य की भविष्यवाणी करना नहीं था, बल्कि पूरे देश में जोखिम के परिदृश्य का मानचित्र बनाना था, जिससे यह पहचाना जा सके कि महिलाओं के कौन से समूह अपनी सप्लीमेंट्स को बहुत जल्दी लेना बंद करने की सबसे अधिक संभावना रखते हैं।
शोधकर्ताओं ने उन 4,641 गर्भवती महिलाओं पर ध्यान केंद्रित किया जिन्होंने अपनी हालिया गर्भावस्था के दौरान आयरन सप्लीमेंट प्राप्त किए थे। उन्होंने "अपर्याप्त" उपयोग को 90 दिनों से कम समय तक गोलियाँ लेने के रूप में परिभाषित किया, जो गर्भावस्था के दौरान प्रतिदिन उन्हें लेने की विश्व स्वास्थ्य संगठन की सिफारिश से कम है। इस समूह की लगभग 35 प्रतिशत महिलाओं ने 90 दिनों के निशान तक पहुँचने से पहले ही सप्लीमेंट्स लेना बंद कर दिया था। यह समझने के लिए कि ऐसा क्यों हुआ, टीम ने 'कैटबूट' (CatBoost) नामक एक कंप्यूटर मॉडल बनाया, जो एक प्रकार का एल्गोरिदम है जो बिना सरलीकरण के अव्यवस्थित, वास्तविक दुनिया के डेटा को संभालने की अपनी क्षमता के लिए जाना जाता है। उन्होंने इस मॉडल को सर्वेक्षण के 80 प्रतिशत डेटा पर प्रशिक्षित किया और फिर यह देखने के लिए शेष 20 प्रतिशत पर इसका परीक्षण किया कि यह कितनी अच्छी तरह से जोखिम वाले लोगों की भविष्यवाणी कर सकता है।
परिणामों ने दिखाया कि यह मशीन लर्निंग दृष्टिकोण पारंपरिक सांख्यिकीय उपकरणों की तुलना में अपर्याप्त सप्लीमेंटेशन के पैटर्न को पहचानने में काफी बेहतर था, जिनका आमतौर पर सार्वजनिक स्वास्थ्य में उपयोग किया जाता है। नए मॉडल ने उच्च सटीकता के साथ उन महिलाओं के बीच सही अंतर स्पष्ट किया जिन्होंने पर्याप्त समय तक गोलियाँ लीं और जिन्होंने नहीं लीं, और इसने अन्य सामान्य कंप्यूटर मॉडलों और मानक गणितीय समीकरणों को पीछे छोड़ दिया। लेकिन अध्ययन का वास्तविक मूल्य केवल भविष्यवाणी में नहीं, बल्कि स्पष्टीकरण में था। शोधकर्ताओं ने एक ऐसी तकनीक का उपयोग किया जो एक स्पॉटलाइट की तरह काम करती है, जो ठीक से उजागर करती है कि किन कारकों ने मॉडल को अपने निर्णय लेने के लिए प्रेरित किया। इससे पता चला कि सबसे शक्तिशाली भविष्यवक्ता कि क्या एक महिला पूरी अनुशंसित अवधि के लिए अपने सप्लीमेंट्स लेगी, वह केवल यह था कि वह कहाँ रहती है।
डेटा ने भौगोलिक असमानता की एक स्पष्ट तस्वीर पेश की। घाना के उत्तरी क्षेत्रों की महिलाओं को दक्षिणी क्षेत्रों की तुलना में अपर्याप्त सप्लीमेंटेशन का बहुत अधिक जोखिम था। स्थान के अलावा, प्रसव पूर्व देखभाल क्लिनिक (एंटेनेटल केयर क्लिनिक) के दौरों की आवृत्ति दूसरा सबसे महत्वपूर्ण कारक था। जिन महिलाओं ने क्लिनिक के कम चक्कर लगाए, उनके द्वारा सप्लीमेंट्स को जल्दी छोड़ने की संभावना बहुत अधिक थी। डॉक्टर से पहली बार मिलने का समय भी मायने रखता था; जिन महिलाओं ने डॉक्टर से पहली बार मिलने के लिए अपनी गर्भावस्था के उत्तरार्ध तक प्रतीक्षा की, उन्हें अधिक जोखिम था। अन्य कारकों में रेडियो सुनने की आवृत्ति शामिल थी, जो स्वास्थ्य संदेशों के संपर्क का एक संकेत (प्रॉक्सी) के रूप में कार्य करता था, और उसके परिवार की संपत्ति, जिसमें गरीब परिवारों को अधिक जोखिमों का सामना करना पड़ता था। आश्चर्यजनक रूप से, स्वास्थ्य बीमा को यह बताने वाला सबसे कम महत्वपूर्ण कारक पाया गया कि क्या एक महिला अपने नियम का पालन करेगी, जिससे यह संकेत मिलता है कि जबकि बीमा महिलाओं को क्लिनिक तक पहुँचने में मदद करता है, यह गारंटी नहीं देता कि वे क्लिनिक से बाहर निकलने के बाद दवा जारी रखेंगी।
अध्ययन ने शिक्षा और परिवार के आकार की भूमिका को भी देखा, जिसमें पाया गया कि हालांकि वे एक भूमिका निभाते हैं, लेकिन उनका प्रभाव भूगोल या क्लिनिक उपस्थिति जितना मजबूत नहीं था। शोधकर्ताओं ने नोट किया कि उनके निष्कर्ष सुदृढ़ (रोबस्ट) थे, जिसका अर्थ है कि भले ही उन्होंने उन महिलाओं को शामिल किया जिन्हें बिल्कुल भी सप्लीमेंट नहीं मिले थे, फिर भी वही शीर्ष पांच कारक सबसे महत्वपूर्ण बने रहे। यह निरंतरता बताती है कि सप्लीमेंट्स लेने में बाधाएं केवल दवा तक पहुँच की कमी के बजाय, महिला के जीवन की विशिष्ट परिस्थितियों और स्थान में गहराई से निहित हैं। अध्ययन निष्कर्ष निकालता है कि हालांकि कंप्यूटर मॉडल अभी डॉक्टरों द्वारा व्यक्तिगत रोगियों की जांच के लिए नैदानिक उपकरण के रूप में उपयोग करने के लिए तैयार नहीं है, लेकिन यह सार्वजनिक स्वास्थ्य योजनाकारों के लिए एक शक्तिशाली मानचित्र प्रदान करता है। यह दिखाता है कि घाना में मातृ स्वास्थ्य में सुधार करने के लिए, हस्तक्षेप विशिष्ट क्षेत्रों के अनुरूप होने चाहिए और उन्हें पूरी गर्भावस्था के दौरान महिलाओं को उनके स्वास्थ्य सेवा प्रदाताओं के साथ जोड़े रखने पर ध्यान केंद्रित करना चाहिए, न कि केवल एक ही तरह के दृष्टिकोण (वन-साइज़-फिट्स-ऑल) पर निर्भर रहना 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।