Predictive models for stillbirth and neonatal death: A global scoping review of model performance, validation, transportability and implications for sub-Saharan Africa
मृत जन्म और नवजात मृत्यु के लिए 93 प्रेडिक्टिव मॉडल्स (पूर्वानुमानित मॉडलों) की यह वैश्विक स्कोपिंग समीक्षा बताती है कि हालांकि 28% अध्ययन उप-सहारा अफ्रीका पर केंद्रित हैं, अधिकांश मॉडलों में कठोर बाहरी सत्यापन, अंशांकन मूल्यांकन और नैदानिक उपयोगिता के साक्ष्य का अभाव है, जो प्रभावी तैनाती सुनिश्चित करने के लिए स्वतंत्र अफ्रीकी समूहों में मानकीकृत, बहु-स्थल सत्यापन की तत्काल आवश्यकता को रेखांकित करता है।
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
एक बड़ी तस्वीर: अनछुए क्षेत्र का मानचित्र
कल्पना कीजिए कि शिशु मृत्यु (जन्म के समय या जन्म के तुरंत बाद होने वाली मृत्यु) की भविष्यवाणी करने की दुनिया एक विशाल, धुंधले समुद्र की तरह है। उप-सहारा अफ्रीका (SSA) इस समुद्र का एक बहुत बड़ा और महत्वपूर्ण हिस्सा है, जो इन त्रासदियों के दुनिया भर के बोझ का लगभग आधा हिस्सा वहन कर रहा है। हालाँकि, वे "मानचित्र" (भविकीति मॉडल) जिनका उपयोग डॉक्टर और वैज्ञानिक इन लहरों में रास्ता खोजने के लिए करते हैं, वे ज्यादातर दुनिया के दूसरे छोर पर रहने वाले लोगों द्वारा बनाए गए थे।
यह शोध पत्र एक स्कोपिंग रिव्यू (scoping review) है। इसे ऐसे समझें जैसे मानचित्रकारों (cartographers) की एक टीम समुद्र में निकल पड़ी है ताकि हर उस मानचित्र को खोजा जा सके जो मौजूद है, यह जांचा जा सके कि क्या वे अफ्रीकी जलक्षेत्र में काम करते हैं, और यह देखा जा सके कि क्या नाविक (डॉक्टर) वास्तव में उनका उपयोग कर रहे हैं।
खजाने की खोज: उन्हें क्या मिला
टीम ने 1,300 से अधिक संभावित मानचित्रों (अध्ययनों) की खोज की और पाया कि 93 वास्तविक और उपयोगी थे। उनकी खोज का विवरण यहाँ दिया गया है:
- स्थान का अंतर: इनमें से केवल 26 मानचित्र विशेष रूप से अफ्रीकी जलक्षेत्र के लिए बनाए गए थे। अन्य 67 मानचित्र अमेरिका, यूरोप और एशिया जैसी जगहों के लिए बनाए गए थे।
- "ब्लैक बॉक्स" की समस्या: अधिकांश मानचित्र पुराने जमाने की गणित (क्लासिकल स्टैटिस्टिक्स) का उपयोग करके बनाए गए थे, लेकिन हाल ही में, लोगों ने मशीन लर्निंग (ML) और आर्टिफिशियल इंटेलिजेंस (AI) जैसे फैंसी नए उपकरणों का उपयोग करना शुरू कर दिया है।
- उपमा: कल्पना कीजिए कि आप मौसम की भविष्यवाणी करने की कोशिश कर रहे हैं। वर्षों तक, लोगों ने साधारण थर्मामीटर और बैरोमीटर (क्लासिकल स्टैटिस्टिक्स) का उपयोग किया। हाल ही में, उन्होंने सुपर-कंप्यूटर और सैटेलाइट AI (ML/AI) का उपयोग करना शुरू किया। शोध पत्र में पाया गया कि हालांकि सुपर-कंप्यूटर लोकप्रिय हैं, लेकिन वे हमेशा साधारण थर्मामीटर की तुलना में बारिश की भविष्यवाणी करने में बेहतर नहीं होते हैं। वास्तव में, सबसे अच्छा प्रदर्शन करने वाले मानचित्र अक्सर दोनों का मिश्रण होते हैं।
- डेटा का स्रोत: अधिकांश मानचित्र अस्पतालों के डेटा (जैसे हर जन्म लेने वाले बच्चे का एक लॉगबुक) का उपयोग करके बनाए गए थे। बहुत कम मामलों में सामान्य जनसंख्या या ऑनलाइन स्रोतों के डेटा का उपयोग किया गया।
गुणवत्ता की जाँच: क्या मानचित्र सटीक हैं?
यहीं पर यह शोध पत्र आलोचनात्मक हो जाता है। टीम ने यह जांचा कि क्या ये मानचित्र वास्तव में वास्तविक दुनिया में परीक्षण किए गए थे कि क्या वे काम करते हैं।
- "स्व-परीक्षण" का जाल: 70% अध्ययनों ने अपने मानचित्र का परीक्षण उसी डेटा पर किया जिसका उपयोग उन्होंने उसे बनाने के लिए किया था।
- उपमा: कल्पना कीजिए कि एक छात्र अपना टेस्ट खुद लिखता है, फिर उत्तर कुंजी (answer key) को पढ़ता है, और फिर खुद को जीनियस साबित करने के लिए उसी टेस्ट को दोबारा देता है। वह 100% अंक प्राप्त कर सकता है, लेकिन इसका मतलब यह नहीं है कि वह अलग प्रश्नों वाले नए टेस्ट को भी पास कर पाएगा। इसे "आंतरिक सत्यापन" (internal validation) कहा जाता है।
- वास्तविक दुनिया का परीक्षण: केवल 20% अध्ययनों ने अपने मानचित्र का परीक्षण लोगों के एक अलग समूह पर किया (बाहरी सत्यापन/external validation)।
- चौंकाने वाला परिणाम: जब उन्होंने किसी समृद्ध देश (जैसे यूके या अमेरिका) में बने मानचित्र को अफ्रीका में उपयोग करने की कोशिश की, तो वे अक्सर बुरी तरह विफल रहे।
- उपमा: यह न्यूयॉर्क शहर के ट्रैफिक के लिए डिज़ाइन किए गए जीपीएस ऐप को लेकर मलावी की ग्रामीण सड़कों पर ट्रक चलाने जैसा है। ऐप कह सकता है कि "बाएं मुड़ें," लेकिन वहां कोई सड़क ही नहीं है, या वह एक कच्ची सड़क है जिसे ऐप पहचान नहीं पाता। शोध पत्र में पाया गया कि उच्च-आय वाले मॉडल अक्सर अफ्रीकी आबादी पर लागू होने पर "बेकार" निर्देश देते थे क्योंकि स्थितियां (ट्रैफिक, सड़क के प्रकार, मौसम) पूरी तरह से अलग थीं।
गायब सामग्रियां
शोध पत्र ने गौर किया कि वास्तविक जीवन में उपयोग के लिए सुरक्षित होने हेतु आवश्यक कुछ महत्वपूर्ण सामग्रियां इन मानचित्रों में गायब थीं:
- कैलिब्रेशन (सटीकता): अधिकांश अध्ययनों ने यह जांचा नहीं कि मानचित्र पर दिए गए अंक सही हैं या नहीं।
- उपमा: एक मौसम ऐप कह सकता है कि "90% बारिश की संभावना है।" यदि ऐप जब भी कहता है तो 90% बार वास्तव में बारिश होती है, तो वह अच्छी तरह से कैलिब्रेटेड है। यदि केवल 10% बार बारिश होती है, तो ऐप झूठ बोल रहा है। अधिकांश चिकित्सा मानचित्रों ने यह नहीं जांचा कि उनके प्रतिशत ईमानदार हैं या नहीं।
- "तो क्या?" परीक्षण: लगभग किसी भी अध्ययन ने यह नहीं पूछा: "क्या इस मानचित्र का उपयोग करने से वास्तव में जीवन बचता है?"
- उपमा: एक डॉक्टर के पास तूफान की भविष्यवाणी करने वाला एक शानदार उपकरण हो सकता है, लेकिन यदि वह उपकरण उसे यह नहीं बताता कि उसे क्या करना चाहिए (जैसे "छाता लाएं" या "अंदर रहें"), तो वह उपकरण केवल एक शो-पीस है। शोध पत्र में इस बात का लगभग कोई प्रमाण नहीं मिला कि ये उपकरण वास्तव में अफ्रीका में डॉक्टरों के इलाज के तरीके को बदलते हैं।
सफलता की एक कहानी
वहां एक अपवाद था। मलावी में, "पेरीवॉच" (PeriWatch) नामक एक प्रणाली को वास्तव में लेबर वार्ड में स्थापित किया गया था। यह प्रसव के दौरान बच्चे के दिल की धड़कन को सुनने के लिए AI का उपयोग करता है और सफलतापूर्वक जन्म के समय होने वाली मृत्यु और शुरुआती मौतों की संख्या को कम करने में सफल रहा।
- उपमा: यह एकमात्र समय था जब किसी ने केवल कागज पर मानचित्र नहीं बनाया; बल्कि उन्होंने वास्तव में जहाजों को रास्ता दिखाने के लिए तट पर एक लाइटहाउस (प्रकाश स्तंभ) बनाया और स्थापित किया।
निचोड़ (The Bottom Line)
शोध पत्र निष्कर्ष निकालता है कि हालांकि हमारे पास शिशु मृत्यु की भविष्यवाणी करने के लिए बहुत सारे "मानचित्र" (मॉडल) हैं, लेकिन अधिकांश बिना परीक्षण किए, बिना कैलिब्रेशन के हैं और अफ्रीका में बिना सोचे-समझे उपयोग करने पर संभावित रूप से खतरनाक हैं।
- रुकावट (The Bottleneck): हमारे पास तकनीक की कमी नहीं है (AI और ML मौजूद हैं)। हमारे पास डेटा की कमी नहीं है (अस्पताल और सर्वेक्षण मौजूद हैं)।
- समस्या: हमारे पास इन उपकरणों को ठीक से परीक्षण करने का अनुशासन नहीं है। हमें शून्य में मानचित्र बनाना बंद करना होगा और वास्तविक धरातल पर इनका परीक्षण करना शुरू करना होगा जिस पर वे चलने के लिए बनाए गए हैं।
सिफारिश: भविष्य के कार्यों को सख्त नियमों (जैसे TRIPOD+AI दिशानिर्देश) का पालन करना चाहिए, मॉडलों का परीक्षण लोगों के नए समूहों पर करना चाहिए (न कि केवल उन्हीं पर जिनके आधार पर उन्हें बनाया गया था), और यह साबित करना चाहिए कि मॉडल का उपयोग करने से वास्तव में डॉक्टरों को बेहतर निर्णय लेने में मदद मिलती है और जीवन बचता है। तब तक, ये उच्च-तकनीकी उपकरण केवल दिलचस्प प्रयोग हैं, तैयार-से-उपयोग चिकित्सा उपकरण नहीं।
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।