Forecast-to-warning for Injury Surveillance in Megacity based on Seasonal and Holiday Effects: A District-level Study

कल्पना कीजिए कि आप अपने पड़ोस के लिए मौसम की भविष्यवाणी करने की कोशिश कर रहे हैं। आप जानते हैं कि बारिश अक्सर मौसमों में आती है, और आप जानते हैं कि किसी बड़े त्योहार के बाद जब हर कोई बाहर घूम रहा होता है, तो तूफान अधिक तीव्रता से आ सकते हैं। सार्वजनिक स्वास्थ्य की दुनिया में, वैज्ञानिक चोटों के साथ भी ऐसा ही कुछ करते हैं। वे एक दैनिक लॉग रखते हैं कि कितने लोग घायल हुए और अस्पताल पहुंचे। इसे निगरानी (surveillance) कहा जाता है। आमतौर पर, इन लॉग का उपयोग केवल अतीत को देखने के लिए किया जाता है और यह कहने के लिए कि, "ओह, जुलाई में अधिक लोग साइकिल से गिरे।" लेकिन क्या होगा अगर हम भविष्य देख सकें? क्या होगा अगर हम कह सकें, "हे, अगला मंगलवार एक खतरनाक दिन हो सकता है, इसलिए अतिरिक्त डॉक्टरों को तैयार रखें"? यही पूर्वानुमान (forecasting) का लक्ष्य है। इसे करने के लिए, वैज्ञानिक गणितीय मॉडलों का उपयोग करते हैं जो क्रिस्टल बॉल (जादुई गोले) की तरह काम करते हैं, जो दैनिक जीवन की अराजकता में पैटर्न खोजने की कोशिश करते हैं, जैसे कि सप्ताह की लय या सार्वजनिक छुट्टियों की विशेष उथल-पुथल। बड़ा सवाल यह है: क्या हम इन गणितीय भविष्यवाणियों को एक सरल, रंगीन चेतावनी प्रणाली में बदल सकते हैं—जैसे कि ट्रैफिक लाइट—जो अस्पतालों को यह बता सके कि उन्हें कब उच्च सतर्कता पर रहना है?

यह शोध पत्र एक बहुत बड़े, सुपर-फास्ट शहर शेनज़ेन, चीन के लिए इस ट्रैफिक लाइट सिस्टम को बनाने की कोशिश की एक कहानी है। शोधकर्ताओं ने अलग-अलग मोहल्लों के चार अलग-अलग अस्पतालों को देखा और पूछा: "क्या हम चोटों के बढ़ने से पहले ही उनकी भविष्यवाणी कर सकते हैं, खासकर स्प्रिंग फेस्टिवल जैसे बड़े त्योहारों के आसपास?" उन्होंने यह देखने के लिए कई अलग-अलग "क्रिस्टल बॉल्स" (गणितीय मॉडल) का परीक्षण किया कि कौन सा सबसे अच्छा काम करता है। उन्होंने पाया कि हालांकि कोई भी एक मॉडल हर अस्पताल के लिए एकदम सही नहीं था, लेकिन Prophet नामक एक उपकरण बदलाव की दिशा बताने में विशेष रूप से अच्छा था—यह बताने में कि चोटों की संख्या बढ़ने वाली है या घटने वाली है। उन्होंने यह भी खोजा कि छुट्टियां एक बहुत बड़ी बात हैं; उदाहरण के लिए, स्प्रिंग फेस्टिवल के दौरान, कुछ अस्पतालों में चोटों की संख्या वास्तव में गिर गई क्योंकि लोग अपने परिवारों के पास घर चले गए, लेकिन लेबर डे के दौरान, अन्य क्षेत्रों में यह बढ़ गई क्योंकि लोग मजे करने के लिए बाहर निकले थे।

हालाвंतु, सबसे दिलचस्प हिस्सा स्वयं "ट्रैफिक लाइट" है। शोधकर्ताओं ने अपने गणितीय अनुमानों को तीन रंगों में बदलने की कोशिश की: हरा (सामान्य), पीला (सावधानी), और लाल (खतरा)। यहाँ एक मोड़ है: भले ही गणित चोटों की सटीक संख्या बताने में अच्छा था, लेकिन इसका मतलब यह नहीं था कि वह सही रंग बताने में भी अच्छा था। सिस्टम "हरा" बताने में काफी अच्छा था जब चीजें शांत थीं, लेकिन इसे "पीले" और "लाल" दिनों को पकड़ने में संघर्ष करना पड़ा। इसने अक्सर उच्च-जोखम वाले दिनों को मिस कर दिया या यह समझने में भ्रमित हो गया कि खतरा कब शुरू हुआ। पेपर सुझाव देता है कि हालांकि हम चोटों की भविष्यवाणी कर सकते हैं, लेकिन उन नंबरों को एक विश्वसनीय चेतावनी प्रणाली में बदलना कठिन है। यह एक मौसम ऐप की तरह है जो जानता है कि बारिश होने वाली है लेकिन यह नहीं बता सकता कि ठीक कब छाते की आवश्यकता है। लेखक निष्कर्ष निकालते हैं कि इसे वास्तविक जीवन में काम करने के लिए, प्रत्येक अस्पताल को अपनी कस्टम सेटिंग्स की आवश्यकता होती है, क्योंकि जो एक पड़ोस के लिए काम करता है वह दूसरे के लिए आवश्यक रूप से नहीं करता है।

चोटों के क्रिस्टल बॉल की कहानी

सेटअप: लाखों की आबादी वाला शहर और डेटा का पहाड़
शेनज़ेन एक मेगासिटी है, एक ऐसी जगह जहाँ लाखों लोग हर दिन इधर-उधर घूमते हैं, काम करते हैं और खेलते हैं। क्योंकि यह इतना बड़ा और व्यस्त है, चोटें हर समय लगती रहती हैं। शहर में "सेंटिनल हॉस्पिटल्स" (सोचिए कि वे शहर के मुख्य इंजरी रिपोर्ट कार्ड हैं) का एक नेटवर्क है जो हर उस चोट की गिनती करता है जो आपातकालीन कक्ष (इमरजेंसी रूम) से होकर गुजरती है। शोधकर्ताओं ने इन चार अस्पतालों के दैनिक चोटों के आंकड़ों को लिया: बाओआन, गुआंगमिंग, नानशान और लॉन्गगांग। वे यह देखना चाहते थे कि क्या वे अगले सप्ताह के लिए भविष्य के चोटों की संख्या की भविष्यवाणी कर सकते हैं।

उपकरण: पांच अलग-अलग क्रिस्टल बॉल्स
अपनी भविष्यवाणियां करने के लिए, टीम ने केवल अनुमान नहीं लगाया; उन्होंने पांच अलग-अलग गणितीय "क्रिस्टल बॉल्स" (मॉडल) का उपयोग किया और तुलना की कि कौन सा सबसे तेज है:

1. ARIMA और SARIMA: ये पुराने-स्कूल के, क्लासिक मॉडल हैं। वे उन पैटर्न को खोजने में माहिर हैं जो हर सप्ताह या हर साल दोहराए जाते हैं, जैसे कि एक घड़ी।
2. SARIMAX: यह क्लासिक मॉडल है लेकिन इसमें एक अतिरिक्त विशेषता है: यह बाहरी कारकों, जैसे छुट्टियों, को देख सकता है।
3. LSTM: यह एक फैंसी, आधुनिक "न्यूरल नेटवर्क" (कृत्रिम बुद्धिमत्ता का एक प्रकार) है जो टन भर पिछले डेटा को पढ़कर जटिल पैटर्न सीखने की कोशिश करता है, ठीक वैसे ही जैसे एक छात्र हर पाठ्यपुस्तक को रट लेता है।
4. Prophet: यह एक नया टूल है जिसे लचीला होने के लिए डिज़ाइन किया गया है। यह डेटा को एक ट्रेंड (क्या यह ऊपर जा रहा है या नीचे?), सीजनलिटी (क्या यह हर सप्ताह होता है?), और छुट्टियों में विभाजित करता है। यह एक शेफ की तरह है जो जानता है कि सप्ताह के दिन और मौसम के आधार पर कितना नमक डालना है।

प्रयोग: पासा फेंकना
शोधकर्ताओं ने इन मॉडलों का परीक्षण केवल एक बार नहीं किया। उन्होंने एक "रोलिंग विंडो" पद्धति का उपयोग किया। कल्पना कीजिए कि आप अगले सप्ताह के मौसम की भविष्यवाणी कर रहे हैं। आप पिछले डेटा का उपयोग करके एक अनुमान लगाते हैं, फिर एक सप्ताह प्रतीक्षा करते हैं, देखते हैं कि वास्तव में क्या हुआ, उस नए डेटा को अपने इतिहास में जोड़ते हैं, और अगले सप्ताह के लिए एक नया अनुमान लगाते हैं। उन्होंने प्रत्येक अस्पताल के लिए इसे बार-बार किया।

निष्कर्ष: एक आकार सबके लिए उपयुक्त नहीं है
यहाँ कहानी दिलचस्प हो जाती है। शोधकर्ताओं ने पाया कि कोई भी एक मॉडल सभी के लिए विजेता नहीं था।

• बाओआन और गुआंगमिंग अस्पतालों के लिए, Prophet चैंपियन था। इसने संख्याओं के बारे में सबसे सटीक अनुमान लगाए और यह बताने में सबसे अच्छा था कि चोटों की संख्या बढ़ रही है या घट रही है।
• नानशान अस्पताल के लिए, LSTM (AI मॉडल) सटीक संख्या बताने में सबसे अच्छा था।
• लॉन्गगांग अस्पताल के लिए, पुराने-स्कूल के ARIMA मॉडल ने वास्तव में संख्याओं के साथ सबसे अच्छा काम किया।

इसने उन्हें एक बड़ा सबक सिखाया: आप पूरे शहर के लिए एक ही "सर्वश्रेष्ठ" मॉडल नहीं चुन सकते। प्रत्येक अस्पताल का अपना व्यक्तित्व होता है और मॉडल को उस विशिष्ट स्थान के अनुकूल ढलने की आवश्यकता होती है।

छुट्टियों का प्रभाव: जब कैलेंडर खेल बदल देता है
शोधकर्ता यह भी जानना चाहते थे: क्या छुट्टियां भविष्यवाणियों को बिगाड़ देती हैं? चीन में, स्प्रिंग फेस्टिवल (चीनी नव वर्ष) और नेशनल डे जैसे त्योहार बहुत बड़े होते हैं। लोग यात्रा करते हैं, पार्टियां होती हैं, और दिनचर्या बदल जाती है।

• उन्होंने पाया कि स्प्रिंग फेस्टिवल एक बड़ी बात थी। लगभग सभी अस्पतालों में, इस दौरान चोटों की संख्या में गिरावट आई। ऐसा लगता है कि जब हर कोई अपने परिवारों के पास घर चला जाता है, तो शहर शांत हो जाता है, और शहर में कम लोग घायल होते हैं।
• लेबर डे अलग था। लॉन्गगांग में, चोटों की संख्या बढ़ गई। शोधकर्ताओं ने अनुमान लगाया कि यह इसलिए हो सकता है क्योंकि उस क्षेत्र के श्रमिक कारखानों में रहने के बजाय मजे करने, यात्रा करने या बाहरी गतिविधियों के लिए बाहर निकले थे।
• उन्होंने यह देखने के लिए विभिन्न "विंडोज" का परीक्षण किया कि छुट्टी का प्रभाव कितने समय तक रहता है। उन्होंने परीक्षण किया कि क्या प्रभाव 1 दिन, 3 दिन, 5 दिन या 7 दिन पहले और बाद तक रहता है। उन्होंने पाया कि एक 5-दिवसीय विंडो (छुट्टी से 2 दिन पहले, छुट्टी के दौरान, और 2 दिन बाद) आमतौर पर सबसे सटीक थी, लेकिन यह अस्पताल के अनुसार बदलती रहती थी।

ट्रैफिक लाइट: हरा, पीला, लाल
अंतिम लक्ष्य केवल "कल 42 चोटें होंगी" जैसा नंबर बताना नहीं था। वे उस नंबर को एक सरल चेतावनी में बदलना चाहते थे:

• हरा: सब कुछ सामान्य है।
• पीला: सावधान रहें, चीजें व्यस्त हो सकती हैं।
• लाल: खतरा! भारी भीड़ के लिए तैयार रहें।

उन्होंने इन अनुमानित नंबरों को इन रंगों में बदलने के नियम बनाए। उदाहरण के लिए, यदि अनुमानित संख्या औसत से थोड़ी अधिक थी, तो यह पीला हो गया। यदि यह बहुत अधिक थी, तो यह लाल हो गया।

समस्या: लाइट झिलमिला रही थी
यहाँ पेचीदा हिस्सा है। भले ही मॉडल संख्याओं का अनुमान लगाने में ठीक थे, लेकिन वे रंगों का अनुमान लगाने में अच्छे नहीं थे।

• हरा रंग अच्छी तरह से काम करता था। सिस्टम "यह एक सामान्य दिन है" कहने में अच्छा था।
• पीला एक गड़बड़ी था। सिस्टम एक सामान्य दिन और थोड़े व्यस्त दिन के बीच अंतर करने में संघर्ष कर रहा था। इसने बहुत से पीले दिनों को मिस कर दिया।
• लाल भी मिला-जुला था। कुछ अस्पतालों में, सिस्टम ने लाल दिनों को पकड़ लिया, लेकिन अन्य (जैसे नानशान) में, इसने लगभग हमेशा उन्हें मिस कर दिया।

शोधकर्ताओं ने महसूस किया कि सही संख्या के "करीब" होना, सही चेतावनी देने के बराबर नहीं है। एक मॉडल थोड़ा गलत हो सकता है और फिर भी गलत रंग दे सकता है, जो एक बड़ी समस्या है यदि आप जीवन बचाने की कोशिश कर रहे हैं।

निष्कर्ष: कस्टमाइज़ करें या विफल हों
पेपर एक स्पष्ट संदेश के साथ समाप्त होता है: हम चोटों की भविष्यवाणी कर सकते हैं, और हम छुट्टियों का उपयोग करने में मदद ले सकते हैं, लेकिन हम "एक ही आकार सबके लिए" वाला दृष्टिकोण नहीं अपना सकते।

• हर अस्पताल के लिए एक ही मॉडल का उपयोग न करें। कुछ को AI की आवश्यकता है, कुछ को पुराने गणित की, और कुछ को लचीले Prophet टूल की।
• यह न मानें कि छुट्टियां हर किसी को एक जैसा प्रभावित करती हैं। स्प्रिंग फेस्टिवल एक क्षेत्र में चीजों को शांत कर सकता है लेकिन दूसरे में उछाल ला सकता है।
• चेतावनी प्रणाली पर काम करने की आवश्यकता है। नंबरों को एक सरल लाल/पीला/हरा लाइट में बदलना उतना आसान नहीं है जितना दिखता है। सिस्टम को विश्वास करने योग्य बनाने के लिए प्रत्येक अस्पताल के लिए विशेष रूप से परीक्षण और ट्यून करने की आवश्यकता है कि उन्हें अतिरिक्त स्टाफ बुलाने के लिए कहना है।

संक्षेप में, शोधकर्ताओं ने शहर के लिए एक शानदार नया टूल बनाया, लेकिन उन्होंने सीखा कि इसे काम करने के लिए, आपको हर अस्पताल को एक स्प्रेडशीट में नंबर मानने के बजाय एक अद्वितीय व्यक्ति की तरह मानना होगा।