Obesity Management in Indonesia: Links Between mHealth Utilization, Digital Health Inequality, and Sustained Physical Activity

तकनीकी सारांश: इंडोनेशिया में मोटापा प्रबंधन – mHealth उपयोग, डिजिटल स्वास्थ्य असमानता और निरंतर शारीरिक गतिविधि के बीच संबंध

समस्या विवरण
शहरीकरण, आहार परिवर्तन और गतिहीन जीवनशैली के कारण इंडोनेशिया में मोटापा एक बढ़ती सार्वजनिक स्वास्थ्य संकट बन गया है। जबकि मोबाइल हेल्थ (mHealth) प्रौद्योगिकियों को मोटापा प्रबंधन और शारीरिक गतिविधि की निगरानी के लिए लागत प्रभावी उपकरणों के रूप में तेजी से बढ़ावा दिया जा रहा है, उनका अपनाना समान नहीं है। एक महत्वपूर्ण "डिजिटल विभाजन" मौजूद है, जहाँ सामाजिक-आर्थिक स्थिति (SES) और भौगोलिक स्थिति (ग्रामीण बनाम शहरी) में असमानताएं डिजिटल स्वास्थ्य संसाधनों तक पहुंच को सीमित करती हैं। वर्तमान साहित्य अक्सर विकासशील देशों में mHealth की व्यवहार्यता या अल्पकालिक प्रभावकारिता पर ध्यान केंद्रित करता है, लेकिन इसमें इस बात की व्यापक समझ का अभाव है कि संरचनात्मक असमानताएं (SES) कैसे mHealth उपयोग (UMH) को प्रभावित करती हैं और उसके बाद शारीरिक गतिविधि (PAS) की निरंतरता को कैसे प्रभावित करती हैं। यह समझने में एक विशिष्ट अंतराल है कि क्या UMH, SES और PAS के बीच एक मध्यस्थ तंत्र के रूप में कार्य करता है, और क्या ये संरचनात्मक संबंध इंडोनेशिया में ग्रामीण और शहरी आबादी के बीच भिन्न हैं।

कार्यप्रणाली
इस अध्ययन में एक क्रॉस-सेक्शनल सर्वेक्षण डिजाइन का उपयोग किया गया जिसमें 1,204 इंडोनेशियाई वयस्कों (BMI ≥ 25) को शामिल किया गया, जो या तो अधिक वजन वाले थे या मोटापे से ग्रस्त थे। नमूने को इंडोनेशिया के केंद्रीय सांख्यिकी ब्यूरो के वर्गीकरण के आधार पर शहरी (58.6%, n=706) और ग्रामीण (41.4%, n=498) आबादी के बीच राष्ट्रीय जनसांख्यिकीय विभाजन का आनुपातिक प्रतिनिधित्व करने के लिए स्तरीकृत किया गया था।

• डेटा संग्रह: डेटा फरवरी 2026 में सामुदायिक स्वास्थ्य केंद्रों (पुस्केस/Puskesmas) में भौतिक वितरण और डिजिटल चैनलों (व्हाट्सएप) के माध्यम से एकत्र किया गया था।
• चर (Variables):
  • स्वतंत्र चर: सामाजिक-आर्थिक स्थिति (SES), जिसे शिक्षा स्तर, घरेलू आय और नौकरी की स्थिरता को मिलाकर एक रिफ्लेक्टिव लेटेंट कंस्ट्रक्ट के रूप में मॉडल किया गया है।
  • मध्यस्थ (Mediator): mHealth उपयोग (UMH), जिसे स्वास्थ्य निगरानी और व्यवहार परिवर्तन के लिए मोबाइल एप्लिकेशन (जैसे, हेलोडॉक, एलोडॉक्टर, फिटनेस ट्रैकर) के उपयोग की आवृत्ति और प्रेरणा द्वारा मापा गया है।
  • आश्रित चर: शारीरिक गतिविधि निरंतरता (PAS), जिसे मनोरंजक, परिवहन और व्यावसायिक डोमेन में शारीरिक गतिविधि की स्व-रिपोर्ट की गई आवृत्ति और निरंतरता के माध्यम से मापा गया है।
  • नियंत्रण (Controls): आयु, लिंग और आवासीय क्षेत्र।
• विश्लेषणात्मक दृष्टिकोण: अध्ययन ने प्रत्यक्ष और अप्रत्यक्ष पथों का परीक्षण करने के लिए स्ट्रक्चरल इक्वेशन मॉडलिंग (SEM) का उपयोग किया। शहरी और ग्रामीण समूहों के बीच संरचनात्मक पथों की तुलना करने के लिए एक मल्टी-ग्रुप SEM विश्लेषण किया गया। समूहों के बीच कंस्ट्रक्ट तुलनीयता सुनिश्चित करने के लिए मेजरमेंट इनवेरिएंस स्थापित किया गया। मध्यस्थता प्रभावों के परीक्षण के लिए बूटस्ट्रैपिंग (5,000 नमूने) का उपयोग किया गया।

मुख्य परिणाम
संरचनात्मक मॉडल ने उत्कृष्ट फिट इंडेक्स (CFI = 0.95, RMSEA = 0.048) प्रदर्शित किए। विश्लेषण ने निम्नलिखित निष्कर्ष दिए:

1. प्रत्यक्ष संबंध:

   • SES → UMH: एक महत्वपूर्ण सकारात्मक संबंध पाया गया (β = 0.44, p < 0.001), जो इंगित करता है कि उच्च SES दृढ़ता से mHealth उपकरणों के अधिक उपयोग की भविष्यवाणी करता है।
   • UMH → PAS: महत्वपूर्ण सकारात्मक सहसंबंध (β = 0.46, p < 0.001) पाया गया, जो बताता है कि mHealth का उपयोग निरंतर शारीरिक गतिविधि से जुड़ा है।
   • SES → PAS: एक महत्वपूर्ण प्रत्यक्ष सकारात्मक संबंध मौजूद है (β = 0.21, p < 0.001), जो mHealth उपयोग से स्वतंत्र है।

2. मध्यस्थता (Mediation):

   • UMH को SES और PAS के बीच के संबंध में आंशिक रूप से मध्यस्थ पाया गया। अप्रत्यक्ष प्रभाव (SES → UMH → PAS) महत्वपूर्ण था (β = 0.20, 95% CI [0.16, 0.24])। यह इंगित करता है कि उच्च SES वाले व्यक्तियों के पास शारीरिक गतिविधि बनाए रखने का जो लाभ होता है, उसका एक हिस्सा उनके डिजिटल स्वास्थ्य उपकरणों का उपयोग करने की क्षमता के माध्यम से संचालित होता है।

3. शहरी-ग्रामीण असमानताएं (मल्टी-ग्रुप विश्लेषण):

   • संरचनात्मक पथ ग्रामीण समूह की तुलना में शहरी समूह में काफी मजबूत थे।
   • SES → UMH: ग्रामीण क्षेत्रों (β = 0.34) की तुलना में शहरी क्षेत्रों में अधिक मजबूत (β = 0.49) था।
   • UMH → PAS: ग्रामीण क्षेत्रों (β = 0.37) की तुलना में शहरी क्षेत्रों में अधिक मजबूत (β = 0.52) था।
   • मध्यस्थता की शक्ति: UMH के माध्यम से PAS पर SES का अप्रत्यक्ष प्रभाव शहरी आबादी (β = 0.25) में ग्रामीण आबादी (β = 0.13) की तुलना में काफी अधिक मजबूत था।

मुख्य योगदान

• सैद्धांतिक प्रगति: यह शोध mHealth को केवल एक व्यवहार संबंधी हस्तक्षेप के रूप में नहीं, बल्कि एक सामाजिक-तकनीकी घटना के रूप में पुनर्गठित करता है। यह अनुभवजन्य रूप से प्रदर्शित करता है कि mHealth उपयोग संरचनात्मक निर्धारकों (SES) द्वारा आकार लेता है और बदले में स्वास्थ्य व्यवहारों को प्रभावित करता है, जिससे स्वास्थ्य असमानताओं को आंशिक रूप से मध्यस्थता मिलती है।
• संदर्भगत साक्ष्य: यह एक उभरते राष्ट्र (इंडोनेशिया) से अनुभवजन्य साक्ष्य प्रदान करता है कि डिजिटल स्वास्थ्य उपकरण अनजाने में मौजूदा स्वास्थ्य असमानताओं को बढ़ा सकते हैं। अध्ययन पुष्टि करता है कि "डिजिटल विभाजन" केवल पहुंच के बारे में नहीं है, बल्कि डिजिटल पहुंच को निरंतर स्वास्थ्य व्यवहारों में बदलने की विभेदक क्षमता के बारे में भी है।
• पद्धतिगत कठोरता: SES-UMH-PAS पथ के ग्रामीण-शहरी विविधताओं को समझने के लिए मल्टी-ग्रुप SEM का अनुप्रयोग मोटापा प्रबंधन में संरचनात्मक और भौगोलिक कारकों के बीच परस्पर क्रिया का एक सूक्ष्म दृष्टिकोण प्रदान करता है।

महत्व और दावे
लेखक यह दावा करते हैं कि उनके निष्कर्ष डिजिटल स्वास्थ्य को एक तटस्थ, समान बनाने वाली शक्ति मानने की धारणा को चुनौती देते हैं। इसके बजाय, अध्ययन सुझाव देता है कि संरचनात्मक बाधाओं को संबोधित किए बिना, mHealth हस्तक्षेप उच्च-SES/शहरी और निम्न-SES/ग्रामीण आबादी के बीच मोटापे के प्रबंधन के अंतर को चौड़ा कर सकते हैं।

यह पेपर इस बात पर जोर देता है कि:

1. असमान पहुंच: उच्च SES और शहरी निवास वे आवश्यक संरचनात्मक विशेषताएं हैं जो मोटापे के नियंत्रण के लिए mHealth के उपयोग को सुगम बनाती हैं।
2. नीतिगत आवश्यकता: केवल व्यक्तिगत व्यवहार परिवर्तन पर केंद्रित हस्तक्षेप अपर्याप्त हैं। स्वास्थ्य असमानताओं को बढ़ने से रोकने के लिए गैर-भेदभावपूर्ण डिजिटल स्वास्थ्य पहुंच नीतियों और डिजिटल समावेशन रणनीतियों की तत्काल आवश्यकता है जो विशेष रूप से ग्रामीण और निम्न-SES आबादी को लक्षित करती हों।
3. सीमाएं: लेखक डेटा की क्रॉस-सेक्शनल प्रकृति को विनम्रतापूर्वक स्वीकार करते हैं, जो रिवर्स कॉजैलिटी (विपरीत कारणता) के संबंध में निश्चित कारण संबंधी दावे करने से रोकता है। वे स्व-रिपोर्ट किए गए एंथ्रोपोमेट्रिक डेटा से संभावित पूर्वाग्रह और भर्ती में डिजिटल पूर्वाग्रह (अधिक तकनीक-प्रेमी उपयोगकर्ताओं का प्रतिनिधित्व) को भी नोट करते हैं। इन संरचनात्मक संबंधों को और अधिक मान्य करने के लिए भविष्य के अनुसंधान में अनुदैर्घ्य (longitudinal) डिजाइनों और वस्तुनिष्ठ माप (जैसे, वियरेबल्स) का उपयोग करने की सिफारिश की जाती है।