A Cox-based multistate model for disease progression using large-scale population-based registry data: Application to COVID-19
यह अध्ययन कोविड-19 रोग की प्रगति का विश्लेषण करने के लिए बड़े पैमाने पर जनसंख्या रजिस्ट्री डेटा पर लागू एक कॉक्स-आधारित मल्टीस्टेट मॉडल (Cox-based multistate model) की प्रभावशीलता को प्रदर्शित करता है, जो यह प्रकट करता है कि कैसे सामाजिक-जनसांख्यिकीय कारकों और टीकाकरण ने संक्रमण जोखिमों को प्रभावित किया और साथ ही महामारी के दौरान विकसित होती स्वास्थ्य प्रणाली की गतिशीलता को रेखांकित किया।
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
यह समझने के लिए कि कोई बीमारी आबादी में कैसे फैलती है, वैज्ञानिक अक्सर केवल उस क्षण को ही नहीं देखते जब कोई व्यक्ति बीमार होता है या उसकी मृत्यु होती है। वे उसके बीच की यात्रा में भी रुचि रखते हैं: अस्पताल में बिताया गया समय, गहन देखभाल इकाई (आईसीयू) में स्थानांतरण, स्वास्थ्य लाभ, या दुखद परिणाम। यह दृष्टिकोण, जिसे मल्टीस्टेट मॉडल कहा जाता है, एक बीमारी को एकल घटना के रूप में नहीं बल्कि चरणों या अवस्थाओं की एक श्रृंखला के रूप में देखता है जिससे एक व्यक्ति समय के साथ गुजर सकता है। यह शोधकर्ताओं को यह देखने की अनुमति देता है कि आयु, स्वास्थ्य इतिहास या सामाजिक परिस्थितियाँ जैसे विभिन्न कारक, एक चरण से अगले चरण में जाने की संभावना को कैसे प्रभावित करते हैं। SARS-CoV-2 वायरस के कारण आई वैश्विक महामारी के दौरान, संसाधनों का प्रबंधन करने और जीवन बचाने की कोशिश कर रहे अस्पतालों और सरकारों के लिए इन मार्गों को समझना महत्वपूर्ण हो गया था। हालांकि वायरस के प्रसार की भविष्यवाणी करने के लिए कई मॉडल मौजूद थे, लेकिन बहुत कम को पूरी आबादी के वास्तविक डेटा का उपयोग करके रोगियों की जटिल, व्यक्तिगत यात्राओं को ट्रैक करने के लिए डिज़ाइन किया गया था।
स्पेन के शोधकर्ताओं की एक टीम ने बास्क कंट्री (Basque Country) के स्वास्थ्य रिकॉर्ड के एक विशाल संग्रह का उपयोग करके इन यात्राओं का मानचित्रण करने का लक्ष्य रखा। उन्होंने मार्च 2020 और जनवरी 2022 के बीच वायरस से निदान किए गए 377,285 वयस्कों के डेटा का विश्लेषण किया। इस अवधि में महामारी का पूरा प्रारंभिक चरण शामिल था, जिसमें सख्त लॉकडाउन, टीकों का आगमन और नए वायरल वेरिएंट का उदय शामिल था। रोगियों को एक एकल समूह के रूप में देखने के बजाय, शोधकर्ताओं ने आठ अलग-अलग अवस्थाओं वाला एक विस्तृत मानचित्र बनाया। एक व्यक्ति निदान के क्षण से शुरू करता है। वहां से, वे अस्पताल के वार्ड में जा सकते हैं, गहन देखभाल इकाई (आईसीयू) में स्थानांतरित हो सकते हैं, नियमित वार्ड में वापस डिस्चार्ज हो सकते हैं, या सीधे घर के लिए डिस्चार्ज हो सकते हैं। मानचित्र में दो अंतिम गंतव्य भी शामिल थे: अस्पताल में रहते हुए मृत्यु या अस्पताल छोड़ने के बाद मृत्यु। 377,000 व्यक्तियों को इन ग्यारह संभावित संक्रमणों के माध्यम से ट्रैक करके, टीम यह गणना कर सकी कि एक रोगी के एक अवस्था से दूसरी अवस्था में जाने की सटीक संभावना क्या है और यह संभावना कि रोगी कौन था और वह कब बीमार हुआ, इसके आधार पर कैसे बदल गई।
परिणामों ने एक स्पष्ट तस्वीर पेश की कि कौन सबसे अधिक असुरक्षित था और स्वास्थ्य प्रणाली कैसे विकसित हुई। डेटा ने दिखाया कि पुरुष, वृद्ध वयस्क, नर्सिंग होम में रहने वाले लोग और गंभीर सामाजिक अभाव का सामना करने वाले लोगों को अस्पताल में भर्ती होने और मृत्यु का बहुत अधिक जोखिम था। किसी व्यक्ति के पास कितनी पुरानी बीमारियों (क्रोनिक हेल्थ कंडीशंस) का इतिहास है, इसने भी एक बड़ी भूमिका निभाई; जिन लोगों को अधिक अंतर्निहित बीमारियां थीं, उनके अस्पताल में जाने या मृत्यु होने की संभावना बहुत अधिक थी। दिलचस्प बात यह है कि अध्ययन में पाया गया कि महामारी की शुरुआत में कई अलग-अलग दवाएं लेने वाले लोग अस्पताल में भर्ती होने के लिए अधिक संभावित थे, फिर भी वहां पहुंचने के बाद उनके मरने की संभावना कम थी, जो यह सुझाव देता है कि उनकी मेडिकल टीमें पहले से ही उन पर बारीकी से नज़र रख रही थीं। इसके विपरीत, टीकाकरण एक शक्तिशाली ढाल के रूप में कार्य कर रहा था। जैसे-जैसे टीकाकरण अभियान आगे बढ़ा, अस्पताल में भर्ती होने का जोखिम काफी कम हो गया, और टीकाकृत रोगी जो बीमार हुए भी, वे गहन देखभाल की आवश्यकता के बिना स्वस्थ होकर घर लौटने में बहुत अधिक सक्षम थे।
शोधकर्ताओं ने यह भी देखा कि समय के साथ महामारी का स्वरूप बदल गया। शुरुआती दौर में, जब वायरस नया था और अस्पताल अत्यधिक दबाव में थे, तब मृत्यु का जोखिम सभी के लिए उच्च था। हालांकि, जैसे-जैसे समय बीतता गया और स्वास्थ्य प्रणाली ने खुद को अनुकूलित किया, पैटर्न बदल गया। कुल मिलाकर कम लोग अस्पताल में भर्ती हो रहे थे, लेकिन जो भी भर्ती हुए, उन्हें गहन देखभाल (आईसीसीयू) की आवश्यकता होने की संभावना अधिक थी। यह बताता है कि प्रणाली हल्के मामलों को अस्पताल से बाहर रखने में बेहतर हो गई थी, जिससे अपने सबसे गंभीर रूप से बीमार रोगियों के लिए अपने सबसे महत्वपूर्ण संसाधनों को सुरक्षित रखा जा सका, जो बाद में जीवित रहने में अधिक सक्षम थे। अध्ययन ने यह भी रेखांकित किया कि महामारी के शुरुआती दिनों की तुलना में बाद के कालखंडों में अस्पताल छोड़ने के बाद मृत्यु का जोखिम अधिक था, जो यह दर्शाता है कि संकट जारी रहने के साथ डिस्चार्ज के बाद की देखभाल और निगरानी में सुधार हुआ।
रोगी यात्राओं के इस गतिशील मानचित्र का उपयोग करके, शोधकर्ताओं ने प्रदर्शित किया कि यह संभव है कि वास्तविक दुनिया के रिकॉर्ड के एक विशाल, जटिल डेटाबेस को बीमारी की प्रगति की एक स्पष्ट कहानी में बदला जाए। उन्होंने दिखाया कि सामाजिक असमानता और नर्सिंग होम में रहना जैसे कारक, आयु या चिकित्सा इतिहास जितने ही महत्वपूर्ण थे। इस अध्ययन ने केवल मौतों की गिनती नहीं की; इसने उस पथ की व्याख्या की जो मृत्यु की ओर ले गया। यह दृष्टिकोण सार्वजनिक स्वास्थ्य अधिकारियों को एक महामारी की पूरी तस्वीर देखने का एक तरीका प्रदान करता है, जिससे उन्हें यह तय करने में मदद मिलती है कि संसाधन कहां भेजे जाएं और सबसे कमजोर लोगों की रक्षा कैसे की जाए। इस शोध में उपयोग की गई विधियां केवल महामारी तक सीमित नहीं हैं; इन्हें अन्य बीमारियों पर भी लागू किया जा सकता है जो चरणों के माध्यम से चलती हैं, जिससे आबादी को प्रभावित करने वाली बीमारियों और स्वास्थ्य प्रणालियों के जवाब को समझने के लिए एक मजबूत उपकरण प्राप्त होता है।
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।