Socioeconomic and sleep correlates of a positive depression screen, and the limited added value of laboratory measurement: a design-based analysis of NHANES 2007–2018

कल्पना कीजिए कि आप एक विशाल, भीड़भाड़ वाले शहर में छिपे हुए खजाने को खोजने की कोशिश कर रहे हैं। आपके पास एक नक्शा है, लेकिन शहर इतना बड़ा है और लोग इतने विविध हैं कि आप केवल एक सड़क के कोने को देखकर काम नहीं चला सकते; आपको एक साथ पूरे शहर को देखना होगा। यह सार्वजनिक स्वास्थ्य अनुसंधान (public health research) की दुनिया है, जहाँ वैज्ञानिक यह समझने की कोशिश करते हैं कि कुछ लोग बहुत उदास या अवसादग्रस्त क्यों महसूस करते हैं जबकि अन्य नहीं। ऐसा करने के लिए, वे अक्सर विशाल सर्वेक्षणों का उपयोग करते हैं, जैसे कि एक विशाल जनगणना जो हजारों लोगों से उनके जीवन, उनकी नींद, उनकी नौकरियों और यहाँ तक कि उनके रक्त के नमूने के बारे में पूछती है। लक्ष्य उन "सुरागों" (clues) को खोजना है जो अवसाद की ओर इशारा करते हैं। लेकिन पेच यहाँ है: कभी-कभी सुराग स्पष्ट होते हैं, जैसे टूटी हुई हड्डी, लेकिन अन्य बार वे अदृश्य होते हैं, जैसे रक्त में रासायनिक असंतुलन। शोधकर्ता एक बड़ा सवाल पूछ रहे हैं: क्या हमें इन सुरागों को खोजने के लिए महंगे, जटिल चिकित्सा परीक्षणों (जैसे रक्त निकालना और लैब मशीनें) की आवश्यकता है, या हम बस लोगों से उनके दैनिक जीवन के बारे में सरल प्रश्न पूछ सकते हैं?

यह अध्ययन उस प्रश्न की गहराई में जाता है जिसमें NHANES नामक एक विशाल डेटासेट का उपयोग किया गया है, जो संयुक्त राज्य अमेरिका के लिए एक विशाल, निरंतर चलने वाले स्वास्थ्य चेक-अप की तरह है। शोधकर्ताओं ने बारह वर्षों में एकत्र किए गए लगभग 32,000 वयस्कों के डेटा का विश्लेषण किया। वे यह देखना चाहते थे कि क्या वे पैसे, नींद और स्वास्थ्य के बारे में सवाल पूछकर यह अनुमान लगा सकते हैं कि कौन अवसाद से जूझ रहा है, या क्या उन्हें वास्तव में "फैंसी" चिकित्सा डेटा की आवश्यकता है। उन्होंने यह भी परीक्षण किया कि क्या सुपर-स्मार्ट कंप्यूटर प्रोग्राम (मशीन लर्निंग) साधारण गणित से बेहतर काम कर सकते हैं। इसे एक हाई-टेक जासूस और एक अनुभवी जासूस के बीच प्रतियोगिता के रूप में सोचें, जिसके पास हजारों गैजेट्स हैं बनाम वह जो बस सही सवाल पूछना जानता है।

महान जासूसी प्रतियोगिता: प्रश्न बनाम रक्त परीक्षण

शोधकर्ताओं ने एक विशाल प्रयोग तैयार किया। उन्होंने प्रत्येक व्यक्ति के बारे में 135 अलग-अलग जानकारियाँ एकत्र कीं, जिनमें उनके पारिवारिक आय और उनकी नींद की मात्रा से लेकर, उनके रक्त कोशिका गणना और विटामिन स्तर तक शामिल थे। फिर उन्होंने इस डेटा का उपयोग यह पहचानने के लिए किया कि कौन उन लोगों को पहचान सकता है जिनका स्कोर एक अवसाद स्क्रीनिंग टूल (PHQ-9) पर अधिक था।

सबसे पहले, उन्होंने "हाई-टेक जासूस" का परीक्षण किया। उन्होंने सभी 135 चरों (variables) को छह अलग-अलग कंप्यूटर एल्गोरिदम में डाला, जिनमें कुछ बहुत जटिल मशीन-लर्निंग मॉडल भी शामिल थे जिन्हें छिपे हुए पैटर्न खोजने के लिए डिज़ाइन किया गया था। उन्होंने "सिंपल डिटेक्टिव" का भी परीक्षण किया, जिसने 'पेनलाइज्ड लॉजिस्टिक रिग्रेशन' नामक एक सीधा सा सांख्यिकीय तरीका इस्तेमाल किया। परिणाम कई लोगों के लिए आश्चर्यजनक था: सरल गणित जीत गया। जटिल कंप्यूटर प्रोग्रामों ने कोई बेहतर प्रदर्शन नहीं किया; वास्तव में, सरल तरीका ही उन लोगों को पहचानने में सबसे सटीक था जो संघर्ष कर रहे थे।

लेकिन सबसे बड़ा मोड़ तब आया जब उन्होंने सुरागों को हटाना शुरू किया। उन्होंने पूछा: "हमें वास्तव में इस डेटा में से कितने की आवश्यकता है?" उन्होंने एक "टियर्ड" (tiered) प्रणाली बनाई, जैसे कि एक वीडियो गेम जहाँ आप उपकरणों के नए स्तर अनलॉक करते हैं।

• टियर 1: केवल साक्षात्कार प्रश्न (नींद, पैसा, काम और स्वास्थ्य के बारे में)। इसमें 67 प्रश्न थे।
• टियर 2: इसमें ऊंचाई और वजन जैसे शारीरिक माप जोड़े गए।
• टियर 3: इसमें रक्त परीक्षण और लैब के परिणाम जोड़े गए।
• टियर 4: इसमें विस्तृत आहार रिकॉर्ड जोड़े गए।

यहाँ कहानी में मोड़ आया: रक्त परीक्षणों ने बिल्कुल भी मदद नहीं की।

केवल साक्षात्कार प्रश्नों (टियर 1) का उपयोग करके बनाया गया मॉडल, रक्त परीक्षणों, शारीरिक परीक्षणों और आहार लॉग के पूर्ण पैकेज का उपयोग करने वाले मॉडल के समान ही प्रभावी था। फैंसी लैब माप ने कोई अतिरिक्त मूल्य नहीं जोड़ा। यह वैसा ही है जैसे आप पार्क में एक खोए हुए कुत्ते को खोजने की कोशिश कर रहे हों। आप कुत्ते के डीएनए की जांच करने, उसके पंजों के निशान मापने और उसके बालों के रंग का विश्लेषण करने में घंटों बिता सकते हैं (लैब परीक्षण), लेकिन आप पार्क में लोगों से बस यह पूछकर भी उतनी ही जल्दी उसे ढूंढ सकते हैं, "क्या किसी ने किसी ऐसे कुत्ते को देखा है जो उदास लग रहा है और जिसने काफी समय से कुछ नहीं खाया है?" (साक्षात्कार)।

असली सुराग: नींद और पैसा

तो, यदि रक्त परीक्षण इस विशिष्ट कार्य के लिए बेकार हैं, तो क्या वे सुराग हैं? अध्ययन में पाया गया कि सबसे मजबूत संकेत सामाजिक और जीवनशैली-आधारित थे, न कि जैविक।

नंबर एक सुराग था नींद में परेशानी। जिन लोगों ने रिपोर्ट किया कि उन्हें सोने में कठिनाई होती है, उनमें उन लोगों की तुलना में अवसाद के लिए पॉजिटिव होने की संभावना लगभग 4 गुना अधिक थी जिन्हें नहीं होती। दूसरा सबसे बड़ा सुराग था पैसा। बहुत कम पारिवारिक आय वाले लोगों के संघर्ष करने की संभावना 3.5 गुना अधिक थी, और जो खाद्य असुरक्षा (इस बात की चिंता कि अगला भोजन कहाँ से आएगा) महसूस कर रहे थे, वे लगभग 3 गुना अधिक प्रभावित होने की संभावना रखते थे।

अन्य मजबूत संकेतों में नौकरी न होना, कई पुरानी स्वास्थ्य स्थितियाँ होना और कम शिक्षित होना शामिल था। दिलचस्प बात यह है कि अध्ययन ने पाया कि रक्त में सूजन (inflammation) के स्तर जैसे "फैंसी" जैविक मार्कर हमें वह कुछ भी नया नहीं बता पाए जो सरल प्रश्न पहले से ही प्रकट कर रहे थे।

यह अध्ययन क्या खारिज करता है

यह जानना महत्वपूर्ण है कि यह अध्ययन क्या नहीं कहता है। शोधकर्ताओं ने स्पष्ट रूप से उस विचार को खारिज कर दिया कि हमें सामान्य आबादी में अवसाद की जांच के लिए रक्त निकालने या लैब परीक्षण करने की आवश्यकता है। उन्होंने दिखाया कि इन महंगे परीक्षणों को जोड़ने से स्क्रीनिंग की सटीकता में कोई वृद्धि नहीं होती है। उन्होंने यह भी दिखाया कि सबसे जटिल कंप्यूटर लर्निंग मॉडल आवश्यक नहीं हैं; एक सरल, अच्छी तरह से संरचित गणित मॉडल उतना ही अच्छा या उससे भी बेहतर काम करता है।

हालाँकि, अध्ययन इस बारे में बहुत स्पष्ट है कि यह क्या नहीं बता सकता। क्योंकि उन्होंने एक ही समय में सभी को देखा (जैसे कि शहर की एक एकल फोटो लेना), वे निश्चित रूप से यह नहीं कह सकते कि पहले क्या आया: खराब नींद या उदासी। क्या नींद की कमी ने अवसाद पैदा किया, या अवसाद ने नींद की कमी को पैदा किया? अध्ययन कहता है, "हम उन्हें एक साथ होते देखते हैं, लेकिन हमें यह नहीं पता कि किस एक ने दूसरे को धकेला।" यह आग और धुएं को देखने जैसा है; आप जानते हैं कि वे जुड़े हुए हैं, लेकिन यह विशिष्ट स्नैपशॉट यह नहीं बताता कि किसे शुरुआत में शुरू किया गया था।

निष्कर्ष (The Bottom Line)

यह शोध सुझाव देता है कि जब हम सामान्य आबादी में अवसाद से जूझ रहे लोगों को खोजने की कोशिश करते हैं, तो हमें अस्पताल की लैब की आवश्यकता नहीं होती है। हमें रक्त निकालने या जटिल रसायनों को मापने की आवश्यकता नहीं है। सबसे शक्तिशाली उपकरण सरल, ईमानदार बातचीत है कि लोग कैसे सो रहे हैं, क्या वे खाना खरीदने में सक्षम हैं, और क्या उनके पास नौकरी है। "फैंसी" चिकित्सा डेटा एक अखरोट को तोड़ने के लिए बड़े हथौड़े (sledgehammer) लाने जैसा था—यह भारी था, महंगा था, और इसने वास्तव में एक साधारण हथौड़े से बेहतर काम नहीं किया।

अध्ययन ने यह भी रेखांकित किया कि एक दुखद वास्तविकता है: अवसाद के लिए पॉजिटिव पाए गए वयस्कों में से, लगभग तीन में से दो कोई भी दवा नहीं ले रहे थे। यह सुझाव देता है कि भले ही हम सरल प्रश्नों के माध्यम से समस्या को पहचानने में बेहतर हो रहे हों, लेकिन हमें यह सुनिश्चित करने में अभी भी लंबा रास्ता तय करना है कि उन लोगों को मदद मिले। लेकिन अच्छी खबर यह है कि हम एक मिलियन-डॉलर की लैब के बिना, बस उनकी नींद और पैसे के बारे में उनकी कहानियों को सुनकर, उन्हें ढूंढना शुरू कर सकते हैं।