How Common Disease Is Missed or Misattributed in Exposure-Defined Populations: A Framework-Based Synthesis

स्वास्थ्य प्रणाली में अदृश्य गड़बड़ी (The Invisible Glitch in the Health System)

कल्पना कीजिए कि मानव शरीर एक विशाल, हलचल भरे शहर की तरह है। इस शहर में, "सामान्य बीमारियाँ" जैसे उच्च रक्तचाप, किडनी की समस्या और अस्थमा, ट्रैफिक जाम की तरह हैं। हर कोई जानता है कि ट्रैफिक जाम कैसा दिखता है: कारें फंसी हुई हैं, हॉर्न बज रहे हैं, और इसका सामान्य कारण सड़क पर बहुत अधिक कारें होना है (जैसे बहुत अधिक चीनी खाना या व्यायाम न करना)। डॉक्टरों को इन जामों को पहचानने और उन्हें ठीक करने के लिए प्रशिक्षित किया जाता है, जैसे लोगों को कम गाड़ी चलाने या बेहतर खान-पान के लिए कहना।

लेकिन क्या होता है जब ट्रैफिक जाम बहुत अधिक कारों के कारण नहीं, बल्कि एक टूटी हुई ट्रैफिक लाइट, धुएं के जहरीले बादल, या गर्मी की लहर के कारण होता है जो डामर को पिघला देती है? यह "एक्सपोज़र-डिफ़ाइंड पॉपुलेशन" (exposure-defined populations) की दुनिया है। ये लोगों के समूह हैं—जैसे भीषण गर्मी में काम करने वाले किसान, धूल में सांस लेने वाले फैक्ट्री कर्मचारी, या रसायनों को संभालने वाले खनिक (miners)—जो पर्यावरणीय खतरों के एक विशिष्ट सेट का सामना करते हैं। समस्या यह है कि हमारा चिकित्सा "ट्रैफिक नियंत्रण" सिस्टम अभी भी सामान्य कार-भारी जाम की तलाश कर रहा है। यह अक्सर जहरीले-बादल वाले जाम को पूरी तरह से मिस कर देता है, या इससे भी बुरा, यह धुएं को देखता है, इसे "कार की समस्या" कहता है, और गलत समाधान भेज देता है। यह शोध पत्र एक सरल लेकिन महत्वपूर्ण प्रश्न पूछता है: हमारा स्वास्थ्य तंत्र कितनी बार इन एक्सपोज़र-जनित बीमारियों को मिस करता है, या उनके लिए गलत चीज़ को जिम्मेदार ठहराता है?

महान चिकित्सा भ्रम (The Great Medical Mix-Up)

यह शोध पत्र एक जासूसी कहानी की तरह है, लेकिन एक एकल हत्या को सुलझाने के बजाय, लेखक एक विशाल, प्रणाली-व्यापी गड़बड़ी की जांच कर रहे हैं। उन्होंने एक "स्टेज्ड फ्रेमवर्क" (staged framework) बनाया है, जो मूल रूप से छह-चरणीय चेकलिस्ट है ताकि यह देखा जा सके कि बीमारी चिकित्सा प्रणाली के माध्यम से यात्रा करते समय कहाँ खो सकती है या गलत लेबल की जा सकती है। इसे एक रिले रेस की तरह समझें जहाँ 'बेटन' (baton) एक मरीज का निदान (diagnosis) है। लेखक यह देखना चाहते थे कि क्या दौड़ते समय बेटन गिर जाता है, या धावक को गलत टीम की जर्सी पहना दी जाती है, या फिनिश लाइन तक कभी पहुँच ही नहीं पाता।

उन्होंने जिन छह चरणों को मैप किया है वे हैं:

1. क्लिनिकल डिटेक्शन (Clinical Detection): डॉक्टर मरीज को देखता है। क्या उन्होंने समस्या को पहचाना?
2. डिजीज क्लासिफिकेशन (Disease Classification): डॉक्टर समस्या को नाम देता है। क्या उन्होंने नाम सही बताया?
3. एटियोलॉजिक एट्रिब्यूशन (Etiologic Attribution): डॉक्टर कारण का पता लगाता है। क्या उन्होंने सही चीज़ को दोषी ठहराया (जैसे, "यह धूल है", न कि "यह केवल बुढ़ापा है")?
4. रिपोर्टिंग या कंपनसेशन (Reporting or Compensation): मामला बीमा या सरकारी रिकॉर्ड के लिए लिखा जाता है। क्या इसे दर्ज किया गया?
5. डेथ रजिस्ट्रेशन (Death Registration): यदि मरीज की मृत्यु हो जाती है, तो क्या मृत्यु दर्ज की जाती है?
6. कॉज़-ऑफ-डेथ कोडिंग (Cause-of-Death Coding): मृत्यु का आधिकारिक कारण लिखा जाता है। क्या यह सटीक है?

लेखकों ने हजारों शोध रिपोर्टों को खंगाला, यह देखने के लिए कि क्या रसायनों, गर्मी या धूल के संपर्क में आने वाले लोगों में सामान्य बीमारियाँ (जैसे किडनी फेलियर या फेफड़ों की समस्या) मिस की जा रही थीं या गलत लेबल की जा रही थीं। वे उस "स्मोकिंग गन" (smoking gun) की तलाश में थे जो यह साबित करे कि प्रणाली इन विशिष्ट समूहों के लिए विफल हो रही है।

जो उन्होंने पाया: लापता हिस्सों का एक नक्शा (What They Found: A Map of Missing Pieces)

परिणाम थोड़े ऐसे थे जैसे एक खजाना खोजने वाला नक्शा मिले जहाँ अधिकांश 'X' खाली हों। लेखकों ने लगभग 6,020 रिकॉर्डों की समीक्षा की, लेकिन गहन जांच के बाद, उन्हें केवल 61 स्रोत मिले जिन्होंने वास्तव में नक्शे को भरने में मदद की। और सबसे बड़ी बात यह है: प्रत्यक्ष प्रमाण अविश्वसनीय रूप से दुर्लभ था।

छह चरणों में से अधिकांश के लिए, लेखकों को कोई प्रत्यक्ष प्रमाण नहीं मिला जिससे यह पता चले कि इन एक्सपोज़र वाले समूहों में सामान्य बीमारियों को मिस किया जा रहा है या गलत लेबल किया जा रहा है। ऐसा नहीं है कि समस्या मौजूद नहीं है; बल्कि यह है कि अभी तक किसी ने इसे वास्तव में मापा नहीं है। नक्शा "साक्ष्य अंतराल" (evidence gaps) से भरा है।

हालाँकि, उन्हें प्रमाण के कुछ छोटे द्वीप मिले:

• एक बड़ा खुलासा: केवल एक अध्ययन था जिसने रोगी-स्तर का मिश्रण (mix-up) दिखाया। यह उन लोगों पर केंद्रित था जिन्हें "इडियोपैथिक पल्मोनरी फाइब्रोसिस" (एक फैंसी तरीका जिसका अर्थ है "बिना किसी ज्ञात कारण के फेफड़ों का निशान") के रूप में निदान किया गया था। उनके कार्य इतिहास की बारीकी से जांच करने के बाद, इन 46 में से 20 रोगियों को "क्रोनिक हाइपरसेंसिटिविटी न्यूमोनिटिस" के रूप में पुन: निदान किया गया, जो वास्तव में पक्षियों के पंखों या अन्य एलर्जी पैदा करने वाली चीजों को सांस के जरिए अंदर लेने के कारण होता है। इसने साबित किया कि जब डॉक्टर अनुमान लगाना बंद कर देते हैं और पर्यावरण के बारे में पूछना शुरू करते हैं, तो वे निदान को ठीक कर सकते हैं।
• "अज्ञात कारण" का सुराग: कई अध्ययनों ने पाया कि "अज्ञात कारण" वाली बीमारियों (जैसे किसानों में किडनी फेलियर, जिनमें मधुमेह नहीं है) वाले समूहों में, गर्मी और रसायनों जैसे पर्यावरणीय खतरों के साथ एक मजबूत संबंध है। लेकिन इन अध्ययनों ने यह साबित नहीं किया कि व्यक्तिगत रोगी रिकॉर्ड गलत थे; उन्होंने केवल यह दिखाया कि "अज्ञात" श्रेणी में संभवतः बहुत सारे एक्सपोज़र-संबंधित मामले छिपे हुए हैं।
• रिपोर्टिंग का काला गड्ढा (The Reporting Black Hole): लेखकों ने पाया कि जब लोगों का व्यावसायिक रोगों (जैसे सिलिकोसिस) के साथ निदान किया जाता है, तो अक्सर उन्हें सरकार या बीमा को रिपोर्ट नहीं किया जाता है। एक अध्ययन ने पाया कि व्यावसायिक रोग के 50 से 95% मामले रिपोर्ट नहीं किए गए थे। एक अन्य अध्ययन में पाया गया कि मिशिगन में, पहचाने गए सिलिकोसिस मामलों में से 65% ने श्रमिकों के मुआवजे (workers' compensation) के लिए दावा नहीं किया।

"गारबेज कोड" की समस्या (The "Garbage Code" Problem)

शोध पत्र ने इस पर भी गौर किया कि मृत्यु के समय क्या होता है। कभी-कभी, मृत्यु दर्ज की जाती है, लेकिन कारण को "अनिर्दिष्ट" या "गारबेज कोड" (जैसे "हार्ट फेलियर" बिना यह बताए कि क्यों) के रूप में लिखा जाता है। लेखकों ने नोट किया कि हालांकि हम गणित का उपयोग यह अनुमान लगाने के लिए कर सकते हैं कि कितने "गारबेज" मौतों का कारण वास्तव में प्रदूषण या काम था, लेकिन हम उन मौतों को ठीक नहीं कर सकते जिन्हें कभी दर्ज ही नहीं किया गया। यदि मृत्यु दर्ज ही नहीं की गई है, तो वह एक भूत की तरह है; कोई भी गणित उसे रिकॉर्ड बुक में वापस नहीं ला सकता।

यह क्यों मायने रखता है (और यह क्या नहीं कहता)

लेखक सावधानी बरतते हुए यह नहीं कहते कि, "हमने रहस्य सुलझा लिया है।" इसके बजाय, वे सुझाव देते हैं कि हमारा वर्तमान चिकित्सा तंत्र एक अंधे धब्बे (blind spot) वाले कैमरे की तरह है। यह "मानक" बीमारियों (जैसे मधुमेह के कारण होने वाले किडनी फेलियर) को देखने में बहुत अच्छा है, लेकिन यह अक्सर "एक्सपोज़र" बीमारियों (जैसे गर्मी और निर्जलीकरण के कारण होने वाले किडनी फेलियर) को मिस कर देता है।

उनका तर्क है कि हमें एक नए दृष्टिकोण की आवश्यकता है जिसे "एक्सपोज़र-इन्फॉर्म्ड केयर" (exposure-informed care) कहा जाता है। इसका अर्थ है कि डॉक्टरों को यह पूछना चाहिए, "आप क्या सांस लेते हैं, क्या छूते हैं, या किसके साथ काम करते हैं?"—सब कुछ खारिज करने के बाद नहीं, बल्कि शुरुआत में ही। उदाहरण के लिए, किडनी की समस्या वाले एक किसान के लिए, जिसमें मधुमेह नहीं है, केवल शुगर टेस्ट के बजाय हीट स्ट्रेस और रासायनिक जोखिम की जांच की आवश्यकता हो सकती है।

हालाँकि, शोध पत्र स्पष्ट रूप से कहता है कि उन्होंने अभी तक यह सिद्ध नहीं किया है कि यह नया दृष्टिकोण बेहतर काम करता है। उन्होंने यह परीक्षण नहीं किया कि क्या यह जीवन बचाता है या पैसा बचाता है; उन्होंने केवल यह दिखाया है कि वर्तमान प्रणाली में बड़े अंतराल हैं। उन्होंने यह भी सिद्ध नहीं किया कि यह हर जगह समान रूप से होता है। बच्चों के लिए और कम आय वाले देशों के लिए साक्ष्य बहुत कम हैं।

निचोड़ (The Bottom Line)

यह शोध पत्र एक विजय यात्रा नहीं, बल्कि कार्रवाई के लिए एक आह्वान है। यह हमें बताता है कि कठोर वातावरण में रहने वाले लोगों में सामान्य बीमारियाँ संभवतः मिस की जा रही हैं, गलत नाम दी जा रही हैं, या अनगिनत छोड़ी जा रही हैं। हमारे पास कुछ सुराग हैं—जैसे फेफड़ों के रोग का पुन: निदान और व्यावसायिक चोटों की भारी कम रिपोर्टिंग—लेकिन हम बड़ी तस्वीर को नहीं देख पा रहे हैं। लेखकों का सुझाव है कि जब तक हम लोगों के काम करने के स्थान और उनके द्वारा ली जाने वाली सांसों के बारे में सही सवाल पूछना शुरू नहीं करते, तब तक हमारे स्वास्थ्य रिकॉर्ड अधूरे रहेंगे, और कई लोग सही कारणों के लिए गलत निदान प्राप्त करते रहेंगे। उन्होंने जो ढांचा बनाया है वह इन लापता टुकड़ों को खोजने में मदद करने के लिए एक उपकरण है, लेकिन पहेली अभी भी अधूरी है।