System dynamics modelling of layered climate–health vulnerability: structure, calibration and empirical validation

जब वैज्ञानिक यह समझने की कोशिश करते हैं कि जलवायु परिवर्तन मानव स्वास्थ्य को कैसे नुकसान पहुँचाएगा, तो वे अक्सर तीन चीजों को देखकर शुरुआत करते हैं: कोई स्थान कितनी खतरनाक मौसम की घटनाओं का सामना करता है, वहां के लोग उस मौसम के प्रति कितने संवेदनशील हैं, और उस समुदाय में उससे अनुकूलन (adapt) करने की कितनी क्षमता है। यह पारंपरिक दृष्टिकोण यह पहचानने में मदद करता है कि आपदा आने से पहले कौन सी आबादी सबसे अधिक जोखिम में है। हालाँकि, इस दृष्टिकोण में एक कमी है। यह संवेदनशीलता को एक स्थिर स्थिति के रूप में देखता है, जैसे कि किसी परीक्षण पर एक निश्चित स्कोर, बिना यह पूरी तरह से समझाए कि एक बार तूफान आने के बाद वह जोखिम वास्तव में बीमारी या मृत्यु में कैसे बदल जाता है। वास्तविक दुनिया में, एक स्थानीय अस्पताल की मजबूती, डॉक्टरों की उपलब्धता और बीमारी फैलने का विशिष्ट तरीका परिणामों को नाटकीय रूप से बदल सकता है। एक समुदाय कागजों पर बहुत संवेदनशील दिख सकता है, फिर भी कम मौतें हो सकती हैं क्योंकि उसकी स्वास्थ्य प्रणाली झटके को सहने के लिए पर्याप्त मजबूत है। इसके विपरीत, एक समान समुदाय जिसकी स्वास्थ्य प्रणाली कमजोर है, वहां कहीं अधिक खराब परिणाम देखने को मिल सकते हैं। प्रभावी कार्यक्रम बनाने के लिए, विशेषज्ञों को न केवल जोखिम को, बल्कि मौसम की घटना से लेकर अंतिम स्वास्थ्य प्रभाव तक की पूरी यात्रा को देखने की आवश्यकता है।

केन्या के शोधकर्ताओं और अंतर्राष्ट्रीय स्वास्थ्य संगठनों द्वारा एक नए अध्ययन ने इस पूरी यात्रा का मानचित्र बनाने का प्रयास किया है। एक एकल, मिश्रित स्कोर पर भरोसा करने के बजाय, उन्होंने एक स्तरित मॉडल बनाया जो अंतर्निहित जोखिम को उसे प्रबंधित करने वाली प्रणालियों से अलग करता है। उन्होंने मानक भेद्यता (vulnerability) माप के साथ शुरुआत की, जो खतरों के संपर्क, मानवीय संवेदनशीलता और अनुकूलन की क्षमता को जोड़ता है। फिर उन्होंने दूसरा स्तर जोड़ा जो स्वास्थ्य प्रणाली की झटके को कम करने या नरम करने की क्षमता का प्रतिनिधित्व करता है। अंत में, उन्होंने तीसरा स्तर जोड़ा जो पर्यावरणीय परिवर्तनों के जवाब में बीमारियों के फैलने के विशिष्ट जैविक नियमों को ध्यान में रखता है। इन परतों को एक के ऊपर एक रखकर, शोधकर्ताओं ने एक ऐसी प्रणाली बनाई जो इस बात की नकल करती है कि भेद्यता वास्तव में समय के साथ कैसे प्रकट होती है, जो एक आधारभूत स्थिति से शुरू होकर एक प्रबंधित अवस्था और अंततः एक वास्तविक स्वास्थ्य परिणाम तक पहुँचती है।

टीम ने इस मॉडल का परीक्षण केन्या के सैंतीस वर्षों के डेटा का उपयोग करके किया, जिसमें 1987 से 2023 तक की अवधि शामिल है। वे यह देखना चाहते थे कि क्या इन अतिरिक्त परतों को जोड़ने से उनके पूर्वानुमान वास्तविक दुनिया में जो हुआ उससे मेल खाते हैं। जब उन्होंने केवल पारंपरिक भेद्यता स्कोर को देखा, तो इसने वास्तविक स्वास्थ्य प्रभावों की भिन्नता के लगभग आधे हिस्से की व्याख्या की। यह एक अच्छा शुरुआती बिंदु था, लेकिन इसने तस्वीर को काफी अस्पष्ट छोड़ दिया। जब उन्होंने मॉडल में स्वास्थ्य प्रणाली की बफरिंग क्षमता (झटका सहने की क्षमता) को पेश किया, तो सटीकता काफी बढ़ गई, जिसने भिन्नता के अस्सी प्रतिशत हिस्से की व्याख्या की। इससे पता चला कि संकट के दौरान स्वास्थ्य प्रणाली कितनी अच्छी तरह कार्य कर सकती है, यह जानना अंतिम परिणाम को समझने के लिए अत्यंत महत्वपूर्ण है। जब उन्होंने मॉडल में पर्यावरण और बीमारी के बीच विशिष्ट जैविक संबंधों को शामिल किया, तो यह और भी सटीक हो गया, जिससे सटीकता अस्सी छह प्रतिशत तक पहुँच गई। यह प्रगति बताती है कि पारंपरिक दृष्टिकोण शुरुआती बिंदु को पकड़ता है, लेकिन स्वास्थ्य प्रणाली और रोग के जीव विज्ञान को शामिल करने के बाद ही हम वास्तविक परिणाम को वास्तव में समझ सकते हैं।

शोधकर्ताओं ने यह भी बारीकी से देखा कि जैसे-जैसे अंतर्निहित जोखिम बढ़ता है, यह प्रणाली कैसे व्यवहार करती है। उन्होंने पाया कि यह एक सीधी रेखा नहीं है जहाँ अधिक जोखिम हमेशा आनुपातिक रूप से अधिक नुकसान की ओर ले जाता है। इसके बजाय, एक 'टिपिंग पॉइंट' (निर्णायक मोड़) होता है। जब आधारभूत भेद्यता कम होती है, तो स्वास्थ्य प्रणाली चीजों को थामे रखने में प्रभावी होती है, और प्रभाव प्रबंधनीय रहता है। हालाँकि, एक बार जब भेद्यता एक निश्चित सीमा को पार कर लेती है, तो प्रणाली की सहने की क्षमता डगमगाने लगती है, और नुकसान तेजी से बढ़ने लगता है। यह संक्रमण भेद्यता की एक विशिष्ट सीमा में होता है, जहाँ प्रणाली 'बफर' होने से 'अतिभारित' (overwhelmed) होने की ओर स्थानांतरित हो जाती है। मॉडल इस बदलाव को पकड़ता है, यह दिखाता है कि जोखिम का एक ही स्तर बहुत अलग परिणाम दे सकता है, यह इस पर निर्भर करता है कि प्रणाली उस टिपिंग पॉइंट के सापेक्ष कहाँ स्थित है।

यह सुनिश्चित करने के लिए कि उनके निष्कर्ष ठोस हों, टीम ने हजारों कंप्यूटर सिमुलेशन चलाए, जिसमें उनके मॉडल में संख्याओं और भारों को थोड़ा बदलकर यह देखा कि क्या परिणाम विफल हो जाते हैं। उन्होंने पाया कि मॉडल स्थिर और विश्वसनीय बना रहा, भले ही इनपुट अनिश्चित थे। मॉडल के विभिन्न हिस्से—अंतर्निहित जोखिम, स्वास्थ्य प्रणाली की मजबूती और रोग का जीव विज्ञान—बिना किसी एक हिस्से के हावी हुए, अंतिम चित्र में योगदान देते हैं। यह संतुलन सुझाव देता है कि मॉडल एक जटिल, परस्पर जुड़ी प्रणाली का प्रतिनिधित्व करता है न कि केवल एक कारक द्वारा संचालित सरल गणना का। शोधकर्ताओं ने अपने भविष्यवाणियों की त्रुटियों की भी जांच की और एक पैटर्न पाया: मॉडल मध्यम स्तर के जोखिम में नुकसान का अधिक आकलन करता था और चरम स्थितियों में इसका कम आकलन करता था। यह पैटर्न स्वयं मूल्यवान जानकारी प्रदान करता था, जो पुष्टि करता है कि प्रणाली की प्रतिक्रिया स्थिति की गंभीरता के आधार पर बदल जाती है।

अध्ययन यह निष्कर्ष निकालता है कि जलवायु-स्वास्थ्य भेद्यता को एक स्तरित प्रक्रिया के रूप में देखना पारंपरिक तरीकों की तुलना में कहीं अधिक स्पष्ट दृश्य प्रदान करता है। अंतर्निहित जोखिम, स्वास्थ्य प्रणाली की क्षमता और रोग की जैविक वास्तविकता को अलग रखते हुए भी आपस में जोड़कर, यह मॉडल एक पारदर्शी तरीका प्रदान करता है कि हस्तक्षेप कहाँ सबसे अच्छा काम करेंगे। यदि किसी क्षेत्र में उच्च अंतर्निहित जोखिम है लेकिन एक मजबूत स्वास्थ्य प्रणाली है, तो ध्यान उस प्रणाली को बनाए रखने पर हो सकता है। यदि प्रणाली कमजोर है, तो प्राथमिकता जोखिम को संकट में बदलने से रोकने के लिए उसे मजबूत करने की ओर स्थानांतरित हो जाती है। यह दृष्टिकोण जोखिम को मापने के पुराने तरीकों को प्रतिस्थापित नहीं करता है बल्कि उन पर निर्माण करता है, यह समझने के लिए आवश्यक कदम जोड़ता है कि जोखिम वास्तविकता में कैसे बदलता है। यह कार्य प्रदर्शित करता है कि जलवायु परिवर्तन से लोगों की रक्षा करने के लिए, हमें मौसम और जनसंख्या की संवेदनशीलता से परे जाकर हमारी स्वास्थ्य प्रणालियों की उस वास्तविक, मानवीय क्षमता को भी देखना होगा जो मोर्चा संभालने की शक्ति रखती है।