Identification and risk prediction models for social frailty in older adults: a systematic review
वृद्ध वयस्कों में सामाजिक दुर्बलता (सोशल फ्रैलिटी) के लिए पहचान और जोखिम भविष्यवाणी मॉडलों का मूल्यांकन करने वाले नौ अध्ययनों के इस व्यवस्थित समीक्षा ने पाया कि हालांकि मॉडल आशाजनक भविष्य कहने वाली प्रदर्शन प्रदर्शित करते हैं, लेकिन उनकी समग्र पद्धतिगत गुणवत्ता पूर्वाग्रह के उच्च जोखिम, सीमित बाहरी सत्यापन और भविष्योन्मुखी डिजाइनों की कमी के कारण उप-इष्टतम है, जिससे नैदानिक अनुवाद के लिए कठोर रिपोर्टिंग मानकों का पालन करने हेतु भविष्य के अनुसंधान की आवश्यकता है।
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
जैसे-जैसे वैश्विक जनसंख्या वृद्ध हो रही है, बुढ़ापे की अधिक परिचित शारीरिक गिरावटों के साथ एक शांत लेकिन महत्वपूर्ण चुनौती उभर रही है। जबकि लंबे समय से शरीर की कमजोर होती मांसपेशियों या धीमी होती हृदय गति पर अधिक ध्यान केंद्रित किया गया है, एक समानांतर भेद्यता वृद्ध लोगों के सामाजिक जीवन में आकार ले रही है। यह स्थिति, जिसे 'सामाजिक दुर्बलता' (social frailty) के रूप में जाना जाता है, केवल अकेलापन महसूस करने के बारे में नहीं है; यह एक मापने योग्य अवस्था है जहाँ व्यक्ति के सामाजिक संबंध, सहायता प्रणाली और सामुदायिक जीवन में भाग लेने की क्षमता टूटने लगती है। जब ये सामाजिक धागे ढीले होते हैं, तो इसके परिणाम गंभीर होते हैं। शोध ने दिखाया है कि यह अलगाव मृत्यु के उच्च जोखिम, नई विकलांगताओं और मानसिक स्वास्थ्य में भारी गिरावट का कारण बन सकता है, जिससे परिवारों और स्वास्थ्य प्रणालियों पर भारी बोझ पड़ता है। चूंकि इस स्थिति में यदि इसे जल्दी पकड़ लिया जाए तो अक्सर सुधार किया जा सकता है, इसलिए चिकित्सा जगत ऐसे उपकरण बनाने की दौड़ में लगा है जो इसे अपरिवर्तनीय नुकसान पहुँचाने से पहले पहचान सकें। ये 'प्रेडिक्शन मॉडल' (भविष्यवाणी मॉडल) हैं, जो मूल रूप से चेकलिस्ट या कैलकुलेटर हैं जिन्हें यह पहचानने के लिए डिज़ाइन किया गया है कि कौन से वृद्ध वयस्क सबसे अधिक जोखिम में हैं ताकि समय रहते मदद दी जा सके।
दली यूनिवर्सिटी और युन्नान यूनिवर्सिटी के संबद्ध अस्पताल के शोधकर्ताओं की एक टीम ने हाल ही में इन उपकरणों के परिदृश्य का बारीकी से अध्ययन किया। उन्होंने एक व्यवस्थित समीक्षा (systematic review) आयोजित की, जो विषय पर उपलब्ध प्रत्येक अध्ययन को एकत्र करने और जांचने की एक कठोर विधि है, यह देखने के लिए कि ये भविष्यवाणी मॉडल वास्तव में कितने प्रभावी ढंगते हैं। उनका लक्ष्य केवल यह गिनना नहीं था कि कितने मॉडल मौजूद हैं, बल्कि उनकी गुणवत्ता, उनकी सटीकता और यह भी देखना था कि क्या वे डॉक्टरों और नर्सों द्वारा वास्तविक दुनिया के परिवेश में उपयोग किए जाने के लिए तैयार हैं। टीम ने वैज्ञानिक साहित्य के दस प्रमुख डेटाबेस में खोज की, जिसमें अंग्रेजी और चीनी दोनों स्रोत शामिल थे, और उन अध्ययनों की तलाश की जो 2017 से 2026 के बीच प्रकाशित हुए थे और जिन्होंने साठ वर्ष या उससे अधिक आयु के लोगों में सामाजिक दुर्बलता की भविष्यवाणी करने के लिए एक मॉडल बनाया या परीक्षण किया था। उन्हें नौ अध्ययन मिले जो उनके सख्त मानदंडों को पूरा करते थे, जिन्होंने मिलकर लगभग पाँच हजार प्रतिभागियों वाले अठारह अलग-अलग प्रेडिक्शन मॉडल का वर्णन किया।
शोधकर्ताओं ने जो पाया वह एक ऐसा क्षेत्र था जो संभावनाओं से भरा था लेकिन महत्वपूर्ण खामियों से बाधित था। उन्होंने जिन मॉडलों का परीक्षण किया वे विभिन्न तरीकों से बनाए गए थे, जिनमें मानक सांख्यिकीय गणनाओं से लेकर उन्नत कंप्यूटर एल्गोरिदम तक शामिल थे। उन्होंने जोखिम की भविष्यवाणी करने के लिए आयु, शिक्षा का स्तर, पारिवारिक संबंध और मानसिक स्वास्थ्य जैसे विविध कारकों को देखा। लगभग सभी मॉडलों में सबसे आम चेतावनी संकेत अवसाद (depression) था, जिसके ठीक बाद व्यक्ति के शिक्षा का स्तर और पारिवारिक सहयोग की मजबूती थी। आंकड़ों के मामले में, मॉडल उसी समूह के लोगों पर परीक्षण किए जाने पर अच्छा प्रदर्शन करते थे जिनके लिए उन्हें बनाया गया था, जिनमें से कई ने यह अंतर करने की उच्च क्षमता दिखाई कि कौन सामाजिक रूप से दुर्बल है और कौन नहीं। इनमें से कुछ मॉडल दृश्य चार्ट या ऑनलाइन कैलकुलेटर जैसे उपयोगकर्ता के अनुकूल प्रारूपों में भी प्रस्तुत किए गए थे, जिससे वे तत्काल उपयोग के लिए तैयार प्रतीत होते थे।
हालाँकि, एक गहरी जांच से पता चला कि ये आशाजनक आंकड़े भ्रामक होने की संभावना रखते हैं। शोधकर्ताओं ने पाया कि अधिकांश अध्ययन गंभीर पद्धतिगत कमजोरियों से ग्रस्त थे जो उनके परिणामों को नैदानिक अभ्यास (clinical practice) के लिए अविश्वसनीय बनाते हैं। सबसे महत्वपूर्ण मुद्दा यह था कि लगभग सभी मॉडल एक ही समय बिंदु पर एकत्र किए गए डेटा का उपयोग करके बनाए गए थे, न कि लोगों का वर्षों तक पीछा करके यह देखने के लिए कि बाद में उनमें सामाजिक दुर्बलता विकसित होती है या नहीं। यह एक महत्वपूर्ण अंतर है, जो बिल्कुल वैसा ही है जैसे बादलों को समय के साथ इकट्ठा होते देखने के बजाय आकाश की एक एकल तस्वीर देखकर तूफान की भविष्यवाणी करने की कोशिश करना। इस कारण से, मॉडल केवल यह पहचान सकते थे कि वर्तमान में कौन संघर्ष कर रहा है, न कि यह कि भविष्य में कौन संघर्ष करने वाला है। इसके अलावा, अध्ययनों में अक्सर जटिल गणनाओं का समर्थन करने के लिए बहुत कम प्रतिभागी शामिल थे, और बहुत कम मॉडलों का परीक्षण किसी पूरी तरह से अलग समूह पर किया गया था यह देखने के लिए कि क्या वे कहीं और काम करेंगे।
समीक्षा ने निष्कर्ष निकाला कि हालांकि सामाजिक दुर्बलता की भविष्यवाणी करने का विचार सही है और संभावित उपकरण दृश्यमान हैं, लेकिन वर्तमान पीढ़ी के मॉडल अभी वास्तविक दुनिया के लिए तैयार नहीं हैं। शोधकर्ताओं ने पाया कि उनके द्वारा समीक्षा किए गए प्रत्येक अध्ययन में पक्षपात (bias) का उच्च जोखिम था, जिसका अर्थ है कि मॉडलों के निर्माण और परीक्षण के तरीके में ऐसी त्रुटियां थीं जो परिणामों को गलत दिशा में मोड़ सकती थीं। समस्याएँ विश्लेषण चरण में केंद्रित थीं, जहाँ अध्ययन लापता जानकारी का उचित रूप से लेखा-जोखा करने या नए डेटा के विरुद्ध अपने निष्कर्षों को मान्य करने में विफल रहे। फलस्वरूप, लेखक तर्क करते हैं कि इन मॉडलों का उपयोग आज चिकित्सा निर्णय लेने के लिए नहीं किया जाना चाहिए। इसके बजाय, वे शोध की एक नई लहर का आह्वान करते हैं जो सख्त दिशानिर्देशों का पालन करती हो, बेहतर अध्ययन डिजाइनों का उपयोग करती हो जो लोगों को समय के साथ ट्रैक करती हों, और इन उपकरणों का विविध आबादी पर कड़ाई से परीक्षण करती हो। जब तक ये कदम नहीं उठाए जाते, तब तक वृद्ध वयस्कों में सामाजिक स्वास्थ्य के पतन को रोकने के लिए एक सरल चेकलिस्ट का उपयोग करने की आशा भविष्य के लक्ष्य के रूप में बनी रहेगी, न कि वर्तमान के उपकरण के रूप में।
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।