Development and validation of a nomogram for screening poor sleep quality in night-shift nurses: a public health tool for occupational health management

नींद मानव स्वास्थ्य का एक शांत इंजन है, एक जैविक आवश्यकता जो दिन की मांगों के बाद मन और शरीर को पुनर्जीवित करती है। अधिकांश लोगों के लिए, यह चक्र सूर्य द्वारा नियंत्रित होता है, एक प्राकृतिक लय जो शरीर को बताती है कि कब जागना है और कब आराम करना है। लेकिन श्रमिकों के एक विशिष्ट समूह के लिए, यह लय लगातार टूटती रहती है। नाइट-शिफ्ट नर्सें, जो दुनिया के सोने के दौरान मरीजों की देखभाल करती हैं, एक अनूठी और निरंतर चुनौती का सामना करती हैं। उनके काम के लिए उन घंटों के दौरान सतर्क रहने की आवश्यकता होती है जब उनका शरीर जैविक रूप से बंद होने के लिए प्रोग्राम किया गया होता है, एक ऐसा संघर्ष जो अक्सर खराब नींद की गुणवत्ता की स्थिति की ओर ले जाता है। यह केवल थकान महसूस करने का मामला नहीं है; यह एक महत्वपूर्ण व्यावसायिक स्वास्थ्य मुद्दा है जो एक नर्स के कल्याण को कम कर सकता है और, विस्तार से, उन रोगियों की सुरक्षा से समझौता कर सकता है जिनकी वे सेवा करती हैं। जब नींद लगातार बाधित होती है, तो बर्नआउट, चिकित्सा संबंधी त्रुटियों और दीर्घकालिक स्वास्थ्य समस्याओं के जोखिम तेजी से बढ़ जाते हैं, जिससे सबसे अधिक जोखिम वाले लोगों की पहचान करना एक महत्वपूर्ण सार्वजनिक स्वास्थ्य प्राथमिकता बन जाता है।

किंगदाओ, चीन के चार अस्पतालों में किए गए एक हालिया अध्ययन में, शोधकर्ताओं ने एक विशिष्ट समस्या को हल करने का प्रयास किया: यह कितनी जल्दी और सटीक रूप से पहचान की जा सकती है कि कौन सी नाइट-शिफ्ट नर्सें खराब नींद से जूझ रही हैं। जबकि डॉक्टर और प्रबंधक जानते हैं कि इस पेशे में नींद की समस्याएं आम हैं, लेकिन उनके पास अक्सर संकट होने से पहले यह पहचानने के लिए एक सरल, दृश्य उपकरण की कमी होती है कि कौन सबसे अधिक जोखिम में है। इसे संबोधित करने के लिए, टीम ने 2026 की शुरुआत में तीन महीने की अवधि में 595 नाइट-शिफ्ट नर्सों का सर्वेक्षण किया। उन्होंने नर्सों के जीवन के बारे में विस्तृत जानकारी एकत्र की, जिसमें उनकी आयु, वैवाहिक स्थिति, कार्य कार्यक्रम और कॉफी या चाय पीने जैसी आदतें शामिल थीं। उन्होंने इन विशिष्ट स्थितियों की स्क्रीनिंग के लिए डिज़ाइन किए गए मानक, अच्छी तरह से सत्यापित प्रश्नावली का उपयोग करके चिंता और शारीरिक थकान के उनके स्तर को भी मापा। लक्ष्य केवल इन कारकों को सूचीबद्ध करना नहीं था, बल्कि उन्हें एक एकल, उपयोग में आसान भविष्यवाणी उपकरण में बुनना था।

शोधकर्ताओं ने नर्सों के समूह को दो सेटों में विभाजित किया: मॉडल बनाने के लिए एक बड़ा समूह और इसका परीक्षण करने के लिए एक छोटा समूह। डेटा का विश्लेषण करके, उन्होंने पाया कि आठ विशिष्ट कारक खराब नींद की गुणवत्ता से मजबूती से जुड़े हुए थे। इनमें चालीस वर्ष से अधिक आयु होना, विवाहित होना, आपातकालीन कक्ष या गहन देखभाल इकाइयों जैसे उच्च-दबाव वाले विभागों में काम करना, और सप्ताह में चालीस घंटे से अधिक काम करना शामिल था। नाइट शिफ्ट की आवृत्ति विशेष रूप से महत्वपूर्ण थी; जो नर्सें एक महीने में आठ से अधिक नाइट शिफ्ट में काम करती थीं, उनमें खराब नींद से पीड़ित होने की संभावना काफी अधिक थी। अन्य योगदानकर्ताओं में कॉफी या चाय पीना, सामान्यीकृत चिंता का अनुभव करना और शारीरिक या मानसिक थकान के उच्च स्तर की रिपोर्ट करना शामिल था। दिलचस्प बात यह है कि अध्ययन में पाया गया कि केवल महिला होना या शिक्षा का एक निश्चित स्तर होने से कोई अंतर नहीं पड़ता, और न ही धूम्रपान या शराब का सेवन, जिन्हें अक्सर नींद की समस्याओं के प्रमुख अपराधी माना जाता है।

इन आठ कारकों का उपयोग करते हुए, टीम ने एक नोमोग्राम (nomogram) का निर्माण किया, जो अनिवार्य रूप से एक दृश्य कैलकुलेटर है। एक चार्ट की कल्पना करें जिसमें कई क्षैतिज रेखाएं हैं, प्रत्येक एक जोखिम कारक का प्रतिनिधित्व करती है। एक उपयोगकर्ता प्रत्येक रेखा पर नर्स की विशिष्ट स्थिति को ढूंढेगा—जैसे कि "विवाहित" या "दस नाइट शिफ्ट काम करना"—और एक अंक पैमाने (points scale) तक एक रेखा खींचेगा। सभी अंकों को जोड़ने से एक कुल स्कोर प्राप्त होता है, जो सीधे उस प्रतिशत संभावना में परिवर्तित हो जाता है कि वह नर्स खराब नींद की गुणवत्ता का अनुभव कर रही है। यह उपकरण अस्पताल प्रबंधकों या व्यावसायिक स्वास्थ्य पेशेवरों को एक नर्स की बुनियादी प्रोफ़ाइल लेकर बिना किसी जटिल सांख्यिकीय सॉफ़्टवेयर की आवश्यकता के तुरंत उनके जोखिम स्तर को देखने की अनुमति देता है।

इस नए उपकरण के प्रदर्शन का कड़ाई से परीक्षण किया गया। जिस समूह के माध्यम से इसे बनाया गया था, उस पर लागू करने पर, मॉडल ने 0.86 का AUC प्राप्त किया। सत्यापन के लिए उपयोग किए गए नर्सों के अलग समूह पर परीक्षण करते समय, इसने लगभग 0.85 का समान AUC बनाए रखा। शोधकर्ताओं ने यह भी जांचा कि उपकरण की भविष्यवाणियां वास्तविकता से कितनी मेल खाती हैं, जिसमें पाया गया कि अनुमानित जोखिम नर्सों द्वारा रिपोर्ट की गई वास्तविक नींद की गुणवत्ता के साथ निकटता से संरेखित थे। इसके अलावा, उपकरण के नैदानिक मूल्य के विश्लेषण ने दिखाया कि इसका उपयोग करने से जोखिम वाले व्यक्तियों की पहचान करने में वास्तविक लाभ होगा, जो कि समस्या को अनदेखा करने या यह मान लेने की रणनीति से बेहतर है कि प्रत्येक नर्स को नींद की समस्या है।

अध्ययन इस बात पर प्रकाश डालता है कि नर्सों के बीच खराब नींद केवल एक व्यक्तिगत विफलता नहीं है बल्कि विशिष्ट, मापने योग्य कार्यस्थल स्थितियों का परिणाम है। निष्कर्ष बताते हैं कि कार्य वातावरण की तीव्रता, नाइट शिफ्ट की आवृत्ति और नौकरी का मनोवैज्ञानिक बोझ नींद में व्यवधान के प्राथमिक चालक हैं। हालांकि यह उपकरण एक महत्वपूर्ण कदम है, लेखक नोट करते हैं कि इसे एक एकल क्षेत्र के डेटा का उपयोग करके विकसित किया गया है और इसकी सार्वभौमिक उपयोगिता की पुष्टि करने के लिए विभिन्न अस्पतालों और देशों में और अधिक परीक्षण की आवश्यकता है। वे यह भी जोर देते हैं कि चूंकि अध्ययन ने एक एकल समय बिंदु पर देखा, इसलिए यह साबित नहीं कर सकता कि ये कारक नींद की समस्याओं का कारण बनते हैं, केवल यह कि वे उनसे मजबूती से जुड़े हुए हैं। फिर भी, यह दृश्य स्क्रीनिंग उपकरण स्वास्थ्य देखभाल संस्थानों के लिए अपने कमजोर कर्मचारियों की पहचान करने और शीघ्र हस्तक्षेप करने का एक व्यावहारिक, तत्काल तरीका प्रदान करता है, जो संभावित रूप से नर्सों के स्वास्थ्य और उनकी देखभाल करने वाले रोगियों की सुरक्षा दोनों की रक्षा करता है।