Four Practical Indicators for Real-Time Verbal Autopsy Data Quality Assessment: A Cross-National Validation Study

दुनिया के कई हिस्सों में, जब किसी व्यक्ति की मृत्यु होती है, तो वहां कारण बताने वाला प्रमाण पत्र पर हस्ताक्षर करने के लिए कोई डॉक्टर मौजूद नहीं होता। इन स्थानों में, यह समझने का एकमात्र तरीका कि लोग क्यों मर रहे हैं, वहां मौजूद परिवार के सदस्यों से पूछना है। यह प्रक्रिया, जिसे 'वर्बल ऑटॉप्सी' (मौखिक शव परीक्षण) कहा जाता है, इसमें एक प्रशिक्षित साक्षात्कारकर्ता एक शोक संतप्त रिश्तेदार के साथ बैठता है और मृतक के अंतिम दिनों के बारे में लंबी, संरचित प्रश्नों की एक श्रृंखला पूछता है। फिर जवाबों को एक कंप्यूटर सिस्टम में डाला जाता है जो मृत्यु के संभावित कारण को निर्धारित करता है, जैसे कि मलेरिया, हृदय रोग, या प्रसव संबंधी जटिलताएं। यह जानकारी सरकारों और स्वास्थ्य संगठनों के लिए अत्यंत महत्वपूर्ण है। यदि उन्हें यह नहीं पता कि उनके नागरिक किस वजह से मर रहे हैं, तो वे सही अस्पताल, टीके या सार्वजनिक स्वास्थ्य अभियान की योजना नहीं बना सकते। हालांकि, यह पूरी प्रणाली एक नाजुक चीज़ पर टिकी है: बातचीत की गुणवत्ता। यदि परिवार का सदस्य भ्रमित है, यदि साक्षात्कारकर्ता जल्दबाजी करता है, या यदि उत्तरों में तार्किक विरोधाभास हैं, तो परिणामी डेटा त्रुटिपूर्ण होगा, और उस पर आधारित सार्वजनिक स्वास्थ्य निर्णय गलत होंगे।

लंबे समय तक, इन साक्षात्कारों की गुणवत्ता की जांच बहुत देर से होती थी। शोधकर्ता डेटा एकत्र होने, एकत्रित होने और मृत्यु के कारणों को सौंपने वाले एल्गोरिदम द्वारा संसाधित होने तक प्रतीक्षा करते थे। उसके बाद, हफ्तों या महीनों बाद, उन्हें पता चलता था कि एक विशिष्ट साक्षात्कारकर्ता प्रश्न छोड़ रहा था या एक डेटासेट में असंभव उत्तर थे, जैसे कि एक पुरुष की मृत्यु गर्भावस्था की जटिलताओं से हुई। तब तक, साक्षात्कारकर्ता आगे बढ़ चुके होते थे, परिवारों से दोबारा संपर्क नहीं किया जा सकता था, और त्रुटियां स्थायी हो जाती थीं। तंजानिया, इस्वातिनी, नाइजीरिया के संस्थानों और अंतरराष्ट्रीय भागीदारों के शोधकर्ताओं द्वारा प्रकाशित एक नया अध्ययन इस देरी को ठीक करने का लक्ष्य रखता है। उन्होंने चार सरल, व्यावहारिक उपकरणों का एक सेट विकसित किया है जो एक एकल साक्षात्कार के समाप्त होते ही उसकी गुणवत्ता की जांच कर सकते हैं, जिससे पर्यवेक्षकों को समस्याओं को तुरंत पहचानने और डेटा के उपयोग में आने से पहले उन्हें सुधारने में मदद मिलती है।

शोधकर्ताओं ने इन उपकरणों का परीक्षण तीन अलग-अलग देशों: तंजानिया, इस्वातिनी और नाइजीरिया के वास्तविक डेटा पर किया। इन डेटासेट्स में विश्व स्वास्थ्य संगठन के प्रश्नावली का उपयोग करके किए गए हजारों साक्षात्कार शामिल थे। टीम ने प्रत्येक साक्षात्कार रिकॉर्ड के स्वास्थ्य को मापने के चार विशिष्ट तरीके बनाए। पहला उपकरण, जिसे वे 'इन्फॉर्मेटिव कम्पलीटनेस स्कोर' (सूचनात्मक पूर्णता स्कोर) कहते हैं, केवल यह जांचता है कि कितने "हाँ" या "ना" वाले प्रश्नों के उत्तर स्पष्ट निर्णय के साथ दिए गए, न कि "मुझे नहीं पता" या इनकार के साथ। एक उच्च स्कोर का अर्थ है कि परिवार का सदस्य जुड़ा हुआ था और उन्हें उत्तर पता थे; कम स्कोर बताता है कि साक्षात्कार उत्पादक नहीं था। दूसरा उपकरण, 'रिस्पोंडेंट रिलायबिलिटी स्कोर' (उत्तरदाता विश्वसनीयता स्कोर), इस बात पर ध्यान देता है कि प्रश्न कौन दे रहा था। यह तब उच्च विश्वसनीयता रेटिंग देता है जब बोलने वाला व्यक्ति एक करीबी पारिवारिक सदस्य हो, जैसे कि जीवनसाथी या माता-पिता, यदि वे मृत्यु के समय उपस्थित थे, और यदि उनका साक्षात्कार मृत्यु के कुछ समय बाद ही लिया गया हो। यह मृतक के शिक्षा स्तर को साक्षात्कारकर्ता की संभावित शिक्षा के प्रतिनिधि के रूप में भी विचार करता है, यह मानते हुए कि जीवनसाथी या वयस्क बच्चे अक्सर समान स्कूली शिक्षा साझा करते हैं।

तीसरा उपकरण, 'इंटरनल कंसिस्टेंसी इंडेक्स' (आंतरिक निरंतरता सूचकांक), एक तर्क जांच के रूप में कार्य करता है। यह जैविक असंभवताओं के लिए उत्तरों को स्कैन करता है। उदाहरण के लिए, यदि यह रिपोर्ट किया जाता है कि एक पुरुष को गर्भावस्था से संबंधित लक्षण थे, या यदि किसी व्यक्ति को बुखार के दिनों की संख्या कुल बीमार रहने के दिनों से अधिक बताई गई है, तो यह रिकॉर्ड को फ्लैग (चिह्नित) करता है। ऐसी विसंगतियां अक्सर तब होती हैं जब साक्षात्कारकर्ता गलती करता है या जब डेटा प्रविष्टि प्रणाली उस प्रश्न को रोकने में विफल रहती है जिसे छोड़ा जाना चाहिए था। चौथा उपकरण साक्षात्कार आयोजित करने में लगने वाले समय को मापता है। जबकि एक औसत साक्षात्कार लगभग आधे घंटे का हो सकता है, शोधकर्ताओं ने पाया कि 'मिडियन टाइम' (मध्यिका समय)—जो चरम आंकड़ों को अनदेखा करता है—सामान्य प्रदर्शन का एक बेहतर संकेतक है। यदि एक साक्षात्कार कुछ ही मिनटों में समाप्त हो जाता है, तो इसका मतलब है कि साक्षात्कारकर्ता ने बड़े हिस्से छोड़ दिए। यदि इसमें कई घंटे लगते हैं, तो इसका मतलब यह हो सकता है कि डेटा को कई दिनों में दर्ज किया गया था या साक्षात्कारकर्ता को उत्तरदाता के साथ संघर्ष करना पड़ा।

जब टीम ने इन तीन देशों के डेटा पर इन चार जांचों को लागू किया, तो उन्होंने पाया कि अधिकांश साक्षात्कार उच्च गुणवत्ता के थे। अधिकांश रिकॉर्ड दिखाते हैं कि उत्तरदाता संलग्न, विश्वसनीय और सुसंगत थे। उदाहरण के लिए, तंजानिया में, लगभग 98 प्रतिशत बाइनरी (दो विकल्पों वाले) प्रश्नों के उत्तर स्पष्ट "हाँ" या "ना" के साथ दिए गए थे। इस्वातिनी और नाइजीरिया में भी स्कोर इसी तरह उच्च थे। यह सुझाव देता है कि इन देशों में फील्ड टीमें आम तौर पर अच्छा काम कर रही हैं। हालांकि, इन नए उपकरणों की शक्ति उन खराब रिकॉर्ड को खोजने की क्षमता में निहित है जो बच निकलते हैं। शोधकर्ताओं ने विशिष्ट पैटर्न खोजे जिन्हें मृत्यु के अंतिम कारण निर्धारण की प्रतीक्षा करने पर मिस किया जाता। इस्वातिनी में, उन्होंने पाया कि साक्षात्कारों के एक छोटे समूह में एक विशिष्ट त्रुटि थी जहाँ खांसी की अवधि को कुल बीमारी के समय से अधिक दर्ज किया गया था। यह कोई यादृच्छिक गलती नहीं थी बल्कि एक पैटर्न था जो 6.1 प्रतिशत रिकॉर्ड में दिखाई दिया, जो एक विशिष्ट प्रशिक्षण अंतराल या लक्षण की अवधि के बारे में पूछने के तरीके की गलतफहमी का संकेत देता है।

नाइजीरिया में, उपकरणों ने एक अलग प्रकार की तर्क त्रुटि के साथ एक बहुत बड़े मुद्दे को उजागर किया। सिस्टम ने फ्लैग किया कि पुरुषों के लगभग 6 प्रतिशत रिकॉर्ड में, साक्षात्कार में गर्भावस्था के बारे में प्रश्न शामिल थे। चूंकि पुरुष गर्भवती नहीं हो सकते, इसलिए यह संकेत देता था कि साक्षात्कारकर्ताओं द्वारा उपयोग किए जाने वाले कंप्यूटर फॉर्म ने पुरुषों के लिए उन प्रश्नों को सही ढंग से छिपाया नहीं था, या डेटा को इस तरह से प्रोसेस किया जा रहा था कि मृतक के लिंग की अनदेखी की गई। यह एक महत्वपूर्ण निष्कर्ष है क्योंकि यदि इन रिकॉर्डों का उपयोग मृत्यु दर की गणना के लिए किया जाता, तो वे मातृ स्वास्थ्य की समझ को विकृत कर देते। तंजानिया में, उपकरणों ने एक ऐसा समय दिखाया जब डेटा की गुणवत्ता काफी गिर गई थी। 2024 और 2025 के दौरान एक विशिष्ट अवधि के दौरान, कम जुड़ाव स्कोर और असंभव तारीखों (जहाँ साक्षात्कार को व्यक्ति की मृत्यु से पहले का दर्ज किया गया था) वाले साक्षात्कारों की संख्या में उछाल आया। इसने पर्यवेक्षण या डेटा प्रविष्टि निरीक्षण में एक अस्थायी व्यवधान की ओर इशारा किया जिसे स्थानीय टीम अब जांच और ठीक कर सकती है।

अध्ययन ने यह भी रेखांकित किया कि ये उपकरण विभिन्न वर्षों में उपयोग की जाने वाली प्रश्नावली के विभिन्न संस्करणों के साथ काम करने के लिए पर्याप्त लचीले हैं, और उन्हें उपयोगी होने के लिए बड़े डेटा बैच की आवश्यकता नहीं है। एक पर्यवेक्षक एक एकल साक्षात्कार की जांच कर सकता है और तुरंत जान सकता है कि क्या वह भरोसेमंद है। शोधकर्ताओं ने उल्लेख किया कि हालांकि ये उपकरण शक्तिशाली हैं, लेकिन वे अच्छे प्रशिक्षण या अच्छी तरह से डिज़ाइन किए गए फॉर्म की आवश्यकता को बदलने वाला कोई जादुмई समाधान नहीं हैं। इसके बजाय, वे एक सुरक्षा जाल के रूप में कार्य करते हैं, जो प्रशिक्षण के सर्वोत्तम प्रयासों के बावजूद होने वाली त्रुटियों को पकड़ते हैं। अध्ययन ने पुष्टि की कि इन संकेतकों की गणना स्वचालित रूप से उन सॉफ्टवेयर सिस्टम द्वारा की जा सकती है जो डेटा का प्रबंधन करते हैं, जिसका अर्थ है कि उन्हें स्वास्थ्य कार्यक्रमों के दैनिक वर्कफ़्लो में शामिल किया जा सकता है। गुणवत्ता नियंत्रण को 'पोस्ट-मॉर्टम' विश्लेषण से वास्तविक समय की जांच में बदलकर, स्वास्थ्य अधिकारी यह सुनिश्चित कर सकते हैं कि शोक संतप्त परिवारों द्वारा सुनाई गई कहानियाँ लोगों के मरने के कारणों के बारे में सटीक, जीवन रक्षक ज्ञान में परिवर्तित हों।