The use of theories, models and frameworks to institutionalise routine data-driven decision-making in sub-Saharan African health facilities: a scoping review
चौदह उप-सहारा अफ्रीकी देशों के 44 अध्येशनों का यह स्कोपिंग रिव्यू प्रकट करता है कि जहाँ नियमित डेटा-संचालित निर्णय लेने को संस्थागत बनाने के प्रयासों में निर्धारक ढांचे (determinant frameworks) हावी हैं, वहीं वर्तमान अनुप्रयोग काफी हद तक परिचालन संबंधी हैं और उनमें उस गतिशील, सिस्टम-थिंकिंग दृष्टिकोण की कमी है जो समय के साथ रणनीतिक और नैदानिक निर्णय लेने में डेटा के उपयोग को एकीकृत करने के लिए आवश्यक 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
उप-सहारा अफ्रीका के अस्पतालों में, पिछले दो दशकों में एक शांत क्रांति हुई है। सरकारों और स्वास्थ्य संगठनों ने डिजिटल सिस्टम बनाने, कंप्यूटर लगाने और रोगी देखभाल को ट्रैक करने के लिए इलेक्ट्रॉनिक रिकॉर्ड बनाने में संसाधन झोंक दिए हैं। लक्ष्य सरल था: यदि डॉक्टर और नर्स इस बारे में सटीक जानकारी तक आसानी से पहुँच सकें कि कौन बीमार है, किन दवाओं की आवश्यकता है, और कितने रोगियों का इलाज किया जा रहा है, तो वे जीवन बचाने के लिए बेहतर निर्णय ले सकते हैं। पेपर नोटबुक से डिजिटल डेटाबेस की ओर इस बदलाव ने कच्चे आंकड़ों को स्वास्थ्य सुधारने के एक शक्तिशाली उपकरण में बदलने का वादा किया था। हालाँकि, डेटा होना और उसका उपयोग करना एक ही बात नहीं है। सिर्फ इसलिए कि एक कंप्यूटर में एक रिकॉर्ड मौजूद है, इसका मतलब यह नहीं है कि कोई प्रबंधक इसे देखता है ताकि क्लिनिक के संचालन के तरीके को बदला जा सके। चुनौती "संस्थागतकरण" (institutionalization) में निहित है, जिसका अर्थ सरल शब्दों में है—डेटा के उपयोग को दैनिक कार्य का एक स्वाभाविक, बिना सोचे-समझे किया जाने वाला हिस्सा बनाना, जैसे कि ब्रश करना, न कि केवल एक विशेष कार्य जो केवल तब किया जाता है जब कोई निरीक्षक आता है।
यह समझने के लिए कि यह संक्रमण इतना कठिन क्यों रहा, KEMRI-वेलकम ट्रस्ट रिसर्च प्रोग्राम और ऑक्सफोर्ड विश्वविद्यालय के शोधकर्ताओं की एक टीम ने उन उपकरणों की जांच करने के लिए हाथ मिलाया जिनका उपयोग वैज्ञानिक इस समस्या का अध्ययन करने के लिए करते हैं। उन्होंने देखा कि विशेषज्ञ यह समझाने के लिए कैसे प्रयास करते हैं कि कुछ अस्पताल अपने डेटा का सफलतापूर्वक उपयोग करते हैं जबकि अन्य संघर्ष करते हैं। ये विशेषज्ञ "सिद्धांतों, मॉडलों और रूपरेखाओं" (theories, models, and frameworks) पर भरोसा करते हैं, जो अनिवार्य रूप से संरचित मानचित्र या चेकलिस्ट हैं जो शोधकर्ताओं को सफलता या विफलता के पीछे के विशिष्ट कारणों की पहचान करने में मदद करते हैं। ये मानचित्र प्रशिक्षण, इंटरनेट कनेक्शन की गुणवत्ता, या अस्पताल के प्रबंधकों द्वारा आदेश देने के तरीके जैसी चीजों की ओर संकेत कर सकते हैं। शोधकर्ता जानना चाहते थे कि: इन क्षेत्रों में सबसे अधिक बार किन मानचित्रों का उपयोग किया जा रहा है, और क्या वे वास्तव में अस्पतालों को डेटा को निर्णय लेने की प्रक्रिया का स्थायी हिस्सा बनाने में मदद कर रहे हैं?
टीम ने एक व्यापक खोज की, जिसमें 2007 से 2025 के बीच प्रकाशित अध्ययनों के लिए छह प्रमुख वैज्ञानिक डेटाबेस को स्कैन किया गया। उन्होंने अपना ध्यान क्षेत्र के चौदह अलग-अलग देशों में हुए 44 विशिष्ट शोध पत्रों तक सीमित कर दिया। इन पत्रों ने साक्षात्कार, सर्वेक्षण और सांख्यिकीय विश्लेषण सहित तरीकों का एक विस्तृत मिश्रण कवर किया। शोधकर्ताओं ने फिर इन अध्ययनों को गहराई से पढ़ा ताकि यह देखा जा सके कि लेखकों ने अपने सैद्धांतिक मानचित्रों का उपयोग कैसे किया। उन्होंने पाया कि अधिकांश अध्ययन "निर्धारक रूपरेखाओं" (determinant frameworks) पर निर्भर थे। ये मानचित्रों के विशिष्ट प्रकार हैं जिन्हें परिणामों को प्रभावित करने वाले कारकों को सूचीबद्ध करने के लिए डिज़ाइन किया गया है, जैसे कि क्या एक स्वास्थ्य कार्यकर्ता प्रेरित है, क्या सॉफ्टवेयर उपयोग में आसान है, या क्या अस्पताल का नेतृत्व इस प्रयास का समर्थन करता है। सबसे आम उपयोग किए गए मानचित्र PRISM फ्रेमवर्क और CFIR फ्रेमवर्क थे, जिन्होंने समीक्षा किए गए सभी अध्ययनों के लगभग दो-तिहाई हिस्से का प्रतिनिधित्व किया।
शोधकर्ताओं ने जो खोजा वह समस्याओं की पहचान करने और उन्हें हल करने के बीच का एक महत्वपूर्ण अंतर था। जबकि ये मानचित्र बाधाओं (जैसे खराब इंटरनेट, प्रशिक्षण की कमी, या भारी कार्यभार) को सूचीबद्ध करने में उत्कृष्ट थे, वे शायद ही कभी यह समझा पाए कि ये बाधाएं समय के साथ एक-दूसरे के साथ कैसे परस्पर क्रिया करती हैं। उदाहरण के लिए, एक अध्ययन यह नोट कर सकता है कि एक कंप्यूटर टूटा हुआ है और कर्मचारी थके हुए हैं, लेकिन यह अक्सर यह दिखाने में विफल रहा कि टूटा हुआ कंप्यूटर कर्मचारियों को कैसे थकाता है, जो फिर गलत डेटा दर्ज करने की ओर ले जाता है, जिससे बदले में प्रबंधक संख्याओं पर विश्वास खो देते हैं। शोधकर्ताओं ने पाया कि अधिकांश अध्ययनों ने इन कारकों को एक गतिशील प्रणाली के बजाय बाधाओं की एक स्थिर सूची के रूप में माना, जहाँ एक समस्या दूसरी समस्या को जन्म देती है। फलस्वरूप, साक्ष्य ने दिखाया कि जबकि अस्पताल डेटा एकत्र करने में बेहतर हो रहे थे, वे रणनीतिक परिवर्तन करने के लिए इसका उपयोग करने में बेहतर नहीं हो रहे थे। डेटा का उपयोग मुख्य रूप से बुनियादी परिचालन कार्यों के लिए किया जा रहा था, जैसे कि कितने रोगियों को देखा गया या दवा की आपूर्ति कम हो रही है या नहीं, न कि गहरे नैदानिक निर्णयों या दीर्घकालिक योजना के लिए।
समीक्षा ने इस बात पर प्रकाश डाला कि इन सुविधाओं में डेटा का उपयोग अक्सर आंतरिक आवश्यकता के बजाय बाहरी दबाव से प्रेरित होता है। स्वास्थ्य कार्यकर्ता अक्सर रिपोर्ट इसलिए भरते हैं क्योंकि राष्ट्रीय अधिकारियों द्वारा उनके लिए ऐसा करना आवश्यक है, न कि इसलिए कि वे मानते हैं कि यह जानकारी उनके रोगियों का बेहतर इलाज करने में मदद करेगी। यह एक ऐसा चक्र बनाता है जहाँ डेटा रिपोर्टिंग की आवश्यकता को पूरा करने के लिए एकत्र किया जाता है, लेकिन इसे कभी भी फ्रंटलाइन कर्मचारियों के पास इस तरह वापस नहीं भेजा जाता जिससे उनके दैनिक कार्य को बेहतर बनाने में मदद मिले। जब डेटा की गुणवत्ता खराब होती है या देरी से आता है, तो यह विश्वास को कम कर देता है, और कर्मचारी विश्वास करने लगते हैं कि संख्याएं मायने नहीं रखतीं। शोधकर्ताओं ने नोट किया कि केवल नई तकनीक, जैसे इलेक्ट्रॉनिक हेल्थ रिकॉर्ड पेश करना, इसे ठीक नहीं करता है। कई मामलों में, नए डिजिटल सिस्टम पुराने पेपर सिस्टम के ऊपर ही रखे गए थे, जिससे काम का बोझ बढ़ गया लेकिन अंतर्निगत आदतों या निर्णय लेने की संरचनाओं में कोई बदलाव नहीं आया।
अंततः, अध्ययन सुझाव देता है कि आगे का रास्ता सोचने के तरीके में बदलाव की मांग करता है। केवल बाधाओं की सूची को टिक करने के बजाय, स्वास्थ्य प्रणालियों को तकनीक, लोग और नियमों के बीच संबंधों के जटिल जाल को समझने की आवश्यकता है। शोधकर्ताओं का तर्क है कि डेटा वास्तव में उपयोगी होने के लिए, इसे अस्पताल की दैनिक लय में बुना जाना चाहिए। इसका अर्थ है कि जो लोग डेटा एकत्र करते हैं उन्हें यह देखना चाहिए कि यह उनकी मदद कैसे करता है, और जो लोग निर्णय लेते हैं उन्हें अपने कार्यों का मार्गदर्शन करने के लिए इस पर भरोसा करना चाहिए। वर्तमान साक्ष्य दिखाते हैं कि हालांकि इन समस्याओं को समझने के उपकरण मौजूद हैं, लेकिन उनका उपयोग स्थायी परिवर्तन लाने के लिए अभी तक उनकी पूरी क्षमता के साथ नहीं किया जा रहा है। इस क्षेत्र में स्वास्थ्य सेवा का भविष्य अधिक डेटा उत्पन्न करने में नहीं, बल्कि एक ऐसी प्रणाली बनाने में है जहाँ उस डेटा पर सामने बैठे नर्स से लेकर शीर्ष पर बैठे निदेशक तक, हर किसी द्वारा भरोसा किया जाए, समझा जाए और उस पर अमल किया जाए।
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।