Prevalence of Helicobacter pylori infection among young adults aged 18–25 years and development of machine learning-based screening models
यह अध्ययन 18-25 वर्ष के युवाओं में *हेलिकोबैक्टर पाइलोरी* संक्रमण की 29.1% व्यापकता को प्रकट करता है और यह प्रदर्शित करता है कि एक सपोर्ट वेक्टर मशीन (SVM) मॉडल, परिवार के आकार और परीक्षण इतिहास जैसे कारकों का उपयोग करते हुए, बड़े पैमाने पर स्क्रीनिंग के लिए संक्रमण के जोखिम की प्रभावी ढंग से भविष्यवाणी करता 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
मानव पेट के भीतर, हेलिकोबैक्टर पाइलोरी नामक एक सूक्ष्म जीवाणु अक्सर शांति से रहता है, लेकिन यह दीर्घकालिक स्वास्थ्य पर एक शक्तिशाली प्रभाव रखता है। यह सूक्ष्मजीव कई पेट और आंतों के रोगों का प्राथमिक चालक है, जो सामान्य सूजन से लेकर गंभीर कैंसर तक फैला हुआ है। हालांकि यह विश्व स्तर पर एक व्यापक समस्या है, वैज्ञानिकों ने लंबे समय से यह पहचान लिया है कि हस्तक्षेप का समय बहुत महत्वपूर्ण होता है। युवावस्था में इस जीवाणु को हटाना एक अनूखा अवसर प्रदान करता है: यह वह समय है जब पेट की परत अभी भी लचीली होती है, और रोकथाम की लागत जीवन में बाद में उन्नत बीमारी के इलाज की लागत से बहुत कम होती है। इस स्पष्ट अवसर के बावजूद, इस बात के विशिष्ट डेटा की कमी रही है कि देर से किशोरों और बीस के दशक की शुरुआत वाले लोगों में यह संक्रमण कितना आम है, और उन लोगों की पहचान करने के लिए सरल, प्रभावी उपकरणों की कमी रही है जिन्हें लक्षण प्रकट होने से पहले परीक्षण की आवश्यकता है।
चीन में शोधकर्ताओं के एक दल ने एक विशिष्ट समूह पर ध्यान केंद्रित करके इस अंतर को भरने का प्रयास किया: विश्वविद्यालय के छात्र जिनकी आयु 18 से 25 वर्ष है। उन्होंने शिहेजी विश्वविद्यालय के स्वयंसेיםों का एक बड़ा समूह एकत्र किया और उनसे जीवाणुओं की उपस्थिति की जांच करने के लिए तीन अलग-अलग गैर-आक्रामक (non-invasive) परीक्षणों को कराने के लिए कहा। इन परीक्षणों में एंटीबॉडी के लिए रक्त परीक्षण, एक परीक्षण जो मल में बैक्टीरिया की तलाश करता है, और एक ब्रीथ टेस्ट (सांस परीक्षण) शामिल था जो सूक्ष्मजीव द्वारा उत्पन्न एक विशिष्ट रासायनिक प्रतिक्रिया का पता लगाता है। सटीकता सुनिश्चित करने के लिए, शोधकर्ताओं ने किसी व्यक्ति को केवल तभी संक्रमित वर्गीकृत किया जब इन तीन परीक्षणों में से कम से कम दो सकारात्मक आए। इन चिकित्सा जांचों के साथ, छात्रों ने अपने जीवन के बारे में एक विस्तृत प्रश्नावली का उत्तर दिया, जिसमें उनके परिवार के आकार और घरेलू आय से लेकर पेट की समस्याओं के इतिहास और क्या उन्होंने पहले कभी बैक्टीरिया के लिए परीक्षण कराया था, तक सब कुछ शामिल था।
इस अध्ययन में 832 युवा वयस्क शामिल थे, और परिणामों से पता चला कि उनमें से लगभग 30 प्रतिशत इस संक्रमण को ढो रहे थे। हालांकि यह दर सामान्य चीनी आबादी में देखी जाने वाली औसत दर से कम है, लेकिन यह ध्यान देने योग्य है, विशेष रूप से इसलिए क्योंकि इस आयु वर्ग को रोकथाम के लिए आदर्श समय माना जाता है। शोधकर्ताओं ने फिर कंप्यूटर एल्गोरिदम, जिसे मशीन लर्निंग नामक आर्टिफिशियल इंटेलिजेंस की एक शाखा के रूप में जाना जाता है, की ओर रुख किया ताकि यह देख सकें कि क्या वे केवल प्रश्नावली के उत्तरों को देखकर भविष्यवाणी कर सकते हैं कि कौन संक्रमित है। उन्होंने एक स्क्रीनिंग टूल बनाने के लिए तीन अलग-अलग गणितीय दृष्टिकोणों का परीक्षण किया, उन्हें अधिकांश डेटा पर प्रशिक्षित किया और फिर शेष भाग पर उनकी सटीकता की जांच की।
परिणामों ने दिखाया कि सपोर्ट वेक्टर मशीन के रूप में ज्ञात एक विशिष्ट प्रकार का एल्गोरिदम, संक्रमित और गैर-संक्रमित व्यक्तियों के बीच अंतर करने में सबसे अच्छा प्रदर्शन करता है। यह मॉडल जटिल चिकित्सा इतिहास या आक्रामक प्रक्रियाओं पर निर्भर नहीं था; इसके बजाय, इसने पांच प्रमुख कारकों की पहचान की जो संक्रमण के जोखिम को दृढ़ता से प्रभावित करते थे। सबसे महत्वपूर्ण भविष्यवक्ता वह परिवार का आकार था जिसमें व्यक्ति पला-बढ़ा था, बड़े परिवारों में उच्च जोखिम देखा गया। अन्य महत्वपूर्ण कारकों में यह शामिल था कि क्या व्यक्ति का पहले बैक्टीरिया के लिए परीक्षण किया गया था, उनकी वार्षिक घरेलू आय, क्या वे कभी पेट के कैमरा परीक्षण (gastroscopy) से गुजरे थे, और क्या उनके घर में पालतू जानवर था। मॉडल ने पाया कि बड़े परिवारों के लोग, कम आय वाले लोग, और वे जिन्होंने पहले कभी परीक्षण नहीं कराया था, उच्चतम जोखिम पर थे।
शोधकर्ताओं ने पाया कि यह कंप्यूटर-आधारित स्क्रीनिंग टूल संक्रमित व्यक्तियों के बहुमत की सफलतापूर्वक पहचान कर सकता है जबकि गलत चेतावनियों (false alarms) को अपेक्षाकृत कम रख सकता है। यह एक बड़ी आबादी के माध्यम से तेजी से छंटनी करने का एक तरीका प्रदान करता है, जिससे उन लोगों को चिह्नित किया जा सके जिन्हें आगे के चिकित्सा परीक्षण और उपचार से लाभ होगा। अध्ययन बताता है कि पारिवारिक जीवन और आर्थिक स्थिति के बारे में सरल प्रश्नों का उपयोग करके, स्वास्थ्य अधिकारी इस संक्रमण के लिए युवाओं की जांच हेतु एक व्यावहारिक, कम लागत वाला तरीका बना सकते हैं। हालांकि यह मॉडल एक एकल विश्वविद्यालय के डेटा का उपयोग करके बनाया गया था और इसे अन्य सेटिंग्स में और अधिक परीक्षण की आवश्यकता हो सकती है, यह संक्रमण को जल्दी पकड़ने के लिए एक आशाजनक ब्लूप्रिंट प्रदान करता है, जो संभावित रूप से पेट के रोगों के विकसित होने से पहले ही उन्हें रोकने में सक्षम है। यह कार्य इस बात पर प्रकाश डालता है कि एक युवा, शिक्षित आबादी में भी, संक्रमण आम बना हुआ है, और रोजमर्रा के जीवन के कारकों के आधार पर लक्षित स्क्रीनिंग बेहतर सार्वजनिक स्वास्थ्य की दिशा में एक महत्वपूर्ण कदम हो सकती है।
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।