Predicting Unmet Need for Family Planning Among Women of Reproductive Age in Zambia Using Explainable Machine Learning: Evidence from the 2024 DHS
2024 ज़ाम्बिया जनसांख्यिकीय और स्वास्थ्य सर्वेक्षण पर व्याख्यात्मक मशीन लर्निंग का उपयोग करते हुए, इस अध्ययन ने एक लीकेज-अवेयर एंसेम्बल मॉडल विकसित किया है जो ज़ाम्बियाई महिलाओं के बीच अपूर्ण परिवार नियोजन आवश्यकता के जोखिम को प्रभावी ढंग से स्तरीकृत करता है, जिसमें लक्षित प्रजनन स्वास्थ्य हस्तक्षेपों के मार्गदर्शन के लिए कार्य स्थिति, भूगोल और मोबाइल फोन स्वामित्व को प्रमुख भविष्यवक्ताओं के रूप में पहचाना गया 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
दुनिया भर में लाखों महिलाओं के लिए, यह तय करने की क्षमता कि उन्हें बच्चे कब और कैसे चाहिए, अब भी पहुंच से बाहर है; ऐसा इसलिए नहीं है कि वे ऐसा नहीं चाहतीं, बल्कि इसलिए कि सही जानकारी, सेवाएं या सहायता उपलब्ध नहीं है। एक महिला की अपने परिवार के आकार को नियंत्रित करने की इच्छा और गर्भनिरोधक तक उसकी वास्तविक पहुंच के बीच के इस अंतर को "अधूरी आवश्यकता" (unmet need) के रूप में जाना जाता है। यह एक शांत बाधा है जो जीवन को आकार देती है, शिक्षा, आर्थिक स्थिरता और माताओं एवं बच्चों के स्वास्थ्य को प्रभावित करती है। हाल के वर्षों में, वैश्विक स्वास्थ्य नेताओं ने इस पहेली को सुलझाने के लिए डेटा की ओर रुख किया है, इस उम्मीद में कि वे ऐसे पैटर्न खोज सकें जो उन महिलाओं तक संसाधन पहुँचाने में मार्गदर्शन कर सकें जिन्हें उनकी सबसे अधिक आवश्यकता है। चुनौती उन महिलाओं के बीच अंतर करने में है जो परिवार नियोजन में केवल रुचि नहीं रखती हैं और उन महिलाओं के बीच जो इसे चाहती हैं लेकिन प्राप्त नहीं कर सकतीं। इसे प्रभावी ढंग से करने के लिए, शोधकर्ताओं को कारकों के एक जटिल जाल को देखना होगा: एक महिला कहाँ रहती है, उसकी नौकरी, उसकी उम्र, उसकी वैवाहिक स्थिति और यहाँ तक कि तकनीक तक उसकी पहुँच। लक्ष्य व्यापक औसत से आगे बढ़ना और महिलाओं के उन विशिष्ट समूहों की पहचान करना है जिनके स्वास्थ्य सेवा प्रणाली की पकड़ से छूट जाने की सबसे अधिक संभावना है।
ज़ाम्बिया में, शोधकर्ताओं की एक टीम ने हाल ही में 2024 में किए गए एक विशाल, राष्ट्रीय स्तर के सर्वेक्षण का उपयोग करके इस चुनौती का सामना किया। उन्होंने एक ऐसा डिजिटल टूल बनाने का लक्ष्य रखा जो यह भविष्यवाणी करने में सक्षम हो कि प्रजनन आयु की कौन सी महिलाएं परिवार नियोजन की अधूरी आवश्यकता रखने की सबसे अधिक संभावना रखती हैं। पारंपरिक सांख्यिकीय विधियों पर निर्भर रहने के बजाय, जो अक्सर वास्तविक दुनिया की जटिलताओं के साथ संघर्ष करती हैं, टीम ने 'मशीन लर्निंग' नामक एक परिष्कृत दृष्टिकोण अपनाया। इस प्रक्रिया को एक कंप्यूटर को हजारों उदाहरण दिखाकर एक विशिष्ट पैटर्न पहचानना सिखाने के रूप में समझें, बजाय इसके कि उसे एक एकल, कठोर नियम का पालन करने के लिए कहा जाए। शोधकर्ताओं ने कंप्यूटर को लगभग 10,000 महिलाओं के बारे में विस्तृत जानकारी दी, जिसमें उनकी आयु, शिक्षा, क्या वे काम करती हैं, क्या उनके पास मोबाइल फोन है और उनका प्रांत शामिल था। महत्वपूर्ण रूप से, उन्होंने सिस्टम को "लीकेज-अवेयर" (leakage-aware) बनाया, जिसका अर्थ है कि उन्होंने सख्ती से कंप्यूटर को उसी उत्तर का उपयोग करने से रोका जिसे वे भविष्यवाणी करने वाले थे। इसने यह सुनिश्चित किया कि टूल वास्तविक जोखिम कारकों को पहचानने के लिए सीख रहा है, न कि केवल समस्या की परिभाषा को याद कर रहा है।
इस अध्ययन के परिणाम ज़ाम्बिया में परिवार नियोजन के प्रयासों में सुधार करने के लिए एक स्पष्ट, हालांकि मामूली, तस्वीर पेश करते हैं। मशीन लर्निंग मॉडल ने उन महिलाओं की पहचान सफलतापूर्वक की जिनमें परिवार नियोजन की अधूरी आवश्यकता थी, एक ऐसे सटीकता स्तर के साथ जो सार्वजनिक स्वास्थ्य योजना के लिए उपयोगी होने के लिए पर्याप्त विश्वसनीय है, हालांकि यह पूर्ण नहीं है। जब इसे डेटा के एक नए सेट पर परखा गया जिसे इसने पहले कभी नहीं देखा था, तो मॉडल ने वास्तव में अधूरी आवश्यकता वाली लगभग 72 प्रतिशत महिलाओं को सही ढंग से चिह्नित किया। हालांकि इसने कुछ ऐसी महिलाओं को भी गलत तरीके से चिह्नित किया जिन्हें मदद की आवश्यकता नहीं थी, शोधकर्ताओं ने पाया कि उन लोगों को पकड़ने के लाभ उन गलत सूचनाओं की लागत से कहीं अधिक थे। अध्ययन से पता चला कि अधूरी आवश्यकता की भविष्यवाणी करने के लिए सबसे शक्तिशाली संकेतक आश्चर्यजनक रूप से व्यावहारिक थे: महिला वर्तमान में काम कर रही है या नहीं, वह कहाँ रहती है, और क्या उसके पास मोबाइल फोन है। जो महिलाएं कार्यरत नहीं थीं, जो नॉर्थ वेस्टर्न और नॉर्दर्न जैसे कुछ प्रांतों में रहती थीं, और जिनके पास मोबाइल फोन नहीं था, उनके परिवार नियोजन सेवाओं से वंचित होने की संभावना काफी अधिक थी।
शोधकर्ताओं ने देश के दस प्रांतों में इन जोखिमों का मानचित्रण भी किया, जिससे एक स्पष्ट भौगोलिक विभाजन सामने आया। अधूरी आवश्यकता का बोझ नॉर्थ वेस्टर्न, नॉर्दर्न और लुसाका प्रांतों में सबसे अधिक था, जहाँ लगभग चार में से एक महिला इस बाधा का सामना कर रही थी। इसके विपरीत, सेंट्रल, ईस्टर्न और कॉपरबेल्ट प्रांतों में दर कम थी। यह भौगोलिक भिन्नता बताती है कि एक एकल, राष्ट्रीय रणनीति पर्याप्त नहीं हो सकती है; इसके बजाय, स्वास्थ्य कार्यक्रमों को प्रत्येक क्षेत्र की विशिष्ट वास्तविकताओं के अनुरूप तैयार करने की आवश्यकता है। अध्ययन ने यह भी रेखांकित किया कि यह समस्या विवाहित महिलाओं तक ही सीमित नहीं है। सक्रिय यौन संबंधों वाली अविवाहित महिलाओं को अपने विश्लेषण में शामिल करके, शोधकर्ताओं ने पाया कि अधूरी आवश्यकता एक व्यापक मुद्दा है जो आबादी के एक बड़े वर्ग को प्रभावित करता है, जो प्रजनन स्वास्थ्य तक सार्वभौमिक पहुंच सुनिश्चित करने के वैश्विक लक्ष्यों के अनुरूप है।
शायद इस कार्य का सबसे महत्वपूर्ण निष्कर्ष यह नहीं है कि जोखिम में कौन है, बल्कि यह है कि शोधकर्ता उस निष्कर्ष तक कैसे पहुँचे। उन्होंने इस बात पर जोर दिया कि उनका टूल प्राथमिकता निर्धारण के लिए डिज़ाइन किया गया है, न कि इस कारण का निर्धारण करने के लिए कि किसी महिला के पास पहुंच क्यों नहीं है। यह मॉडल एक स्पॉटलाइट की तरह कार्य करता है, जो उन समूहों को उजागर करता है जिन्हें तत्काल ध्यान और संसाधनों की आवश्यकता है, जैसे कि गैर-कार्यरत महिलाओं के लिए लक्षित आउटरीच या फोन मालिकों के लिए डिजिटल अभियान। लेखक आगाह करते हैं कि हालांकि टूल पैटर्न पहचानने में प्रभावी है, लेकिन यह यह साबित नहीं करता है कि बेरोजगार होना या किसी विशिष्ट प्रांत में रहना पहुंच की कमी का कारण है। इसके बजाय, यह स्वास्थ्य अधिकारियों को अपने सीमित संसाधनों का अधिक कुशलता से उपयोग करने के लिए एक भरोसेमंद मानचित्र प्रदान करता है। डेटा-संचालित इनसाइट्स को ज़मीनी ज्ञान के साथ जोड़कर, ज़ाम्बिया अपने प्रयासों को वैश्विक स्वास्थ्य लक्ष्यों के साथ बेहतर ढंग से संरेखित कर सकता है, यह सुनिश्चित करते हुए कि जिन महिलाओं को परिवार नियोजन की सबसे अधिक आवश्यकता है, उन्हें ही यह प्राप्त हो।
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।