Health anxiety and online health searching in a synthetic study of uncertainty and digital health literacy
इस अध्ययन ने एक पुनरुत्पादक कृत्रिम डेटासेट का उपयोग करके एक सांख्यिकीय मॉडल को प्रदर्शित किया जहाँ स्वास्थ्य संबंधी चिंता, अनिश्चितता के प्रति असहिष्णुता के माध्यम से साइबरकॉन्ड्रिया की भविष्यवाणी करती है, जिसमें डिजिटल स्वास्थ्य साक्षरता एक महत्वपूर्ण नकारात्मक मॉडरेटर के रूप में कार्य करती है, जबकि इस बात पर जोर दिया गया है कि ये निष्कर्ष वास्तविक आबादी में मनोवैज्ञानिक तंत्रों की स्वतंत्र पुष्टि के बजाय एक पद्धतिगत प्रूफ-ऑफ-कॉन्सेप्ट के रूप में कार्य करते हैं।
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
आधुनिक दुनिया में, इंटरनेट वह पहली जगह बन गया है जहाँ बहुत से लोग तब मुड़ते हैं जब वे किसी अजीब दर्द या नए लक्षण को महसूस करते हैं। ऑनलाइन चिकित्सा उत्तरों को खोजने की यह आदत अक्सर मददगार होती है, जिससे लोगों को अपने शरीर को समझने और डॉक्टर के पास जाने की तैयारी करने में मदद मिलती है। हालाँकि, कुछ लोगों के लिए, यह खोज चिंता के एक चक्र में बदल जाती है। जब कोई व्यक्ति बार-बार लक्षणों को खोजता है और केवल भयावह संभावनाओं को पाता है, तो उनकी चिंता बढ़ सकती है, जिससे 'साइबरकॉन्ड्रिया' (cyberchondria) नामक स्थिति पैदा होती है। यह केवल जानकारी खोजने के बारे में नहीं है; यह उस संकट के बारे में है जो उस निश्चितता को खोजने की कोशिश से आता है जिसे प्रदान करने में वह स्थान असमर्थ है। वैज्ञानिकों को लंबे समय से संदेह रहा है कि यह संकट अनिश्चितता के प्रति एक गहरे असंतोष से प्रेरित होता है, जिसे 'अनिश्चितता के प्रति असहिष्णुता' (intolerance of uncertainty) कहा जाता है। वे यह भी सोचते हैं कि क्या ऑनलाइन स्वास्थ्य जानकारी को खोजने और परखने में कुशल होना एक ढाल के रूप में कार्य कर सकता है, जो चिंता को पकड़ बनाने से रोकता है।
क्वीन मैरी यूनिवर्सिटी ऑफ लंदन की अरहमा फरीदी द्वारा किया गया एक हालिया अध्ययन इन सवालों का जवाब खोजने के लिए वास्तविक लोगों की जांच नहीं करता है। इसके बजाय, शोधकर्ता ने यह परीक्षण करने के लिए कि ये विचार गणितीय रूप से कैसे जुड़ते हैं, कंप्यूटर के भीतर एक पूरी तरह से कृत्रिम दुनिया बनाई। लक्ष्य यह साबित करना नहीं था कि ये संबंध वास्तविक मानव आबादी में मौजूद हैं, बल्कि एक स्पष्ट, पुनरुत्पादक उदाहरण बनाना था कि इस तरह का अध्ययन कैसे किया जा सकता है। 450 काल्पनिक रिकॉर्ड बनाकर, अध्ययन ने यह सिम्युलेट किया कि स्वास्थ्य संबंधी चिंता, अज्ञात का भय और डिजिटल कौशल कैसे परस्पर क्रिया करते हैं। परिणाम एक सांख्यिकीय मॉडल का एक पारदर्शी प्रदर्शन है जो दिखाता है कि ये कारक सैद्धांतिक रूप से कैसे जुड़ सकते हैं, जो भविष्य के शोध के लिए एक ब्लूप्रिंट प्रदान करता है और सावधानीपूर्वक इस दावे से बचता है कि इसने मानव व्यवहार के बारे में कोई नया सत्य खोज लिया है।
अध्ययन की शुरुआत 450 कृत्रिम व्यक्तियों के डेटासेट बनाने से हुई। ये वास्तविक लोग नहीं थे; ये विशिष्ट नियमों के साथ उत्पन्न किए गए कोड की पंक्तियाँ थीं। कंप्यूटर ने प्रत्येक काल्पनिक व्यक्ति को स्वास्थ्य संबंधी चिंता का स्तर, अनिश्चितता के प्रति असहिष्णुता का स्तर, डिजिटल स्वास्थ्य साक्षरता का स्तर और साइबरकॉन्ड्रिया के लिए एक स्कोर दिया। नियम ऐसे रखे गए थे कि उच्च चिंता स्वाभाविक रूप से उच्च अनिश्चितता के असंतोष की ओर ले जाएगी, और ये दोनों ही उच्च साइबरकॉन्ड्रिया की ओर ले जाएंगे। नियमों में एक विशेष मोड़ भी शामिल था: शोधकर्ताओं ने सिस्टम को इस तरह प्रोग्राम किया कि बेहतर डिजिटल स्वास्थ्य साक्षरता होने से चिंता और परिणामी संकट के बीच का संबंध कमजोर हो जाएगा। एक बार जब ये काल्पनिक रिकॉर्ड बना लिए गए, तो शोधकर्ता ने उनके साथ ठीक वैसे ही व्यवहार किया जैसे वे वास्तविक सर्वेक्षण प्रतिक्रियाएं हों, कुल योग निकाला और मानक सांख्यिकीय परीक्षण चलाए ताकि यह देखा जा सके कि क्या पैटर्न कायम रहते हैं।
विश्लेषण ने पुष्टि की कि कृत्रिम डेटा ठीक वैसा ही व्यवहार कर रहा था जैसा कंप्यूटर के नियमों ने निर्धारित किया था। इस सिम्युलेटेड समूह में, स्वास्थ्य संबंधी चिंता का साइबरकॉन्ड्रिया से गहरा संबंध था। काल्पनिक व्यक्ति अपने स्वास्थ्य के बारे में जितना अधिक चिंतित होता, उसके ऑनलाइन खोज से संकट दिखाने की संभावना उतनी ही अधिक होती। अध्ययन ने यह भी पाया कि अनिश्चितता के प्रति असहिष्णुता इस संबंध में एक सेतु (bridge) के रूप में कार्य करती है। चिंता ने अनिश्चितता को संभालने की कठिनाई को बढ़ा दिया, और उस कठिनाई ने बदले में कष्टदायक खोज व्यवहार को प्रेरित किया। यह अप्रत्यक्ष मार्ग सांख्यिकीय रूप से स्पष्ट था, जो दर्शाता है कि न जानने का डर यह समझाने में मदद कर सकता है कि स्वास्थ्य चिंता साइबरकॉन्ड्रिया की ओर क्यों ले जाती है।
सबसे दिलचस्प निष्कर्ष डिजिटल स्वास्थ्य साक्षरता की भूमिका के बारे में था। सिमुलेशन ने दिखाया कि कम डिजिटल कौशल वाले लोगों के लिए, स्वास्थ्य संबंधी चिंता और साइबरकॉन्ड्रिया के बीच का संबंध काफी मजबूत था। हालांकि, जैसे-जैसे डिजिटल स्वास्थ्य साक्षरता का स्तर बढ़ता गया, वह संबंध कमजोर होता गया। काल्पनिक दुनिया में, एक व्यक्ति जो ऑनलाइन स्वास्थ्य जानकारी खोजने और समझने की अपनी क्षमता में आश्वस्त था, उसके स्वास्थ्य संबंधी चिंता को गंभीर संकट में बदलने की संभावना कम थी। अध्ययन ने गणना की कि यह कमजोर प्रभाव मॉडल के भीतर वास्तविक था, लेकिन यह पूरी तरह से समाप्त नहीं हुआ। उच्च साक्षरता के स्तर पर भी, चिंता अभी भी कुछ संकट की भविष्यवाणी करती थी, बस थोड़ा कम। यह सुझाव देता है कि हालांकि इंटरनेट का उपयोग करने में कुशल होना मदद कर सकता है, लेकिन यह चिंता के चक्र को पूरी तरह से नहीं रोकता है।
यह समझना महत्वपूर्ण है कि इस अध्ययन ने क्या नहीं किया। क्योंकि डेटा कंप्यूटर द्वारा बनाया गया था, इसलिए परिणाम यह सिद्ध नहीं करते कि ये संबंध वास्तविक जीवन में मौजूद हैं। शोधकर्ता ने स्पष्ट रूप से कहा है कि निष्कर्ष एक पद्धति का प्रदर्शन हैं, न कि मानव मनोविज्ञान की खोज। यहाँ देखे गए नंबर और पैटर्न शुरू से ही कंप्यूटर प्रोग्राम में बनाए गए थे; अध्ययन ने केवल यह दिखाया कि जब इस प्रकार के डेटा पर लागू किया जाता है तो गणित सही ढंग से काम करता है। शोधकर्ता ने जोर दिया कि इसका मतलब यह नहीं है कि डिजिटल साक्षरता प्रशिक्षण वास्तविक लोगों में साइबरकॉन्ड्रिया को ठीक कर देगा, और न ही यह साबित करता है कि अनिश्चितता के प्रति असहिष्णुता ही इस समस्या का एकमात्र कारण है। वास्तविक मानव व्यवहार समीकरणों के एक सेट की तुलना में कहीं अधिक जटिल है, और भावनात्मक विनियमन या पिछले अनुभवों जैसे कारकों को इस सिमुलेशन में शामिल नहीं किया गया था।
इस कार्य का मूल्य इसकी पारदर्शिता और एक परीक्षण मामले के रूप में इसकी क्षमता में निहित है। अपने डेटा और कोड को दूसरों के लिए उपलब्ध कराकर, शोधकर्ता किसी को भी काम की जाँच करने, समान संख्याएँ चलाने और यह देखने की अनुमति देता है कि क्या उन्हें वही परिणाम मिलते हैं। यह विज्ञान में एक महत्वपूर्ण कदम है, जो यह सुनिश्चित करता है कि वास्तविक दुनिया की समस्याओं पर लागू करने से पहले जटिल व्यवहारों का अध्ययन करने के लिए उपयोग किए जाने वाले उपकरण सुदृढ़ हैं। अध्ययन इन संबंधों को मापने और परिणामों की व्याख्या करने के तरीके का एक स्पष्ट, ऑडिट योग्य उदाहरण प्रदान करता है। यह एक अनुस्मारक के रूप में खड़ा है कि हालांकि हम अपने सिद्धांतों का परीक्षण करने के लिए पूर्ण मॉडल बना सकते हैं, अंतिम प्रमाण वास्तविक दुनिया के लोगों को देखने से आना चाहिए, जहाँ चर (variables) जटिल होते हैं और उत्तर पहले से प्रोग्राम नहीं किए जाते।
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।