Diabetes and Tuberculosis: harmonization of population-based datasets

द दशकों से, चिकित्सा जगत ने अक्सर दो बहुत ही अलग प्रकार की बीमारियों के साथ ऐसा व्यवहार किया है जैसे वे अलग-अलग कमरों में रहती हों। एक ओर गैरसंचारी रोग (noncommunicable diseases) हैं, जो मधुमेह (diabetes) जैसी पुरानी स्थितियाँ हैं जो समय के साथ धीरे-धीरे विकसित होती हैं, और अक्सर जीवनशैली एवं आनुवंशिकी से जुड़ी होती हैं। दूसरी ओर संक्रामक रोग (infectious diseases) हैं, जैसे कि तपेदिक (tuberculosis), जो बैक्टीरिया के कारण एक व्यक्ति से दूसरे व्यक्ति में फैलते हैं। हालांकि डॉक्टरों और शोधकर्ताओं को लंबे समय से पता था कि ये दोनों स्थितियाँ अक्सर एक ही व्यक्ति में एक साथ दिखाई देती हैं, लेकिन इन्हें एक जोड़ी के रूप में अध्ययन करना आश्चर्यजनक रूप से कठिन रहा है। अधिकांश बड़े, सार्वजनिक स्वास्थ्य अध्ययन केवल एक पक्ष को देखने के लिए डिज़ाइन किए गए थे। एक व्यापक सर्वेक्षण हजारों लोगों को ट्रैक कर सकता है ताकि हृदय रोग और मधुमेह को समझा जा सके, लेकिन इसमें अक्सर उन विशिष्ट प्रश्नों का अभाव होता है जो यह पता लगा सकें कि किसे तपेदिक का भी अनुभव हुआ है। इसके विपरीत, संक्रामक रोगों पर केंद्रित अध्ययनों में उस गहरे, दीर्घकालिक स्वास्थ्य डेटा की कमी हो सकती है जो यह समझने के लिए आवश्यक है कि मधुमेह इसमें क्या भूमिका निभाता है। इस अलगाव ने इन दोनों स्थितियों के बीच की परस्पर क्रिया को समझने में एक अंतर छोड़ दिया है, जिससे उन लोगों की रक्षा करना कठिन हो गया है जो दोनों के प्रति सबसे अधिक संवेदनशील हैं।

एमोरी यूनिवर्सिटी के शोधकर्ताओं की एक टीम ने अब उस अंतर को पाटने के लिए एक पुल बनाया है। उन्होंने नए स्वयंसेवकों को भर्ती करने या कोई नया चिकित्सा परीक्षण शुरू करने के लिए बाहर जाकर मेहनत नहीं की। इसके बजाय, उन्होंने एक अलग दृष्टिकोण अपनाया: वे उस डेटा की तलाश में निकले जो पहले से मौजूद था। उन्होंने संयुक्त राज्य अमेरिका से स्वास्थ्य जानकारी के चार प्रमुख, सुस्थापित संग्रहों को खोजा—कुछ लोगों को कई वर्षों तक ट्रैक करते हैं, तो कुछ विशिष्ट समय पर राष्ट्र के स्वास्थ्य की एक झलक दिखाते हैं। ये डेटासेट मूल रूप से हृदय रोग, चयापचय (metabolism) और सामान्य पोषण का अध्ययन करने के लिए बनाए गए थे। शोधकर्ताओं ने महसूस किया कि यदि वे इस विशाल सूचना के ढेर को सावधानीपूर्वक साफ और पुनर्गठित कर सकें, तो वे मधुमेह और तपेदिक के बारे में उन विशिष्ट विवरणों को निकाल सकते हैं जो स्पष्ट रूप से सामने छिपे हुए थे। उनका लक्ष्य एक एकल, उपयोगी संसाधन बनाना था जिसे अन्य वैज्ञानिक बिना शून्य से शुरुआत किए इन दोनों बीमारियों के बीच के संबंध का अध्ययन करने के लिए उपयोग कर सकें।

टीम ने सूचना के चार अलग-अलग स्रोतों के साथ काम किया। इनमें से तीन जनसंख्या-आधारित अध्ययन थे, जिसका अर्थ है कि उन्होंने व्यापक समूहों से डेटा एकत्र किया ताकि व्यापक जनता का प्रतिनिधित्व किया जा सके। एक लंबे समय से चल रहा अध्ययन था जो युवा वयस्कों का है जिसने दशकों से प्रतिभागियों का पीछा किया है, दूसरा विशेष रूप से अमेरिका के कई शहरों में हिस्पैनिक और लातीनी समुदायों पर केंद्रित था, और तीसरा एक राष्ट्रीय स्वास्थ्य सर्वेक्षण है जो देश भर के लोगों का साक्षात्कार करता है और उनकी जांच करता है। चौथा स्रोत अलग था; यह एक विशाल अनुसंधान कार्यक्रम था जो स्वयंसेवकों को सीधे उनके इलेक्ट्रॉनिक मेडिकल रिकॉर्ड से जोड़ता है, जिससे शोधकर्ता अस्पतालों और क्लीनिकों में निदान के वास्तविक तिथियों और विवरणों को देख सकते हैं। शोधकर्ताओं ने प्रत्येक के प्रश्नावली और मेडिकल कोड के माध्यम से महीनों बिताए। उन्हें विभिन्न तरीकों से पूछे गए प्रश्नों को एक एकल, सुसंगत भाषा में अनुवाद करना पड़ा। उदाहरण के लिए, एक अध्ययन पूछ सकता है कि क्या किसी व्यक्ति को कभी मधुमेह बताया गया है, जबकि दूसरा रक्त परीक्षण के परिणाम को देख सकता है। टीम ने यह सुनिश्चित करने के लिए नियमों का एक सेट बनाया कि हर डेटासेट में "मधुमेह" का एक ही अर्थ हो, और "तपेदिक" की पहचान एक ही मानदंड का उपयोग करके की जाए, चाहे वह स्वयं-रिपोर्ट किया गया उत्तर हो या डॉक्टर की फाइल से एक कोड।

एक बार जब डेटा को साफ और संयोजित कर लिया गया, तो परिणामों ने दोनों स्थितियों के बीच छिपे हुए ओवरलैप (overlap) को प्रकट किया। तीन जनसंख्या-आधारत अध्ययनों में, जिनमें दसियों हजार लोग शामिल थे, शोधकर्ताओं ने 116 अद्वितीय व्यक्तियों की पहचान की जो मधुमेह और तपेदिक दोनों के मानदंडों को पूरा करते थे। ये केवल यादृच्छिक संख्याएँ नहीं थीं; ये विभिन्न पृष्ठभूमियों, आयु और क्षेत्रों के वास्तविक लोगों का प्रतिनिधित्व करती थीं। डेटा ने दिखाया कि कुछ समूहों में, जैसे कि युवा वयस्कों के दीर्घकालिक अध्ययन में, प्रतिभागियों के उम्र बढ़ने के साथ दोनों स्थितियों वाले लोगों की संख्या बढ़ती गई। राष्ट्रीय सर्वेक्षण में, जो देश की एक झलक प्रस्तुत करता है, शोधकर्ताओं ने 1990 के दशक के अंत में और फिर 2011 में मामले पाए, जिससे पता चलता है कि यह सह-अस्तित्व कोई नई घटना नहीं बल्कि एक निरंतर चलने वाली प्रक्रिया है। विश्लेषण ने इन लोगों के बारे में विस्तृत विवरण भी प्रदान किया, जिसमें उनकी आयु, लिंग और पृष्ठभूमि शामिल थी, जो इस दोहरी मार से प्रभावित जनसांख्यिकी की एक स्पष्ट तस्वीर पेश करता है।

चौथे डेटासेट ने, जो इलेक्ट्रॉनिक मेडिकल रिकॉर्ड से लिया गया था, एक अलग प्रकार की अंतर्दृष्टि प्रदान की क्योंकि यह निदान के सटीक समय को ट्रैक कर सकता था। यहाँ, शोधकर्ताओं ने दोनों स्थितियों वाले 484 अद्वितीय व्यक्तियों को पाया। यह बड़ी संख्या उन्हें घटनाओं के क्रम को देखने की अनुमति देती है। उन्होंने पाया कि कई लोगों के लिए, मधुमेह का निदान तपेदिक से पहले हुआ, जिससे यह संकेत मिलता है कि चयापचय संबंधी स्थिति ने उन्हें संक्रमण के प्रति अधिक संवेदनशील बना दिया होगा। अन्य लोगों के लिए, क्रम उल्टा था, यानी तपेदिक पहले आया। ऐसे मामले भी थे जहाँ दोनों निदान एक ही समय में दर्ज किए गए थे। इस समयरेखा को देखने की क्षमता महत्वपूर्ण है क्योंकि यह वैज्ञानिकों को यह समझने में मदद करती है कि कौन सी स्थिति दूसरी को संचालित कर रही है, या क्या वे केवल साझा जोखिम कारकों के कारण एक साथ हो रही हैं। शोधकर्ताओं ने नोट किया कि हालांकि जनसंख्या सर्वेक्षणों में दोनों स्थितियों वाले लोगों की संख्या अपेक्षाकृत कम थी, लेकिन तथ्य यह है कि वे उन्हें उन डेटासेट में भी ढूंढ सके जो मूल रूप से इस उद्देश्य के लिए नहीं बनाए गए थे, एक महत्वपूर्ण उपलब्धि है।

यह कार्य केवल संख्याओं की सूची प्रदान करने से कहीं अधिक है; यह भविष्य के लिए एक टूलकिट प्रदान करता है। शोधकर्ताओं ने विस्तृत मार्गदर्शिकाएँ और कंप्यूटर कोड जारी किए हैं जो बताते हैं कि उन्होंने इस जानकारी को कैसे खोजा और व्यवस्थित किया। इसका अर्थ यह है कि अन्य वैज्ञानिकों को इस जटिल डेटाबेस को नेविगेट करने के लिए स्वयं वर्षों खर्च करने की आवश्यकता नहीं है। वे इन उपकरणों का उपयोग नए प्रश्न पूछने के लिए कर सकते हैं, जैसे कि क्या मधुमेह के कुछ प्रकार तपेदिक के उच्च जोखिम से जुड़े हैं, या दोनों स्थितियों वाले लोगों के लिए दीर्घकालिक परिणाम केवल एक स्थिति वाले लोगों की तुलना में कैसे भिन्न होते हैं। शोधकर्ता स्वीकार करते हैं कि उनके काम की सीमाएँ हैं। उपयोग किए गए डेटासेट मूल रूप से तपेदिक के अध्ययन के लिए नहीं बनाए गए थे, इसलिए कुछ विवरण, जैसे कि संक्रमण से शरीर का कौन सा हिस्सा प्रभावित हुआ था, गायब हैं। उन्होंने यह भी उल्लेख किया कि चूंकि डेटा स्वयं-रिपोर्ट या मेडिकल कोड पर निर्भर है, इसलिए कुछ मामले छूट गए होंगे यदि लोगों ने अपने निदान को याद नहीं रखा या यदि इसे कभी रिकॉर्ड ही नहीं किया गया। हालांकि, उनका तर्क है कि तपेदिक जैसी गंभीर स्थिति के लिए, यह संभावना कम है कि कई मामले उनके द्वारा जांचे गए चिकित्सा तंत्रों में पूरी तरह से अनकहे रह गए होंगे।

इन बिखरे हुए डेटा के टुकड़ों को एक साथ लाकर, टीम ने प्रदर्शित किया है कि पुरानी बीमारियों के अध्ययन के लिए पहले से उपलब्ध विशाल संसाधनों का उपयोग संक्रामक रोगों की चुनौतियों से निपटने के लिए किया जा सकता है। उन्होंने दिखाया है कि गैरसंचारी रोगों और संक्रामक रोगों के अध्ययन के बीच की बाधा एक दीवार नहीं है, बल्कि एक दरवाजा है जिसे सही कुंजी के साथ खोला जा सकता है। यह नया बुनियादी ढांचा शोधकर्ताओं को नए, महंगे अध्ययन शुरू करने की प्रतीक्षा किए बिना आगे बढ़ने का अवसर देता है। यह विचारों का परीक्षण करने और प्रमाण उत्पन्न करने के बारे में तेजी से सोचने का एक तरीका प्रदान करता है कि मधुमेह और तपेदिक कैसे परस्पर क्रिया करते हैं, जिससे रोकथाम और देखभाल के लिए बेहतर रणनीतियों की संभावना बनती है। अंतिम लक्ष्य इन दोनों क्षेत्रों के अध्ययन को एकीकृत करना है, यह सुनिश्चित करना कि जो लोग दोनों स्थितियों से पीड़ित हैं, उन्हें दो अलग-अलग समस्याओं के बजाय एक संपूर्ण इकाई के रूप में समझा और उपचारित किया जाए।