PHASE-ED: Recorded Emergency Department Stay and Temporal Prediction Across Pandemic Phases at Jordanian Public Hospitals

जब कोई मरीज अस्पताल के आपातकालीन कक्ष (इमरजेंसी रूम) में पहुँचता है, तो घड़ी की सुइयाँ चलने लगती हैं। यह समय, जिसे 'लेंथ ऑफ स्टे' (ठहराव की अवधि) कहा जाता है, स्प्रेडशीट पर केवल एक संख्या मात्र नहीं है; यह इस बात का माप है कि एक व्यक्ति के दरवाजे से अंदर कदम रखने के क्षण से लेकर उसके घर जाने या अस्पताल के बिस्तर तक पहुँचने के क्षण तक की गति कितनी है। डॉक्टरों और अस्पताल प्रबंधकों के लिए, इस अवधि को ट्रैक करना अत्यंत महत्वपूर्ण है। यह उन्हें समझने में मदद करता है कि क्या उनकी प्रणालियाँ सुचारू रूप से काम कर रही हैं या क्या मरीज बाधाओं (बॉटलनेक्स) में फंस रहे हैं, और देखभाल के लिए बहुत लंबा इंतजार कर रहे हैं। हाल के वर्षों में, वैश्विक महामारी ने इन प्रणालियों में उथल-पुथल मचा दी, जिससे इस बात में बदलाव आया कि कितने लोग आ रहे थे, वे कितने बीमार थे, और अस्पतालों ने कैसे प्रतिक्रिया दी। अब जब तत्काल संकट बीत चुका है, तो एक महत्वपूर्ण प्रश्न बना हुआ है: क्या आपातकालीन कक्ष वास्तव में सामान्य स्थिति में लौट आए हैं, या क्या हमारे समय को मापने के तरीके के साथ-साथ मरीजों के इलाज के तरीके में भी बदलाव आया है?

जॉर्डन के एक नए अध्ययन, जिसका शीर्षक PHASE-ED है, ने 2018 से 2025 के बीच एक सार्वजनिक अस्पताल के आपातकालीन विभाग में लगभग 4,00,000 दौरों के रिकॉर्ड को देखकर इस प्रश्न का उत्तर देने का प्रयास किया। शोधकर्ता यह देखना चाहते थे कि महामारी से पहले, वायरस के चरम के दौरान, और उसके बाद के वर्षों में आपातकालीन कक्ष में मरीजों द्वारा बिताए गए समय में क्या बदलाव आया। वे यह भी परीक्षण करना चाहते थे कि क्या सरल कंप्यूटर मॉडल यह भविष्यवाणी कर सकते हैं कि भविष्य में एक मरीज कितनी देर तक रुकेगा, जो केवल आयु, लिंग और आगमन के समय जैसी बुनियादी जानकारी पर आधारित हो। लक्ष्य केवल मिनटों को गिनना नहीं था, बल्कि यह समझना था कि क्या ये संख्याएँ तेज़ देखभाल की एक सच्ची कहानी बता रही हैं या वे डेटा रिकॉर्ड करने के तरीके में आए बदलावों को छिपा रही हैं।

अध्ययन की शुरुआत प्रत्येक मरीज के डिजिटल लॉग को साफ करने और व्यवस्थित करने से हुई जो आपातकालीन कक्ष में आया था। शोधकर्ताओं ने डेटा की निरंतरता सुनिश्चित करने के लिए एक विशिष्ट अस्पताल सुविधा पर ध्यान केंद्रित किया, जिसमें 2018 की शुरुआत से लेकर 2025 के अंत तक के दौरों को देखा गया। उन्होंने इस समयरेखा को तीन अलग-अलग युगों में विभाजित किया: महामारी से पहले का समय, वह वर्ष जब वायरस सक्रिय रूप से फैल रहा था, और आधिकारिक स्वास्थ्य आपातकाल समाप्त होने के बाद की रिकवरी अवधि। इन समूहों के मध्य मानों (मिडिल वैल्यूज) की तुलना करके, उन्होंने एक स्पष्ट रुझान पाया। महामारी से पहले, एक विशिष्ट मरीज औसतन 63 मिनट तक रुकता था। महामारी के दौरान, यह समय थोड़ा घटकर 60 मिनट हो गया। रिकवरी अवधि में, ठहराव का औसत समय और गिरकर 51 मिनट रह गया।

हालाँकि, औसत समय पूरी कहानी नहीं बताता। शोधकर्ताओं ने डेटा की गहराई में जाकर देखा कि जो मरीज सबसे लंबे समय तक प्रतीक्षा करते थे, उनके साथ क्या हुआ। महामारी से पहले, सबसे लंबे ठहराव 5 घंटे 15 मिनट से अधिक के थे। महामारी के दौरान, यह उच्च-स्तरीय प्रतीक्षा समय अभी भी लगभग पांच घंटे था। लेकिन रिकवरी अवधि में, सबसे लंबी प्रतीक्षा नाटकीय रूप से घटकर 3 घंटे से भी कम रह गई। यह सुझाव देता है कि जबकि एक सामान्य मरीज के लिए सुधार मामूली था, सबसे महत्वपूर्ण बदलाव उन लोगों के लिए हुआ जो सिस्टम में सबसे लंबे समय तक फंसे रहे। महामारी से पहले 6 घंटे से अधिक प्रतीक्षा करने वाले मरीजों की संख्या 8 प्रतिशत से अधिक थी, जो रिकवरी चरण में घटकर केवल 1 प्रतिशत से थोड़ा अधिक रह गई।

फिर भी, शोधकर्ता इस धारणा को लेकर सावधान थे कि इन कम समयों का मतलब यह नहीं है कि अस्पताल अचानक लोगों का इलाज करने में बहुत तेज़ हो गया है। उन्होंने पाया कि अस्पताल के समय को रिकॉर्ड करने के तरीके में एक सूक्ष्म लेकिन महत्वपूर्ण बदलाव आया है। जुलाई 2024 में, सिस्टम द्वारा मरीज के जाने के सटीक क्षण को दर्ज करने का तरीका बदला, जिससे यह अधिक सटीक हो गया। शोधकर्ताओं ने पाया कि तकनीकी परिवर्तन होने से पहले ही कम ठहराव का समय दिखाई देने लगा था, जो यह सुझाव देता है कि यह रुझान वास्तविक था और केवल रिकॉर्डिंग सिस्टम की कोई त्रुटि नहीं थी। फिर भी, उन्होंने उल्लेख किया कि डेटा एक अजीब पैटर्न दिखाता है: रिकवरी अवधि में "अज्ञात" अंतिम स्थिति वाले मरीजों की संख्या तेजी से गिरी। इससे यह संभावना भी बढ़ गई कि स्टाफ द्वारा मरीजों को "डिस्चार्ज" या "एडमिट" के रूप में चिह्नित करने के तरीके में बदलाव आया होगा, जिससे दर्ज किया गया समय छोटा लग सकता है, भले ही वास्तविक चिकित्सा देखभाल उतनी ही लंबी रही हो।

यह देखने के लिए कि क्या वे भविष्य में इन समयों की भविष्यवाणी कर सकते हैं, टीम ने कई कंप्यूटर मॉडल बनाए। उन्होंने एक सरल ऐतिहासिक औसत का उपयोग करने का प्रयास किया, जो केवल यह अनुमान लगाता है कि प्रत्येक नया मरीज पिछले औसत के समान समय तक रुकेगा। उन्होंने उन्नत सांख्यिकीय तकनीकों और मशीन लर्निंग एल्गोरिदम सहित अधिक जटिल तरीकों का भी परीक्षण किया जो आयु, लिंग और दिन के समय के पैटर्न को पहचान सकते हैं। परिणाम आश्चर्यजनक थे। जटिल मॉडल सरल ऐतिहासिक औसत से बहुत बेहतर प्रदर्शन नहीं कर सके। सबसे परिष्कृत मॉडल ने सरल अनुमान की तुलना में भविष्यवाणी त्रुटि को दो मिनट से भी कम कम किया। यह सुझाव देता है कि इस विशिष्ट अस्पताल के लिए, मरीज की आयु या लिंग को जानना यह बताने में अधिक मददगार नहीं था कि वे कितनी देर तक रुकेंगे। दिन का समय और सप्ताह का दिन मायने रखता था, लेकिन अस्पताल के प्रदर्शन का बुनियादी इतिहास एक आश्चर्यजनक रूप से मजबूत भविष्यवक्ता (प्रेडिक्टर) था।

अध्यक ने यह भी देखा कि ये मॉडल केवल एक संख्या के बजाय, एक मरीज के रुकने की समय सीमा (रेंज) का अनुमान लगाने में कितने सक्षम हैं। वे जानना चाहते थे कि क्या वे समय की एक खिड़की दे सकते हैं, जैसे कि "अधिकांश मरीज 20 से 100 मिनट के बीच रुकेंगे," और क्या वे इस बात पर आश्वस्त हो सकते हैं कि यह खिड़की सटीक है। सरल ऐतिहासिक मॉडल इस मामले में समग्र रूप से अच्छा था, जो लगभग 91 प्रतिशत मरीजों के लिए सही समय सीमा को कवर करता था। हालाँकि, जब शोधकर्ताओं ने विशिष्ट समूहों को देखा, तो तस्वीर असमान हो गई। "रिससिटेशन" (पुनर्जीवन)—जो सबसे गंभीर श्रेणी है—के लिए चिह्नित मरीजों के लिए, मॉडल केवल 69 प्रतिशत बार सही था। इसका अर्थ है कि सबसे बीमार मरीजों के लिए, भविष्यवाणियाँ अक्सर बहुत व्यापक थीं या लक्ष्य से चूक गईं, जो यह दर्शाता है कि सिस्टम सबसे गंभीर मामलों की जरूरतों का पूर्वानुमान लगाने में संघर्ष करता है।

शोधकर्ताओं ने निष्कर्ष निकाला कि हालांकि आपातकालीन कक्ष में दर्ज समय निश्चित रूप से कम हुआ है, विशेष रूप से उन लोगों के लिए जिन्होंने सबसे लंबे समय तक प्रतीक्षा की, लेकिन इसके कारण पूरी तरह स्पष्ट नहीं हैं। डेटा एक वास्तविक बदलाव दिखाता है, लेकिन यह साबित नहीं कर सकता कि यह इसलिए है क्योंकि डॉक्टर तेजी से काम कर रहे हैं, क्योंकि आने वाले मरीजों के प्रकार बदल गए हैं, या इसलिए कि समय को लिखने के तरीके में बदलाव आया है। यह अध्ययन एक अनुस्मारक के रूप में कार्य करता है कि अस्पताल जैसे जटिल सिस्टम में, स्क्रीन पर दिखने वाली छोटी संख्या का स्वतः अर्थ बेहतर देखभाल नहीं होता है। यह सुझाव देता है कि अस्पताल प्रबंधकों को कुल समय से आगे बढ़कर प्रक्रिया के विशिष्ट चरणों की जांच करने की आवश्यकता है, जैसे कि डॉक्टर को देखने में कितना समय लगता है या बिस्तर कितनी जल्दी मिलता है। जब तक उन विवरणों को समझा नहीं जाता, तब तक कम ठहराव का समय एक ऐसा आशाजनक संकेत है जिसकी और अधिक जांच की आवश्यकता है, न कि यह कि समस्या सुलझ गई है।