Heart-rate-based clock alignment in intensive-care ECGs, serial-ECG matching and administrative follow-up in MIMIC-IV

इंटेंसिव केयर यूनिट (ICU) के उच्च-जोखिम वाले वातावरण में, समय सबसे महत्वपूर्ण मुद्रा है। डॉक्टर किसी मरीज की स्थिति को समझने के लिए घटनाओं के सटीक क्रम पर भरोसा करते हैं: क्या दवा देने से पहले हृदय की लय बदली थी? क्या लैब के परिणाम आने से पहले रक्तचाप कम हुआ था? इन सवालों के जवाब देने के लिए, अस्पताल इलेक्ट्रॉनिक स्वास्थ्य रिकॉर्ड का उपयोग करते हैं जो नर्स के नोट से लेकर मशीन की रीडिंग तक, हर माप को टाइमस्टैम्प (समय अंकित) करते हैं। हालाँकि, ये रिकॉर्ड अलग-अलग उपकरणों, अलग-अलग नर्सों और अलग-अलग प्रणालियों से प्राप्त डेटा का एक पैचवर्क (मिश्रित रूप) हैं, जिनमें से प्रत्येक की अपनी आंतरिक घड़ी होती है। यदि एक हार्ट मॉनिटर की घड़ी अस्पताल की मुख्य घड़ी के साथ थोड़ा भी तालमेल नहीं बिठा पाती है, तो डेटा जो कहानी बताता है वह गलत हो सकती है। यह विशेष रूप से इलेक्ट्रोकार्डियोग्राम (ECG) के लिए सच है, जो कुछ सेकंड में हृदय की विद्युत गतिविधि को कैप्चर करता है। यदि ECG मशीन का समय उस चार्ट के समय से मेल नहीं खाता जहाँ एक नर्स ने मरीज की हृदय दर लिखी है, तो शोधकर्ता यह सुनिश्चित नहीं हो सकते कि क्या दोनों घटनाएं एक साथ हुईं या एक के बहुत बाद में दूसरी हुई।

हाल ही में एक अध्ययन ने दुनिया के सबसे बड़े मेडिकल डेटा संग्रहों में से एक, जिसे MIMIC-IV के रूप में जाना जाता है, में इस टाइमिंग का ऑडिट करने का लक्ष्य रखा। शोधकर्ता यह जानना चाहते थे कि क्या हृदय गति (heart rate) का उपयोग करके इन क्लॉक एरर्स (घड़ी की त्रुटियों) को ठीक करना संभव है। विचार सरल था: यदि एक मशीन प्रति मिनट 70 बीट्स की हृदय दर रिकॉर्ड करती है, और एक नर्स ने उसी क्षण प्रति मिनट 70 बीट्स की हृदय दर दर्ज की है, तो घड़ियाँ मेल खानी चाहिए। मशीन की रीडिंग की नर्स के नोट के साथ तुलना करके, शोधकर्ता यह गणना करने की उम्मीद कर रहे थे कि मशीन की घड़ी कितने मिनट पीछे या आगे थी। उन्होंने इस पद्धति का परीक्षण आईसीयू के हजारों मरीजों पर किया ताकि यह देख सकें कि क्या वे घड़ियों को विश्वसनीय रूप से संरेखित (align) कर सकते हैं और, इससे भी महत्वपूर्ण बात, यह समझने के लिए कि कितनी बार डेटा इतना अव्यवस्थित था कि सुधार संभव न हो।

अध्ययन की शुरुआत लाखों ECG रिकॉर्डिंग को अस्पताल के डेटाबेस में संबंधित मरीज के रिकॉर्ड से जोड़कर हुई। टीम ने उन क्षणों की तलाश की जहाँ एक मशीन ने हृदय दर रिकॉर्ड की थी और एक नर्स ने उसी अस्पताल प्रवास के दौरान एक ही मरीज के लिए हृदय दर लिखी थी। फिर उन्होंने उस सटीक समय के अंतर को खोजने का प्रयास किया जो इन दोनों नंबरों को सबसे अच्छी तरह से मिला सके। यदि घड़ियाँ पूरी तरह से संरेखित थीं, तो सबसे अच्छा मिलान शून्य अंतर के साथ होता। यदि मशीन तेज या धीमी चल रही थी, तो सबसे अच्छा मिलв (match) एक विशिष्ट ऑफसेट प्रकट करता, शायद तीस मिनट या दो घंटे। शोधकर्ताओं ने इस बात के लिए सख्त नियम निर्धारित किए कि एक सफल मिलान किसे माना जाए। उन्होंने आवश्यकता रखी कि एक मरीज के पास कम से कम तीन पूर्ण ECG हों और नर्स के नोट्स उन ECGs के आसपास की पूरी समय अवधि को कवर करते हों। उन्होंने यह भी मांग की कि मिलान स्पष्ट और स्थिर होना चाहिए, न कि केवल एक इत्तेफाक।

परिणामों ने डेटा के बारे में एक कठोर वास्तविकता को उजागर किया। आईसीयू में ECG वाले लगभग 17,000 मरीजों में से, केवल लगभग 2.3 प्रतिशत ही उन सख्त मानदंडों को पूरा कर पाए जिनसे उनके क्लॉक ऑफसेट्स की पहचान की जा सके। मरीजों के एक दूसरे समूह में, जिसका उपयोग काम की जांच के लिए किया गया था, यह संख्या समान रूप से कम 2.5 प्रतिशत थी। इसका मतलब है कि 97 प्रतिशत से अधिक मरीजों के लिए, शोधकर्ता यह निर्धारित नहीं कर सके कि मशीन की घड़ी कितनी गलत थी, या कितनी गलत थी। विफलता का प्राथमिक कारण घड़ियों का खराब होना नहीं था, बल्कि डेटा का गायब होना था। अध्ययन में पाया गया कि 91 प्रतिशत मरीज गणना शुरू होने से पहले ही बाहर हो गए क्योंकि उनके पास पर्याप्त ECG नहीं थे या उनका अस्पताल प्रवास बहुत छोटा या खंडित था। अक्सर, मरीज को मिलने वाला प्रत्येक ECG उनके प्रवास की शुरुआत या अंत के बारह घंटों के भीतर ही होता था, जिससे रिकॉर्ड के बीच में नर्स के नोट्स के साथ मशीन के समय की तुलना करने के लिए कोई जगह नहीं बचती थी।

उन छोटे समूह के बीच भी जिनके पास पर्याप्त डेटा था, परिणाम उम्मीद जितनी स्पष्ट नहीं थे। शोधकर्ताओं ने पाया कि जिन मरीजों का विश्लेषण किया जा सकता था, उनके अनुमानित समय अंतर अक्सर बहुत कम थे, जो शून्य के करीब केंद्रित थे। हालांकि, उन्होंने यह भी पाया कि उनकी पद्धति वास्तविक क्लॉक एरर और रैंडम नॉइज़ (यादृच्छिक शोर) के बीच अंतर बताने में बहुत अच्छी नहीं थी। जब उन्होंने नकली डेटा पर अपनी पद्धति का परीक्षण किया जहाँ घड़ियाँ ज्ञात रूप से पूरी तरह से संरेखित थीं, तब भी पद्धति ने लगभग पांच में से एक मामले में समय अंतर होने का दावा किया। इससे पता चला कि उनके द्वारा उपयोग किए गए मानदंड इतने ढीले थे कि वे अकेले भरोसेमंद नहीं थे। केवल तभी जब उन्होंने अतिरिक्त सत्यापन स्तर जोड़े, जैसे कि यह जांचना कि क्या परिणाम तब भी कायम रहता है जब एक समय में एक ECG को हटा दिया जाता है, तो विश्वसनीय मिलानों की संख्या घटकर एक बहुत छोटे हिस्से में रह गई: केवल 0.5 प्रतिशत मरीज। इसका अर्थ है कि अधिकांश मरीजों के लिए, अध्ययन यह पुष्टि नहीं कर सका कि मशीन की घड़ी सटीक थी या नहीं।

अध्ययन ने यह भी देखा कि इन टाइमिंग संबंधी मुद्दों ने अन्य प्रकार के चिकित्सा अनुसंधान को कैसे प्रभावित किया, जैसे कि विभिन्न मरीजों के बीच रक्त पोटेशियम के स्तर में परिवर्तन की तुलना करना। उन्होंने पाया कि जिन मरीजों की तुलना की जा सकती थी, उनकी संख्या पूरी तरह से इस बात पर निर्भर थी कि शोधकर्ता कितने चौड़े 'टाइम विंडो' को स्वीकार करने के लिए तैयार हैं। यदि वे रक्त परीक्षण और ECG के बीच छह घंटे का अंतर स्वीकार करते, तो वे सैकड़ों मिलान वाले जोड़े पा सकते थे। लेकिन यदि उन्होंने उस विंडो को घटाकर केवल दो घंटे कर दिया, तो उपयोगी जोड़ों की संख्या नाटकीय रूप से गिर गई। इसने इस तथ्य को उजागर किया कि कई चिकित्सा अध्ययनों की व्यवहार्यता केवल डेटा की गुणवत्ता के बारे में नहीं है, बल्कि उन मनमाने विकल्पों के बारे में भी है जो शोधकर्ता यह तय करने के लिए करते हैं कि कितना समय "पर्याप्त रूप से करीब" है।

इसके अलावा, शोधकर्ताओं ने इस बात की जांच की कि अस्पताल से जाने के बाद मरीजों का फॉलो-अप (अनुवर्ती कार्रवाई) कितने समय तक किया गया। वे यह देखना चाहते थे कि क्या रिकॉर्ड दिखाते हैं कि क्या मरीजों को एक वर्ष के भीतर एट्रियल फाइब्रिलेशन नामक विशिष्ट हृदय लय की समस्या विकसित हुई। उन्होंने पाया कि लगभग एक तिहाई मरीजों के लिए, रिकॉर्ड उनके डिस्चार्ज होते ही समाप्त हो गया, जिसमें कोई और ECG या अस्पताल का दौरा दर्ज नहीं था। अन्य एक चौथाई मरीजों के लिए, फॉलो-अप की अवधि एक वर्ष पूरा होने से पहले ही रुक गई, भले ही वे जीवित थे। इसका मतलब यह नहीं था कि मरीज स्वस्थ थे; इसका केवल यह मतलब था कि अस्पताल प्रणाली के पास उनका कोई रिकॉर्ड नहीं था। अध्ययन ने इस बात पर जोर दिया कि रिकॉर्ड किए गए संपर्क की कमी, घटनाओं की कमी के समान नहीं है। यदि कोई मरीज किसी दूसरे अस्पताल या निजी क्लिनिक में जाता है, तो मूल रिकॉर्ड में एक अंतराल दिखाई देगा, जिससे शोधकर्ता गलत धारणा बना सकते हैं कि मरीज को कभी हृदय रोग नहीं हुआ।

शोधकर्ताओं ने अपनी पद्धति का परीक्षण आपातकालीन विभाग के एक अलग डेटासेट पर भी करने की कोशिश की ताकि देखा जा सके कि क्या परिणाम अन्य जगहों पर भी समान रहते हैं। इस परीक्षण ने आईसीयू के निष्कर्षों की न तो पुष्टि की और न ही खंडन किया। पद्धति ने पात्र आपातकालीन दौरों के केवल 28.3% मामलों में समय अंतर की पहचान की, जो पूर्व-निर्धारित सीमा से कम था, और पैटर्न भी वैसा नहीं था जैसा उन्होंने अपेक्षित किया था। दूसरे डेटासेट में इस पुष्टि की कमी ने इस निष्कर्ष को पुख्ता किया कि उनकी पद्धति नाजुक है और डेटा की विशिष्ट स्थितियों, जैसे कि नर्सें कितनी बार हृदय दर लिखती हैं और मरीज कितनी देर तक यूनिट में रहता है, पर अत्यधिक निर्भर है।

अंततः, यह अध्ययन उन सभी के लिए एक चेतावनी की तरह है जो हृदय की लय का अध्ययन करने के लिए बड़े मेडिकल डेटाबेस का उपयोग कर रहे हैं। यह दिखाता है कि हालांकि डेटा विशाल और मूल्यवान है, लेकिन यह अक्सर सटीक समय-आधारित सुधारों के लिए बहुत खंडित होता है। मशीन की घड़ियाँ ठीक हो सकती हैं, लेकिन रिकॉर्ड के अंतराल यह बताना असंभव बना देते हैं। शोधकर्ताओं ने निष्कर्ष निकाला कि इससे पहले कि वैज्ञानिक इन रिकॉर्ड का उपयोग यह अध्ययन करने के लिए करें कि हृदय स्थितियां कैसे बदलती हैं या उपचार कैसे काम करते हैं, उन्हें पहले यह गिन लेना चाहिए कि वास्तव में कितने मरीजों के पास निष्पक्ष तुलना करने के लिए पर्याप्त निरंतर डेटा उपलब्ध है। उन्होंने इस बात पर भी जोर दिया कि किसी मरीज का कोई फॉलो-अप रिकॉर्ड न होने का मतलब यह नहीं है कि वह बीमारी से मुक्त है; इसका केवल यह मतलब है कि कहानी अधूरी है। अध्ययन ने घड़ियों को ठीक करने का कोई तरीका नहीं खोजा, लेकिन इसने डेटा के टूटने के स्थानों का एक स्पष्ट मानचित्र प्रदान किया, जिससे भविष्य के शोधकर्ता एक गायब रिकॉर्ड को चिकित्सीय सत्य समझने की गलती न करें।