Measurement definition, reference availability and testability shaped the verdicts on classical ECG rules in routine hospital data

हर दिन, डॉक्टर हृदय की विद्युत लय को सुनने के लिए एक सरल, गैर-आक्रामक परीक्षण जिसका नाम इलेक्ट्रोकार्डियोग्राम या ईसीजी (ECG) है, पर भरोसा करते हैं। यह मशीन स्क्रीन पर एक टेढ़ी-मेढ़ी रेखा बनाती है, और दशकों से, विशेषज्ञों ने उन रेखाओं की व्याख्या करने के लिए विशिष्ट नियम लिखे हैं। ये नियम एक चेकलिस्ट की तरह काम करते हैं: यदि एक निश्चित तरंग का वोल्टेज पर्याप्त रूप से अधिक है, तो इसका अर्थ हृदय की मांसपेशियों का मोटा होना हो सकता है; यदि तरंगों के बीच का एक विशिष्ट अंतराल बहुत लंबा है, तो यह हृदय की विद्युत प्रणाली में एक खतरनाक देरी का संकेत दे सकता है; यदि कोई विशेष तरंग गायब है या उलटी है, तो यह पिछले दिल के दौरे का संकेत दे सकती है। इन दिशानिर्देशों का उपयोग अस्पतालों में मरीजों की देखभाल के बारे में त्वरित निर्णय लेने के लिए लगातार किया जाता है। हालाँकि, जबकि ये नियम मेडिकल स्कूलों में सिखाए जाते हैं और अभ्यास में उपयोग किए जाते हैं, यह देखने के लिए बड़े पैमाने पर बहुत कम परीक्षण किया गया है कि वे सावधानीपूर्वक चुने गए शोध विषयों के बजाय, हजारों नियमित अस्पताल के रोगियों के अव्यवस्थित, वास्तविक दुनिया के डेटा पर लागू होने पर कितनी अच्छी तरह टिकते हैं।

लियो प्रोबस्ट नामक एक शोधकर्ता ने बोस्टन के एक प्रमुख चिकित्सा केंद्र के दस वर्षों से अधिक के रिकॉर्ड वाले एक विशाल संग्रह में दस क्लासिक नियमों का परीक्षण करने के लिए हाथ बढ़ाया। उन्होंने 160,000 से अधिक वयस्क रोगियों के डेटाबेस का उपयोग किया। लक्ष्य नए नियम बनाना नहीं था, बल्कि यह देखना था कि क्या पुराने नियम एक कठोर, पूर्व-नियोजित परीक्षण में जीवित रह सकते हैं। अंतिम परिणाम देखने से पहले, शोधकर्ता ने प्रत्येक नियम के लिए ठीक वही लिख दिया जो उन्हें मिलने की उम्मीद थी, सफलता के लिए स्पष्ट संख्यात्मक लक्ष्य निर्धारित किए। फिर उन्होंने कंप्यूटर विश्लेषण चलाया ताकि यह देखा जा सके कि क्या डेटा उन लक्ष्यों का समर्थन करता है, जैसे कि एक नियम ने स्वस्थ लोगों को गलत तरीके से चिह्नित किए बिना किसी समस्या की पहचान कितनी बार सही ढंग से की, और इसने एक महीने के भीतर मृत्यु या हृदय की लय संबंधी आपात स्थितियों जैसे गंभीर परिणामों की कितनी बार सही भविष्यवाणी की।

अध्ययन से पता चला कि इन नियमों का भाग्य नियमों के स्वयं के होने से कम, और इस बात पर अधिक निर्भर था कि डेटा को कैसे मापा गया और तुलना करने के लिए कौन सी जानकारी उपलब्ध थी। बाएं वेंट्रिकुलर हाइपरट्रॉफी (left ventricular hypertrophy), जिसे हृदय की मांसपेशी का मोटा होना कहा जाता है, का पता लगाने के लिए डिज़ाइन किए गए नियमों के लिए, परिणाम पुष्टि और सीमा दोनों का मिश्रण थे। दो सबसे प्रसिद्ध नियम, जिन्हें सोकोलो-लियन (Sokolow-Lyon) और कॉर्नेल (Cornell) कहा जाता है, बहुत विशिष्ट (specific) सिद्ध हुए। इसका अर्थ यह है कि जब मशीन ने इन नियमों के आधार पर किसी रोगी को मोटे हृदय वाले रोगी के रूप में चिह्नित किया, तो उस रोगी को लगभग निश्चित रूप से वह स्थिति थी। हालाँकि, इन नियमों ने वास्तविक मामलों का एक बड़ा हिस्सा छोड़ दिया। उन्होंने वास्तव में मोटे हृदय वाले लोगों के केवल 7% से 17% लोगों को ही पकड़ा। जबकि एक सकारात्मक परिणाम विश्वसनीय था, एक नकारात्मक परिणाम डॉक्टर को बहुत कम जानकारी देता था, क्योंकि नियम अधिकांश लोगों में समस्या खोजने के लिए पर्याप्त संवेदनशील नहीं थे।

पिछले दिल के दौरों का पता लगाने वाला नियम, जो ट्रेसिंग पर विशिष्ट "क्यू वेव्स" (Q waves) को देखता है, एक अलग चुनौती पेश करता है। डेटा ने दिखाया कि जब इस नियम ने किसी मरीज को चिह्नित किया, तो इसकी संभावना अधिक थी कि वह सही था, लेकिन अध्ययन यह निर्धारित नहीं कर सका कि इसने कितने वास्तविक दिल के दौरों को छोड़ा। ऐसा इसलिए था क्योंकि डेटाबेस में पिछले दिल के दौरों के साथ पुष्ट मामलों की संख्या बहुत कम थी जिनका उपयोग संदर्भ बिंदु के रूप में किया जा सके। तुलना करने के लिए 50 से भी कम पुष्ट मामलों के साथ, शोधकर्ता यह गणना नहीं कर सके कि नियम समग्र रूप से कितनी अच्छी तरह काम करता है। यह एक ऐसा मामला था जहाँ डेटा में एक निश्चित उत्तर देने के लिए पर्याप्त उदाहरण नहीं थे।

सबसे महत्वपूर्ण निष्कर्षों में से एक क्यूटी अंतराल (QT interval) से संबंधित था, जो एक माप है कि हृदय की विद्युत प्रणाली धड़कनों के बीच कितनी देर तक रिचार्ज होती है। 500 मिलीसेकंड से अधिक का सुधारा गया क्यूटी अंतराल व्यापक रूप से एक चेतावनी संकेत माना जाता है। अध्ययन ने पुष्टि की कि इस सीमा से ऊपर के रीडिंग वाले रोगियों में कम रीडिंग वाले लोगों की तुलना में 30 दिनों के भीतर मृत्यु या खतरनाक हृदय लय की घटना का जोखिम बहुत अधिक था। कम अंतराल वाले लोगों की तुलना में यह जोखिम लगभग पांच गुना अधिक था। हालाँकि, अध्ययन ने एक महत्वपूर्ण सीमा पर भी प्रकाश डाला: क्योंकि वास्तव में बहुत कम रोगियों में 500 मिलीसेकंड से ऊपर की रीडिंग थी, इस नियम ने मरने वाले लोगों में से केवल 9% की पहचान की। दूसरे शब्दों में, जबकि नियम ने एक उच्च-जोखिम वाले समूह की सही पहचान की, उसने उन अधिकांश रोगियों को छोड़ दिया जो जीवित नहीं बच सके। शोधकर्ताओं ने यह भी नोट किया कि इस जुड़ाव की ताकत रोगी की हृदय गति के आधार पर बदलती रहती है। उन रोगियों के लिए जिनकी हृदय गति धीमी थी, जोखिम अनुपात अत्यंत उच्च था, जबकि तेज हृदय गति वाले रोगियों के लिए, अनुपात काफी कम हो गया। शोधकर्ताओं ने सुझाव दिया कि यह माप को ठीक करने के लिए उपयोग किए जाने वाले गणितीय सूत्र के कारण हो सकता है, लेकिन उन्होंने इस सिद्धांत का परीक्षण नहीं किया और इस पैटर्न के आधार पर कोई नए सुझाव नहीं दिए।

अन्य नियम, जैसे कि हृदय के ऊपरी और निचले कक्षों के बीच एक धीमे विद्युत संकेत या एक विशिष्ट प्रकार के बंडल ब्रांच ब्लॉक (bundle branch block) के लिए, स्पष्ट उत्तर प्रदान नहीं कर सके। डेटा इन दावों के लिए अनिर्णायक था, जिसका अर्थ है कि अध्ययन न तो इस विचार की पुष्टि कर सका और न ही इसे खारिज कर सका कि ये पैटर्न एक विशिष्ट स्तर का जोखिम उठाते हैं। कुछ मामलों में, स्थिति वाले रोगियों की संख्या इतनी कम थी कि ठोस निष्कर्ष निकालना संभव नहीं था। अध्ययन ने यह भी देखा कि क्या हृदय गति की विभिन्न दहलीजें या क्यूटी अंतराल को ठीक करने के लिए अलग-अलग सूत्र परिणामों को बदल देंगे, लेकिन ये मुख्य परिणामों के बाद जोड़े गए वर्णनात्मक अवलोकन थे, जिनका उद्देश्य तत्काल उत्तर देने के बजाय भविष्य के अनुसंधान को निर्देशित करना था।

अंततः, अध्ययन ने निष्कर्ष निकाला कि इन क्लासिक ईसीजी नियमों पर निर्णय डेटा की गुणवत्ता और संदर्भ बिंदुओं की उपलब्धता द्वारा आकार दिए गए थे। समर्थित नियम आवश्यक रूप से सामान्य अर्थ में "बेहतर" नहीं थे; वे केवल वे थे जहाँ डेटा ने एक स्पष्ट, पूर्व-निर्धारित परीक्षण को पास होने की अनुमति दी। जो नियम विफल रहे या अनिर्णायक रहे, वे अक्सर गायब डेटा या तुलना के लिए पुष्ट मामलों की कमी के शिकार थे। इस शोध ने यह साबित नहीं किया कि इनमें से कोई भी नियम अमान्य है, और न ही इसने यह साबित किया कि वे पूर्ण हैं। इसके बजाय, इसने एक स्पष्ट मानचित्र प्रदान किया कि मानक अस्पताल का डेटा हमें इन लंबे समय से चले आ रहे नैदानिक उपकरणों के बारे में क्या बता सकता है और क्या नहीं। इसने दिखाया कि जबकि कुछ नियम उच्च-जोखिम वाले रोगियों के एक छोटे समूह की विश्वसनीय रूप से पहचान करते हैं, वे अक्सर बड़ी तस्वीर को छोड़ देते हैं, और कई अन्य नियमों के लिए, मानक अस्पताल रिकॉर्ड में उपलब्ध डेटा अभी भी एक निश्चित उत्तर देने के लिए पर्याप्त नहीं है।