Filling subnational sanitation data gaps in low- and middle-income countries

अरबों लोगों के लिए, शौचालय का उपयोग करने का सरल कार्य एक निश्चित वास्तविकता नहीं है। सुरक्षित स्वच्छता तक पहुंच एक मौलिक मानव अधिकार है, फिर भी दुनिया भर में लगभग 1.5 अरब लोग अभी भी बुनियादी सेवाओं से वंचित हैं। यह अंतर केवल एक आंकड़ा नहीं है; यह बीमारी, बच्चों के शारीरिक विकास में रुकावट (स्टंटिंग) और रोके जा सकने वाले मृत्यु का एक प्रमुख कारण है। इस समस्या को हल करने के लिए, सरकारों और सहायता संगठनों को यह जानने की आवश्यकता है कि आवश्यकता वास्तव में कहाँ सबसे अधिक है। उन्हें स्वच्छता का मानचित्र देखने की आवश्यकता है, न केवल पूरे देशों के लिए, बल्कि उनके भीतर के विशिष्ट क्षेत्रों के लिए भी। हालाँकि, कई निम्न- और मध्यम-आय वाले देशों में, यह विस्तृत मानचित्र गायब है। जो डेटा उपलब्ध है, वह अक्सर घरेलू सर्वेक्षणों से आता है जो आयोजित करने में महंगे होते हैं, जिन्हें पूरा करने में वर्षों लग जाते हैं, और देश के विशाल क्षेत्रों को बिना मापे छोड़ देते हैं। अद्यतित, सूक्ष्म जानकारी के बिना, संसाधनों को उन समुदायों की ओर निर्देशित करना कठिन है जिन्हें उनकी सबसे अधिक आवश्यकता है।

शोधकर्ताओं की एक टीम ने अब एक नए दृष्टिकोण का उपयोग करके 130 देशों के लिए इन लुप्त कड़ियों को भर दिया है जो पुराने सर्वेक्षण डेटा को आधुनिक उपग्रह तकनीक के साथ जोड़ता है। 1.8 मिलियन घरों की जानकारी का विश्लेषण करके और इसे पर्यावरणीय एवं आर्थिक डेटा के साथ जोड़कर, उन्होंने 2024 के लिए स्वच्छता कवरेज का एक विस्तृत चित्र तैयार किया है। उनका कार्य एक कठोर वास्तविकता को प्रकट करता है: सबसे गरीब और सबसे नाजुक क्षेत्र, विशेष रूप से उप-सहारा अफ्रीका, सबसे अधिक पीछे छूट रहे हैं। जबकि यह अध्ययन इस बात का सबसे स्पष्ट दृश्य प्रदान करता है कि स्वच्छता सेवाएं कहाँ कम हैं, यह यह भी उजागर करता है कि बिना प्रत्यक्ष डेटा के हम क्या जान सकते हैं इसकी सीमाएं क्या हैं, जो कि अगले सर्वेक्षणों के लिए एक पारदर्शी मार्गदर्शक के रूप में कार्य करता है।

शोधकर्ताओं को एक महत्वपूर्ण चुनौती का सामना करना पड़ा: उन्हें उन क्षेत्रों में स्वच्छता की स्थिति का अनुमान लगाने की आवश्यकता थी जहाँ कोई हालिया सर्वेक्षण मौजूद नहीं था। अनुमान लगाने के पारंपरिक तरीके अक्सर तब विफल हो जाते हैं जब डेटा कम होता है, क्योंकि वे उपलब्ध सीमित जानकारी पर अत्यधिक निर्भर (overfit) हो जाते हैं या नए क्षेत्रों के लिए अविश्वसनीय परिणाम देते हैं। इस समस्या को हल करने के लिए, टीम ने 'टेबुलर प्रायर-फिटेड नेटवर्क' (Tabular Prior-Fitted Network) नामक एक परिष्कृत प्रकार के आर्टिफिशियल इंटेलिजेंस का रुख किया। इस मॉडल को एक अत्यधिक प्रशिक्षित विशेषज्ञ के रूप में समझें जिसने लाखों कृत्रिम उदाहरणों का अध्ययन किया है कि कैसे विभिन्न कारक—जैसे जनसंख्या घनत्व, वर्षा, और राष्ट्रीय धन—स्वच्छता तक पहुंच से संबंधित हैं। यह मॉडल को तब भी सटीक भविष्यवाणियां करने की अनुमति देता है जब उसके पास वास्तविक दुनिया के डेटा की बहुत कम मात्रा होती है, जो कि दुनिया के सबसे डेटा-दुर्लभ क्षेत्रों में एक सामान्य स्थिति है।

टीम ने मॉडल में 2015 और 2024 के बीच किए गए सबसे हालिया घरेलू सर्वेक्षणों का डेटा डाला, जिसमें 89 देशों के 1.8 मिलियन घर शामिल थे। उन्होंने इसे भू-स्थानिक डेटा के एक विशाल समूह के साथ जोड़ा, जिसमें निर्मित क्षेत्रों के उपग्रह चित्र, रात की रोशनी (nighttime lights), मिट्टी के प्रकार और जलवायु पैटर्न शामिल थे। मॉडल ने उन पैटर्न को पहचानना सीखा जो इन पर्यावरणीय और आर्थिक कारकों को इस बात से जोड़ते हैं कि किसी समुदाय के पास बुनियादी शौचालय तक पहुंच है या वह खुले में शौच करने के लिए मजबूर है। प्रशिक्षित होने के बाद, मॉडल का उपयोग 130 निम्न- और मध्यम-आय वाले देशों के प्रत्येक प्रथम-स्तरीय प्रशासनिक क्षेत्र के लिए स्वच्छता कवरेज की भविष्यवाणी करने के लिए किया गया, जिससे प्रभावी रूप से 2024 के लिए स्वच्छता पहुंच का एक वैश्विक मानचित्र तैयार हुआ।

परिणाम गहरी असमानता की तस्वीर पेश करते हैं। उच्च-मध्यम आय वाले देशों में, बुनियादी स्वच्छता के लिए औसत कवरेज 94 प्रतिशत है, जिसका अर्थ है कि लगभग सभी की पहुंच शौचालय तक है। इसके विपरीत, निम्न-आय वाले देशों में, औसत कवरेज गिरकर केवल 36 प्रतिशत रह जाता है। उप-सहारा अफ्रीका में स्थिति और भी गंभीर है, जहाँ औसत कवरेज 39 प्रतिशत है, और नाजुक, संघर्ष-प्रभावित सेटिंग्स में, यह 48 प्रतिशत तक गिर जाता है। खुले में शौच के मामले में इसका ठीक उल्टा है, जिसमें मानव अपशिष्ट को खुले क्षेत्रों या जलधाराओं में विसर्जित किया जाता है। उच्च-मध्यम आय वाले देशों में, 1 प्रतिशत से भी कम लोग खुले में शौच करते हैं, लेकिन निम्न-आय वाले देशों में, यह आंकड़ा बढ़कर 8 प्रतिशत हो जाता है, और कुछ क्षेत्रों में यह दर 73 प्रतिशत तक पहुंच जाती है।

अध्ययन ने इन भविष्यवाणियों की अनिश्चितता को भी मैप किया, जिससे यह पता चला कि डेटा कहाँ सबसे विश्वसनीय है और कहाँ यह केवल एक अनुमान है। मॉडल यूरोप और उत्तरी अमेरिका, पूर्वी और दक्षिण-पूर्वी एशिया, और उत्तरी अफ्रीका और पश्चिमी एशिया के निम्न- और मध्यम-आय वाले क्षेत्रों में सबसे अधिक आश्वस्त है, जहाँ हाल के सर्वेक्षण और राष्ट्रीय अनुमान मौजूद हैं। हालाँकि, निम्न-आय और नाजुक सेटिंग्स में, विशेष रूप से उप-सहारा अफ्रीका में, अनिश्चितता सबसे अधिक है। यह मॉडल की विफलता नहीं है, बल्कि इस वास्तविकता का प्रतिबिंब है कि इन क्षेत्रों में निश्चित होने के लिए जमीनी स्तर के डेटा की कमी है। शोधकर्ताओं ने चार विशिष्ट देशों—कांगो गणराज्य, इरिट्रिया, निकारागुआ और उत्तर कोरिया—को नए डेटा संग्रह के लिए शीर्ष प्राथमिकता के रूप में पहचाना है, क्योंकि उनमें हाल के सर्वेक्षणों की कमी है और बड़ी आबादी उच्च अनिश्चितता वाली स्थितियों में रह रही है।

सबसे महत्वपूर्ण निष्कर्षों में से एक यह है कि असमानताएं न केवल देशों के बीच, बल्कि उनके भीतर भी मौजूद हैं। मध्यम समग्र कवरेज वाले राष्ट्रों में भी, ऐसे क्षेत्र हैं जहाँ स्वच्छता पहुंच लगभग अस्तित्वहीन है। मॉडल ने अभाव के इन पॉकेटों की सफलतापूर्वक पहचान की, हालांकि यह सबसे तीव्र अंतरों को कम करके दिखाने (smooth out) की प्रवृत्ति रखता है, जो संभवतः सबसे खराब क्षेत्रों में अत्यधिक अंतराल को कम आंकता है। यह सुझाव देता है कि जबकि यह मानचित्र व्यापक रुझानों की पहचान करने के लिए एक शक्तिशाली उपकरण है, सबसे वंचित समुदायों को लक्षित करने के लिए स्थानीय डेटा अभी भी आवश्यक है। शोधकर्ताओं ने यह भी नोट किया कि उनका मॉडल कभी-कभी खुले में शौच की व्यापकता को कम आंकता है, जो सर्वेक्षणों में एक ज्ञात समस्या है जहाँ लोग इस प्रथा को स्वीकार करने में संकोच कर सकते हैं।

यह अध्ययन इस वैश्विक लक्ष्य की ओर प्रगति की धीमी गति की पुष्टि करता है कि 2030 तक खुले में शौच को समाप्त किया जाए। इस लक्ष्य तक पहुँचने के लिए, पिछले दशक की तुलना में प्रगति की गति को तीन गुना करने की आवश्यकता होगी। नए मानचित्र दिखाते हैं कि बिना भारी निवेश और लक्षित कार्रवाई के, सबसे संवेदनशील आबादी पीछे छूट जाएगी। एक पारदर्शी, अनिश्चितता-जागरूक दृष्टिकोण प्रदान करके, यह कार्य आगे बढ़ने का एक स्पष्ट मार्ग प्रदान करता है। यह हमें न केवल यह बताता है कि समस्या कहाँ है, बल्कि यह भी बताता है कि हमारा ज्ञान कहाँ अधूरा है, जो अगली पीढ़ी के सर्वेक्षणों और निवेशों को उन स्थानों की ओर निर्देशित करता है जहाँ उनकी सबसे अधिक आवश्यकता है।