📊 statistics

Markov-Switching Regime Dynamics of Maternal Mortality in Kenya: A State-Dependent Analysis of Health System Transitions with Bootstrap Uncertainty Quantification (2000-2023

यह अध्ययन केन्या के 2000-2023 मातृ मृत्यु दर डेटा पर संरचनात्मक स्वास्थ्य प्रणाली परिवर्तनों द्वारा संचालित विशिष्ट उच्च और निम्न मृत्यु दर व्यवस्थाओं को प्रकट करने के लिए बूटस्ट्रैप अनिश्चितता परिमाणीकरण के साथ एक टू-स्टेट मार्कोव-स्विचिंग मॉडल का उपयोग करता है, जो यह प्रदर्शित करता है कि देश का मातृ स्वास्थ्य प्रक्षेपवक्र एक निरंतर रैखिक प्रवृत्ति के बजाय निरंतर शासन परिवर्तनों (रेजीम शिफ्ट्स) द्वारा अभिलक्षित है।

मूल लेखक: ROBERT NYABWANGA

प्रकाशित 2026-07-09

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: ROBERT NYABWANGA

मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि केन्या की मातृ स्वास्थ्य प्रणाली एक सीधी सड़क की तरह नहीं है जहाँ चीजें धीरे-धीरे बेहतर या बदतर होती हैं, बल्कि एक मौसम प्रणाली (weather system) की तरह है जो अलग-अलग "ऋतुओं" में फंस जाती है। कभी-कभी यह एक शांत, धूप वाला मौसम होता है (कम मृत्यु दर), और कभी-कभी यह एक तूफानी, अराजक मौसम होता है (उच्च मृत्यु दर)।

रॉबर्ट न्याबवांगा का यह शोध पत्र एक विशेष गणितीय उपकरण जिसका नाम मार्कोव-स्विचिंग मॉडल (Markov-Switching Model) है, का उपयोग यह पता लगाने के लिए करता है कि 2000 से 2023 तक हर साल केन्या किस "ऋतु" में था। डेटा के माध्यम से एक सीधी रेखा खींचने के बजाय, यह विधि पूछती है: "क्या सिस्टम वर्तमान में एक 'अच्छी' स्थिति में है या 'बुरी' स्थिति में, और इसके वहीं बने रहने की कितनी संभावना है?"

यहाँ इस अध्ययन के निष्कर्षों की कहानी है, जिसे सरल भागों में विभाजित किया गया है:

1. "सीधी रेखाओं" के साथ समस्या

पारंपरिक रूप से, वैज्ञानिक डेटा को देखते हैं और रुझान दिखाने के लिए एक एकल रेखा खींचने की कोशिश करते हैं। वे कह सकते हैं, "औसतन, चीजें थोड़ी बेहतर हो रही हैं।"

दोष: यह कहने जैसा है कि मौसम "सौम्य" है क्योंकि आपने एक हीटवेव और एक बर्फीले तूफान का औसत निकाला है। यह इस तथ्य को छिपा देता है कि कभी-कभी सिस्टम संकट में गिर जाता है और कभी-कभी स्थिर हो जाता है।
समाधान: यह अध्ययन स्वास्थ्य प्रणाली को एक लाइट स्विच की तरह मानता है। यह या तो "ON" (उच्च मृत्यु दर शासन) या "OFF" (निम्न मृत्यु दर शासन) है। लक्ष्य यह देखना था कि स्विच कब बदला और यह एक ही स्थिति में कितने समय तक रहा।

2. दो "ऋतुएँ" (Regimes)

अध्ययन ने पाया कि केन्या वास्तव में पिछले 24 वर्षों में दो अलग-अलग अवस्थाओं में रहा है:

"तूफानी मौसम" (उच्च मृत्यु दर शासन):
- कब: लगभग 2007 से 2014 तक।
- क्या हुआ: माताओं की मृत्यु की औसत संख्या उच्च थी (लगभग 489 मौतें प्रति 100,000 जन्म)।
- अनुभूति: एक बार जब सिस्टम इस तूफान में फंस गया, तो इससे बाहर निकलना कठिन था। यह लगभग 8 वर्षों तक वहीं रहा।
- क्यों: अध्ययन इस तूफान की शुरुआत को 2007-2008 के चुनाव के बाद की हिंसा से जोड़ता है, जिसने स्वास्थ्य सेवा में व्यवधान डाला।
"धूप वाला मौसम" (निम्न मृत्यु दर शासन):
- कब: 2000–2006 और फिर 2015 से 2023 तक।
- क्या हुआ: मौतों की औसत संख्या कम थी (लगभग 428 मौतें प्रति 100,000 जन्म)।
- अनुभूति: यह अवस्था बहुत "चिपचिपी" (sticky) है। एक बार जब सिस्टम इस धूप वाले काल में पहुँच गया, तो यह लंबे समय तक वहीं रहा—लगभग 15 वर्ष।
- क्यों: इस धूप वाले मौसम में वापसी लगभग 2014-2015 के आसपास हुई, जो प्रमुख सरकारी परिवर्तनों जैसे कि नए संविधान (जिसने स्थानीय काउंटियों को शक्ति दी) और मातृत्व देखभाल को मुफ्त करने की नीति के साथ मेल खाती है।

3. "चिपचिपा" स्विच (Persistence)

सबसे दिलचस्प खोज यह है कि ये ऋतुएँ कितनी "चिपचिपी" हैं।

यदि केन्या उच्च मृत्यु दर के मौसम में है, तो अगले वर्ष वहीं रहने की 87.5% संभावना है।
यदि केन्या निम्न मृत्यु दर के मौसम में है, तो अगले वर्ष वहीं रहने की 93.3% संभावना है।

उपमा: कल्पना कीजिए कि एक गहरी घाटी (निम्न मृत्यु दर) में एक गेंद है और एक खड़ी पहाड़ी (उच्च मृत्यु दर) पर एक गेंद है। गेंद को उस घाटी से बाहर निकालने के लिए एक बड़े धक्के की आवश्यकता होती है, लेकिन एक बार जब वह वहां पहुँच जाती है, तो उसे वापस पहाड़ी पर चढ़ाना बहुत कठिन होता है। इसके विपरीत, एक बार जब गेंद पहाड़ी से नीचे लुढ़क जाती है, तो उसे वहीं रहने से रोकना कठिन होता है।

अच्छी खबर: "धूप वाला मौसम" उच्च मृत्यु दर वाले मौसम की तुलना में अधिक चिपचिपा है। इसका मतलब है कि एक बार जब 2015 में केन्या में सुधार शुरू हुआ, तो सुधार बहुत स्थिर थे और वे आसानी से संकट में नहीं गिरे।

4. "महामारी परीक्षण"

अध्ययन ने जांच की कि कोविड-19 महामारी (2020–2021) के दौरान क्या हुआ।

परिणाम: भले ही महामारी ने दुनिया भर में स्वास्थ्य सेवाओं को बाधित किया, लेकिन केन्या वापस "तूफानी मौसम" में नहीं बदला। "निम्न मृत्यु दर" के मौसम में बने रहने की संभावना 95% से ऊपर बनी रही।
निष्कर्ष: स्वास्थ्य प्रणाली ने लचीलापन दिखाया। वैश्विक उथल-पुथल के बावजूद यह पुराने संकट मोड में वापस नहीं गिरा।

5. पकड़: "चिपचिपा" होने का मतलब "तेज़" होना नहीं है

हालांकि सिस्टम निम्न मृत्यु दर शासन में स्थिर है, लेकिन पेपर एक गंभीर वास्तविकता की ओर इशारा करता है:

लक्ष्य: दुनिया चाहती है कि 2030 तक मातृ मृत्यु दर को 70 से कम (प्रति 100,000 जन्म) किया जाए (SDG 3.1)।
वास्तविकता: केन्या वर्तमान में 379 पर है। भले ही सिस्टम "अच्छे" मौसम में स्थिर है, लेकिन यह बहुत धीरे-धीरे सुधर रहा है (लगभग 2-3% प्रति वर्ष)।
गणित: वर्तमान गति से, केन्या लगभग 2060 तक 2030 के लक्ष्य तक पहुँच पाएगा। "धूप वाला मौसम" स्थिर है, लेकिन यह पर्याप्त रूप से तेज़ नहीं है।

6. "धुंधला" हिस्सा (अनिश्चितता)

चूंकि अध्ययन में केवल 24 वर्षों का डेटा है (एक छोटा नमूना), इसलिए शोधकर्ताओं ने बूटस्ट्रैप (Bootstrap) नामक तकनीक का उपयोग किया (जो मूल रूप से मामूली बदलावों के साथ गणित को 500 बार चलाना है) यह देखने के लिए कि वे कितने निश्चित हो सकते हैं।

जिसके बारे में वे आश्वस्त हैं: उच्च और निम्न मौसमों में मौतों की औसत संख्या काफी सटीक है।
जो धुंधला है: वे इस बारे में कम निश्चित हैं कि सिस्टम के एक मौसम से दूसरे मौसम में बदलने की सटीक संभावना क्या है। चूंकि 24 वर्षों में स्विच केवल दो बार हुआ है, इसलिए "पूर्वानुमान" कि अगला स्विच कब होगा, उसमें त्रुटि की एक बड़ी गुंजाइश है।

सारांश

केन्या की मातृ स्वास्थ्य यात्रा एक सहज, सीधी रेखा नहीं है। यह दो अलग-अलग युगों की कहानी है: एक अराजक युग (2007-2014) और एक स्थिर, सुधरता हुआ युग (2015-वर्तमान)।

जीत: सिस्टम सफलतापूर्वक बुरे युग से अच्छे युग में बदला और महामारी के बावजूद वहीं बना रहा।
चुनौती: हालांकि सिस्टम स्थिर है, लेकिन यह 2030 के वैश्विक लक्ष्य को पूरा करने के लिए बहुत धीरे चल रहा है। "धूप वाला मौसम" यहाँ रहने के लिए है, लेकिन समय पर काम पूरा करने के लिए इसे एक 'टर्बो बूस्ट' की आवश्यकता है।

तकनीकी सारांश: केन्या में मातृ मृत्यु दर की मार्कोव-स्विचिंग रिजीम गतिशीलता (2000-2023)

समस्या विवरण
मातृ मृत्यु दर (MMR) एक महत्वपूर्ण सार्वजनिक स्वास्थ्य चुनौती बनी हुई है, जहाँ पारंपरिक सांख्यिकीय विश्लेषण अक्सर स्वास्थ्य प्रणाली के प्रदर्शन में निहित गैर-रेखीय और संरचनात्मक परिवर्तनों को पकड़ने में विफल रहते हैं। पारंपरिक विधियाँ, जैसे कि लीनियर या जॉइनपॉइंट रिग्रेशन, आमतौर पर पहचाने गए खंडों के भीतर पैरामीटर स्थिरता मानती हैं या परिवर्तन-बिंदुओं (change-points) को नियतात्मक घटनाओं के रूप में देखती हैं। ये दृष्टिकोण महत्वपूर्ण गतिकी, जैसे कि छिपी हुई "संकट" या "रिकवरी" अवस्थाओं को अस्पष्ट कर सकते हैं, और विभिन्न स्वास्थ्य प्रणाली रिजीम (regimes) के बीच संक्रमण की संभाव्य प्रकृति को समझने में विफल रहते हैं। इसके अलावा, मौजूदा साहित्य अक्सर स्थिर विचरण (constant variance) मान लेता है, जो उस बढ़ी हुई अस्थिरता की अनदेखी करता है जो प्रणालीगत संकट के दौरों की विशेषता हो सकती है। यह अध्ययन इस समझ के अंतर को संबोधित करता है कि क्या केन्या की मातृ मृत्यु दर (MMR) की प्रक्षेपवक्र (trajectory) विशिष्ट, निरंतर रिजीम प्रदर्शित करती है और ये रिजीम समय के साथ कैसे परिवर्तित होते हैं, विशेष रूप से 2000 और 2023 के बीच राजनीतिक और नीतिगत बदलावों के संदर्भ में।

कार्यप्रणाली
यह अध्ययन 2000 से 2023 तक केन्या के वार्षिक MMR डेटा ( $T=24$ ) का विश्लेषण करने के लिए एक टू-स्टेट मार्कोव-स्विचिंग मॉडल का उपयोग करता है। WHO/UNICEF/UNFPA/World Bank और UNPD (MMEIG) अनुमानों से प्राप्त डेटा को एक टाइम सीरीज़ के रूप में माना गया है जहाँ अंतर्निहित अवस्था (रिजीम) अज्ञात (latent) और अप्रत्यक्ष है।

मॉडल विनिर्देश (Model Specification): लेखक एक रिजीम-स्विचिंग मीन मॉडल निर्दिष्ट करते हैं जहाँ $y_t = \mu_{s_t} + \epsilon_t$ , और $\epsilon_t \sim N(0, \sigma^2_{s_t})$ है। छिपी हुई अवस्था $s_t$ समय-अपरिवर्तनीय संक्रमण संभावनाओं के साथ एक प्रथम-क्रम मार्कोव श्रृंखला का अनुसरण करती है। मॉडल रिजीम-विशिष्ट माध्य ( $\mu_j$ ) और विचरण ( $\sigma^2_j$ ) की अनुमति देता है।
अनुमान (Estimation): मापदंडों का अनुमान हैमिल्टन फ़िल्टर का उपयोग करके मैक्सिमम लाइकलीहुड एस्टीमेशन (MLE) के माध्यम से एक्सपेक्टेशन-मैक्सिमाइजेशन (EM) एल्गोरिदम का उपयोग करके किया जाता है, जो रिजीम अधिभोग (occupancy) की स्मूथ की गई संभावनाओं की गणना करता है।
लघु नमूना हैंडलिंग (Small Sample Handling): सीमित नमूना आकार ( $T=24$ ) को देखते हुए, पैरामीटर अनुमानों में अनिश्चितता को मापने के लिए, विशेष रूप से संक्रमण संभावनाओं और अपेक्षित रिजीम अवधि की परिवर्तनशीलता को संबोधित करने के लिए, 500 पुनरावृत्तियों (replications) के साथ एक पैरामीट्रिक बूटस्ट्रैप विधि का उपयोग किया गया है।
मॉडल चयन: इष्टतम रिजीमों की संख्या ( $K$ ) का निर्धारण ऐके सूचना मानदंड (AIC) और बेयसियन सूचना मानदंड (BIC) के साथ-साथ लाइकलीहुड अनुपात परीक्षणों का उपयोग करके किया जाता है।
वैधीकरण (Validation): स्टेशनैरिटी का आकलन ऑगमेंटेड डिकी-फुलर (ADF) और KPSS परीक्षणों के माध्यम से किया जाता है, और संरचनात्मक परिवर्तनों (structural breaks) की जांच चाउ टेस्ट (Chow tests) द्वारा की जाती है। मजबूती की जाँच (Robustness checks) के लिए नॉर्मलिटी, सीरियल कोरिलेशन और हेटेरोस्केडास्टिसिटी के लिए अवशेष विश्लेषण (residual analysis) किया जाता है।

मुख्य परिणाम

रिजीम डिटेक्शन: टू-रिजीम मॉडल को इष्टतम (AIC = 224.37, BIC = 231.44) के रूप में चुना गया है, जो एक-, एक और तीन-रिजीम विनिर्देशों से काफी बेहतर प्रदर्शन करता है। दो अलग-अलग रिजीम पहचाने गए हैं:
- उच्च मृत्यु दर रिजीम (रिजीम 1): माध्य MMR = 488.7 (95% CI [431.6, 497.5]), मानक विचलन = 10.6। यह रिजीम 2007 से 2014 तक प्रभावी रहा।
- निम्न मृत्यु दर रिजीम (रिजीम 2): माध्य MMR = 428.2 (95% CI [410.1, 468.3]), मानक विचलन = 19.9। यह रिजीम 2000–2006 और 2015–2023 के दौरान प्रचलित रहा।
रिजीम दृढ़ता और संक्रमण (Regime Persistence and Transitions): प्रणाली उच्च दृढ़ता प्रदर्शित करती है। उच्च रिजीम में बने रहने की संभावना 87.5% है, और निम्न रिजीम में 93.3% है। फलस्वरूप, उच्च रिजीम की अपेक्षित अवधि 8 वर्ष है, जबकि निम्न रिजीम की अपेक्षित अवधि 15 वर्ष है।
- 24 वर्षों की अवधि में केवल दो रिजीम संक्रमणों का पता चला: 2006–2007 में निम्न से उच्च की ओर बदलाव और 2014–2015 में उच्च से निम्न की ओर वापसी।
- बूटस्ट्रैप परिणाम रिजीम माध्य के अनुमान में उच्च सटीकता दर्शाते हैं लेकिन संक्रमण संभावनाओं के संबंध में काफी अनिश्चितता (95% CI [0.300, 0.950]) दिखाते हैं, जिसका कारण देखे गए संक्रमणों की कम संख्या है।
कालिक गतिशीलता (Temporal Dynamics):
- 2000–2006: स्थिर निम्न-मृत्यु दर अवधि।
- 2007–2014: चुनावी हिंसा और स्वास्थ्य प्रणाली विकेंद्रीकरण (devolution) कार्यान्वयन के साथ मेल खाने वाला संकट काल।
- 2015–2023: रिकवरी काल। विशेष रूप से, प्रणाली ने कोविड-19 महामारी (2020–2021) के दौरान भी >95% संभावना के साथ निम्न-मृत्यु दर रिजीम को बनाए रखा, जो प्रणालीगत लचीलेपन (resilience) को प्रदर्शित करता है।
पारंपरिक मॉडलों के साथ तुलना: मार्कोव-स्विचिंग मॉडल AIC और BIC के मामले में एक मानक ARIMA(0,1,0) मॉडल से बेहतर प्रदर्शन करता है, जो पुष्टि करता है कि डेटा की गैर-रेखीय, अवस्था-निर्भर प्रकृति को रिजीम-स्विचिंग गतिशीलता द्वारा बेहतर ढंग से कैप्चर किया जाता है।

महत्व और दावे
यह शोध दावा करता है कि केन्या में मातृ मृत्यु दर एक अप्रत्याशित पथ का अनुसरण करती है जो निरंतर, रैखिक गिरावट के बजाय संरचनात्मक रिजीम बदलावों द्वारा चिह्नित है। मार्कोव-स्विचिंग मॉडल का अनुप्रयोग उन महत्वपूर्ण अंतर्दृष्टि प्रदान करता है जो पारंपरिक दृष्टिकोण नहीं दे सकते:

छिपी हुई अवस्थाओं की पहचान: मॉडल सफलतापूर्वक "संकट" और "रिकवरी" अवस्थाओं के बीच अंतर करता है, जिससे पता चलता है कि स्वास्थ्य प्रणाली दो अलग-अलग सांख्यिकीय वास्तविकताओं के तहत कार्य करती है जिनके माध्य और विचरण भिन्न हैं।
नीतिगत सहसंबंध: पहचाने गए रिजीम संक्रमण प्रमुख राष्ट्रीय घटनाओं के साथ सामयिक रूप से मेल खाते हैं। उच्च-मृत्यु दर रिजीम में बदलाव 2007-2008 की चुनावी हिंसा के साथ मेल खाता है, जबकि निम्न-मृत्यु दर रिजीम में वापसी 2010 के संविधान (विकेंद्रीकरण) के कार्यान्वयन और 2013 की मुफ्त मातृत्व नीति के साथ संरेखित है।
लचीलापन और स्थिरता: निम्न-मृत्यु दर रिजीम की उच्च दृढ़ता (अपेक्षित अवधि 15 वर्ष) यह सुझाव देती है कि नीतिगत हस्तक्षेप, एक बार सफल होने के बाद, दीर्घकालिक स्थिरता प्रदान कर सकते हैं। महामारी के दौरान निम्न-मृत्यु दर अवस्था में बने रहने की प्रणाली की क्षमता इसके लचीलेपन को रेखांकित करती है।
SDG 3.1 निहितार्थ: निम्न-मृत्यु दर रिजीम में सफल संक्रमण के बावजूद, इस रिजीम के भीतर गिरावट की वर्तमान दर 2030 तक सतत विकास लक्ष्य (SDG) 3.1 लक्ष्य (<70 मृत्यु प्रति 1,00,000 जीवित जन्म) को पूरा करने के लिए अपर्याप्त है। लेखक नोट करते हैं कि वर्तमान गति पर, लक्ष्य 2060 तक ही प्राप्त किया जा सकता है, जिसके लिए त्वरित हस्तक्षेप की आवश्यकता है।

अध्ययन निष्कर्ष निकालता है कि जबकि मार्कोव-स्विचिंग दृष्टिकोण केन्या की मातृ मृत्यु दर प्रवृत्तियों में संरचनात्मक ब्रेक और दृढ़ता को प्रकट करता है, संक्रमण संभावनाओं में व्यापक विश्वास अंतराल (लघु नमूना आकार के कारण) सावधानीपूर्वक व्याख्या की मांग करते हैं। निष्कर्ष यह स्पष्ट करते हैं कि निम्न-मृत्यु दर रिजीम को बनाए रखने और वैश्विक स्वास्थ्य लक्ष्यों की ओर प्रगति को तेज करने के लिए निरंतर नीतिगत प्रयासों की आवश्यकता है।