रोग इंटेलिजेंस का फ़ील्ड कार्रवाई से जुड़ना क्यों ज़रूरी है

सार्वजनिक स्वास्थ्य के पास रोग जोखिम के बारे में पहले कभी इतनी जानकारी नहीं थी। डिजिटल निगरानी प्लेटफ़ॉर्म हज़ारों संस्थानों से रिपोर्टें एकत्र करते हैं। उपग्रह रोज़ बारिश और भूमि-सतह का तापमान मापते हैं। ओपन-सोर्स इंटेलिजेंस टूल दर्जनों भाषाओं में समाचार और सोशल मीडिया खंगालते हैं। हर मौसम में पूर्वानुमान मॉडल प्रकाशित होते हैं।

फिर भी, एक के बाद एक कार्यक्रम में वही पैटर्न दोहराया जाता है: उछाल पहचाना जाता है, रिपोर्ट लिखी जाती है, बैठक होती है - और प्रतिक्रिया चरम के बाद पहुँचती है।

समस्या शायद ही कभी इंटेलिजेंस की कमी होती है। समस्या है इंटेलिजेंस और कार्रवाई के बीच की दूरी।

खाई कहाँ बनती है

किसी वेक्टर-जनित रोग कार्यक्रम का एक सामान्य क्रम देखें। एक ज़िला निगरानी अधिकारी साप्ताहिक रिपोर्टों में बढ़ती पॉज़िटिविटी देखता है। राज्य का महामारी विज्ञानी एक सप्ताह बाद डेटा के समेकन पर इसकी पुष्टि करता है। पूर्वानुमान, यदि कोई है, किसी स्लाइड डेक में पड़ा रहता है। समन्वय बैठक में वेक्टर नियंत्रण तेज़ करने का निर्णय होता है। फिर किसी को तय करना होता है कि कौन-से वार्ड, कौन-सी टीमें, कितनी सामग्री और किस क्रम में - आमतौर पर स्प्रेडशीट में, अक्सर शुरुआत से।

हर हस्तांतरण देरी जोड़ता है और जानकारी खो देता है। जो पूर्वानुमान बताता था कि जोखिम क्यों बढ़ रहा था, और कहाँ केंद्रित था, वह शायद ही कभी माइक्रोप्लान तक की यात्रा में बचता है। और फ़ील्ड टीमों की तैनाती के बाद, कार्यक्रम को अक्सर तब तक बहुत कम पता होता है कि वास्तव में क्या किया गया, जब तक हफ़्तों बाद रिपोर्टें न आ जाएँ।

डैशबोर्ड पर रुक जाने वाली इंटेलिजेंस

रोग इंटेलिजेंस के कई टूल सूचित करने के लिए डिज़ाइन किए गए हैं: मानचित्र, अलर्ट, ब्रीफ़िंग। यह मूल्यवान है - लेकिन सूचित करना सक्षम बनाने के समान नहीं है। जोखिम मानचित्र किसी पर्यवेक्षक को यह नहीं बताता कि कल किस टीम को किस बस्ती में भेजना है। पूर्वानुमान अपने आप ज़िला भंडार के स्टॉक स्तरों से मेल नहीं खाता।

जब इंटेलिजेंस डैशबोर्ड पर रुक जाती है, तो तीन चीज़ें होती हैं:

• निर्णय आदत पर लौट आते हैं। जोखिम से योजना तक व्यावहारिक रास्ते के बिना, कार्यक्रम पिछले साल के आवंटन पर लौट जाते हैं।
• जवाबदेही धुंधली हो जाती है। यह कहना कठिन हो जाता है कि ख़राब परिणाम ख़राब इंटेलिजेंस, ख़राब निर्णय या कमज़ोर कार्यान्वयन के कारण था।
• सीखना रुक जाता है। यदि गतिविधियाँ उस जोखिम से नहीं जुड़ी हैं जिसने उन्हें प्रेरित किया, तो यह जानने का कोई तरीका नहीं कि कौन-सी प्रतिक्रियाएँ कारगर रहीं।

जुड़ी हुई इंटेलिजेंस कैसी दिखती है

खाई पाटने के लिए किसी एक विशाल प्रणाली की ज़रूरत नहीं है। ज़रूरत है कुछ चीज़ों को सोच-समझकर जोड़ने की:

1. सत्यापित संकेत पूर्वानुमानों को इनपुट देते हैं। विश्लेषकों द्वारा पुष्ट घटनाओं को जोखिम अनुमानों को अपडेट करना चाहिए, किसी अलग इनबॉक्स में पड़ा नहीं रहना चाहिए।
2. पूर्वानुमान प्राथमिकता-निर्धारण को इनपुट देते हैं। पारदर्शी, सहमत मानदंडों से जोखिम को संवेदनशीलता और देखभाल तक पहुँच के साथ जोड़ा जाना चाहिए।
3. प्राथमिकताएँ माइक्रोप्लान को इनपुट देती हैं। रैंक किए गए क्षेत्रों को फ़ील्ड योजनाओं के ऐसे मसौदों में बदलना चाहिए जो टीमों, दूरी और स्टॉक का ध्यान रखें।
4. कार्यान्वयन निगरानी को इनपुट देता है। नियोजित बनाम पूर्ण गतिविधियाँ तब दिखाई देनी चाहिए जब समायोजन का समय अभी बाकी हो।
5. परिणाम अगले चक्र को इनपुट देते हैं। कवरेज, लागत और महामारी-विज्ञान रुझानों को योजना के अगले दौर को दिशा देनी चाहिए।

इनमें से कोई भी कड़ी तकनीकी रूप से अनोखी नहीं है। जो कमी रही है, वह है एक ऐसा डिज़ाइन दर्शन जो पूरी श्रृंखला को ही उत्पाद माने।

नियंत्रण मनुष्यों के हाथ में रखना

इंटेलिजेंस को कार्रवाई से जोड़ने पर एक उचित चिंता उठती है: क्या स्वचालन समुदायों को प्रभावित करने वाले निर्णयों से मानवीय विवेक को हटा देता है? ऐसा नहीं होना चाहिए। लक्ष्य रुकावटों को हटाना है, लोगों को नहीं। योजनाओं के मसौदों की समीक्षा उन पर्यवेक्षकों को करनी चाहिए जो इलाक़े को जानते हैं। रैंकिंग को अपने भार दिखाने चाहिए ताकि हितधारक उन पर सवाल उठा सकें। पूर्वानुमानों को अपनी अनिश्चितता दिखानी चाहिए ताकि निर्णयकर्ता उन्हें उचित महत्व दे सकें।

अच्छी तरह किया जाए, तो एक जुड़ी हुई प्रणाली अनुभवी लोगों को वह विवेक लगाने के लिए अधिक समय देती है जो केवल वही लगा सकते हैं - और यह भी स्पष्ट रिकॉर्ड देती है कि निर्णय क्यों लिए गए।

सफलता का पैमाना

रोग इंटेलिजेंस का मूल्य उत्पन्न अलर्टों की संख्या या किसी मॉडल की परिष्कृतता में नहीं है। मूल्य इस बात में है कि क्या सही हस्तक्षेप सही समय पर सही समुदाय तक पहुँचा - और क्या हम यह दिखा सकते हैं।

यही वह मानक है जिसे पूरा करने के लिए Epinova बनाया जा रहा है। हम मलेरिया और डेंगू से शुरुआत कर रहे हैं क्योंकि दोनों स्थानीय परिस्थितियों से गहराई से प्रभावित होते हैं और दोनों में सटीक, समय पर कार्रवाई का लाभ मिलता है। आने वाले महीनों में हम साझेदारों के साथ यह परखेंगे कि क्या श्रृंखला के हर चरण को जोड़ने से मापने योग्य अंतर आता है - और जो सीखेंगे उसकी रिपोर्ट करेंगे, जिसमें यह भी शामिल होगा कि क्या काम नहीं आया।