ट्राइएज रूटिंग सटीकता

ट्राइएज रूटिंग सटीकता उन रोगी मुठभेड़ों (encounters) का अनुपात है जिनमें कोई स्वचालित या AI-सहायित ट्राइएज उपकरण नैदानिक रूप से सत्यापित संदर्भ मानक के विरुद्ध आँकने पर रोगी को देखभाल के उपयुक्त स्तर और सेटिंग — उदाहरण के लिए स्व-देखभाल, प्राथमिक देखभाल, तत्काल देखभाल, या आपातकालीन देखभाल — की ओर सही ढंग से रूट करता है। यह किसी भी डिजिटल फ़्रंट डोर, लक्षण जाँचकर्ता (symptom checker), या AI ट्राइएज प्रणाली के लिए सुरक्षा-और-प्रभावशीलता का मेट्रिक है: उपकरण का संपूर्ण मूल्य-प्रस्ताव रोगियों को सही, शीघ्र और निरंतर रूप से रूट करने पर टिका है।

यह क्यों महत्वपूर्ण है

गलत ट्राइएज उपकरण दोनों दिशाओं में हानि पहुँचाता है: अंडर-ट्राइएज (रोगी को उसकी आवश्यकता से निचले स्तर की देखभाल की ओर रूट करना) किसी वास्तविक आपातकाल के उपचार में विलंब कर सकता है, जबकि ओवर-ट्राइएज (रोगी को उसकी आवश्यकता से उच्च स्तर की देखभाल की ओर रूट करना) दुर्लभ आपातकालीन और तत्काल देखभाल क्षमता को व्यर्थ करता है और बिना किसी नैदानिक लाभ के लागत और रोगी की चिंता बढ़ाता है। चूँकि इन दो विफलता-प्रकारों के परिणाम इतने भिन्न हैं, ट्राइएज रूटिंग सटीकता को हमेशा त्रुटियों की दिशा के साथ रिपोर्ट किया जाना चाहिए, किसी एक समग्र सटीकता आंकड़े के रूप में नहीं जो यह छिपा देता है कि उपकरण सुरक्षित ढंग से त्रुटि कर रहा है या ख़तरनाक ढंग से। विनियामक और स्वास्थ्य प्रणालियाँ जो तैनाती के लिए किसी AI ट्राइएज उपकरण का मूल्यांकन करती हैं, नैदानिक स्वीकृति की शर्त के रूप में इस प्रकार की स्तरीकृत सटीकता रिपोर्टिंग की अपेक्षा बढ़ते क्रम में करती हैं, विशेष रूप से उन उपकरणों के लिए जो चिकित्सक से किसी भी स्तर की स्वायत्तता के साथ कार्य करते हैं।

इसकी गणना कैसे की जाती है

ट्राइएज रूटिंग सटीकता = सही रूट की गई मुठभेड़ें / कुल ट्राइएज की गई मुठभेड़ें × 100

अंडर-ट्राइएज और ओवर-ट्राइएज को अलग-अलग रिपोर्ट करें:
  अंडर-ट्राइएज दर = संदर्भ मानक की तुलना में निचले तीव्रता स्तर पर रूट की
                      गई मुठभेड़ें / कुल ट्राइएज की गई मुठभेड़ें × 100
  ओवर-ट्राइएज दर  = संदर्भ मानक की तुलना में उच्च तीव्रता स्तर पर रूट की
                      गई मुठभेड़ें / कुल ट्राइएज की गई मुठभेड़ें × 100

संदर्भ मानक आमतौर पर उसी केस की पूर्वव्यापी चिकित्सक समीक्षा होता है,
जहाँ संभव हो उपकरण के आउटपुट से अनभिज्ञ (blinded) रहकर।

हल किया गया उदाहरण

एक AI लक्षण जाँचकर्ता उपकरण एक माह में 5,000 रोगी मुठभेड़ों का ट्राइएज करता है। इनमें से 500 मुठभेड़ों के यादृच्छिक नमूने की एक ब्लाइंडेड चिकित्सक समीक्षा में पाया जाता है कि 430 सही तीव्रता स्तर पर रूट की गईं (सटीकता 86%), 45 अंडर-ट्राइएज की गईं (9%), और 25 ओवर-ट्राइएज की गईं (5%)। 9% अंडर-ट्राइएज दर वह आंकड़ा है जिसकी सबसे तत्काल जाँच आवश्यक है, क्योंकि यह उन मुठभेड़ों को दर्शाती है जहाँ रोगी को उसकी वास्तविक आवश्यकता से कम तत्काल देखभाल की ओर निर्देशित किया गया हो सकता है; 5% ओवर-ट्राइएज दर क्षमता और लागत की चिंता है, पर सीधी सुरक्षा संबंधी नहीं।

डेटा स्रोत और सावधानियाँ

जिस संदर्भ मानक के विरुद्ध ट्राइएज सटीकता मापी जाती है, वह अत्यंत महत्वपूर्ण है: एकल चिकित्सक द्वारा समीक्षा उस चिकित्सक के अपने निर्णय की परिवर्तनशीलता को जोड़ देती है, इसलिए विश्वसनीय सटीकता आंकड़े के लिए आमतौर पर या तो प्रलेखित अंतर-मूल्यांकनकर्ता सहमति वाले कई स्वतंत्र समीक्षक चाहिए, या किसी बाद के, पुष्ट नैदानिक परिणाम (रोगी को वास्तव में किस देखभाल की आवश्यकता थी, जो बाद में स्थापित हुआ) से तुलना। नमूनाकरण भी मायने रखता है: मुठभेड़ों के केवल सुविधाजनक नमूने की, या केवल असामान्य के रूप में चिह्नित मुठभेड़ों की समीक्षा ऐसा आंकड़ा नहीं देगी जो उपकरण के समग्र प्रदर्शन पर सामान्यीकृत हो सके। सटीकता के आंकड़े, जहाँ अंतर्निहित केस की मात्रा अनुमति दे, प्रस्तुत लक्षण या शिकायत की श्रेणी के अनुसार अलग से रिपोर्ट किए जाने चाहिए, क्योंकि ट्राइएज उपकरण शायद ही कभी सभी स्थितियों में एकसमान प्रदर्शन करते हैं।

सामान्य गलतियाँ

• एक ही मिश्रित सटीकता आंकड़ा रिपोर्ट करना: अंडर-ट्राइएज और ओवर-ट्राइएज को एक संख्या में समेट देने से यह छिप जाता है कि उपकरण की त्रुटियाँ अधिक ख़तरनाक विफलता-प्रकार की ओर झुकी हैं या नहीं; उन्हें हमेशा अलग-अलग रिपोर्ट करें।
• एकल, गैर-ब्लाइंडेड समीक्षक को संदर्भ मानक के रूप में उपयोग करना: यह सटीकता आंकड़े को चुपचाप उस ओर पक्षपाती कर सकता है जो वह समीक्षक स्वयं करता, किसी स्वतंत्र नैदानिक मानक के बजाय।
• केवल पूर्वव्यापी, सुविधाजनक डेटा पर सत्यापन करना: जीवंत, अस्पष्ट रोगी इनपुट पर उपकरण की वास्तविक-दुनिया की रूटिंग सटीकता अक्सर विकास के दौरान तैयार किए गए चुनिंदा सत्यापन सेट पर उसकी सटीकता से काफ़ी भिन्न होती है।
• तैनाती के बाद प्रदर्शन के विचलन (drift) की उपेक्षा करना: जैसे-जैसे रोगी जनसंख्या, प्रस्तुत लक्षण, या देखभाल-मार्ग की उपलब्धता बदलती है, AI ट्राइएज मॉडल की सटीकता समय के साथ घट सकती है; सटीकता को आवर्ती आधार पर पुनः मापा जाना चाहिए, एक बार सत्यापित करके स्थिर नहीं मान लेना चाहिए।

स्रोत

• ONC / HealthIT.gov, नैदानिक निर्णय सहायता और AI-सक्षम उपकरणों की सुरक्षा और गुणवत्ता आश्वासन पर मार्गदर्शन
• लक्षण जाँचकर्ता और AI ट्राइएज उपकरण की सटीकता पर सहकर्मी-समीक्षित साहित्य, उदाहरण के लिए JAMIA, npj Digital Medicine और BMJ Health & Care Informatics में प्रकाशित अध्ययन
• NHS England, डिजिटल ट्राइएज और दूरस्थ परामर्श उपकरणों की नैदानिक सुरक्षा पर मार्गदर्शन (DCB0129/DCB0160 नैदानिक जोखिम प्रबंधन मानक)

यह भी देखें: डिजिटल रेफरल टर्नअराउंड समय, जो ट्राइएज निर्णय का सबसे प्रत्यक्ष अनुवर्ती प्रक्रिया मेट्रिक है।