इंग्लंडच्या प्रिस्क्रायबिंग डेटातून औषधवापरातील खोल असमानता उघड झाली

इंग्लंडची औषध नोंद उपचार किती असमान रीतीने वितरित झाले आहेत हे उघड करते

इंग्लंडमध्ये वितरित झालेल्या 5.8 अब्ज औषधांचे नवे विश्लेषण उत्पन्न, वय, लिंग आणि वंश/जातीयता यांनुसार प्रिस्क्रायबिंगचे नमुने कसे वेगळे आहेत याचे आजवरचे सर्वात स्पष्ट राष्ट्रीय चित्र देते. संशोधकांनी COVID-19 साथीच्या काळात आणि नंतर 5.2 कोटींहून अधिक लोकांचा समावेश असलेल्या डिस्पेन्सिंग नोंदींचा अभ्यास केला आणि जीवनाच्या सुरुवातीपासूनच दिसणाऱ्या, तसेच प्रौढत्वात अधिक रुंदावणाऱ्या ठळक दऱ्या आढळल्या.

Health Data Research UK मधील BHF Data Science Center आणि University of Liverpool येथील संशोधकांनी केलेल्या आणि Nature Health मध्ये प्रकाशित झालेल्या या अभ्यासाचा युक्तिवाद आहे की औषधांच्या डेटाला रुग्णांच्या वैशिष्ट्यांशी जोडणे हे केवळ असमानतेचे वर्णन करत नाही. ते प्रिस्क्रायबिंग कुठे अधिक जोखमीचे होत आहे, कुठे सेवा कमी सातत्यपूर्ण असू शकते, आणि सार्वजनिक आरोग्य यंत्रणांनी कुठे अधिक वेगाने प्रतिसाद द्यायला हवा, हेही दाखवू शकते.

40 व्या वर्षापर्यंत वंचनेची दरी आधीच गंभीर होते

या अभ्यासातील सर्वात ठळक निष्कर्ष म्हणजे सामाजिक-आर्थिक दरीचा आकार. वयाच्या 40 व्या वर्षी, सर्वाधिक वंचित गटांतील लोकांना सर्वात कमी वंचित गटांतील लोकांपेक्षा जवळपास दुप्पट औषधे दिली गेली होती. विश्लेषणात असेही दिसून आले की अधिक वंचित समुदायांतील लोकांना जीवनाच्या सुरुवातीलाच औषधे मिळू लागली होती.

हे महत्त्वाचे आहे, कारण प्रिस्क्रायबिंगचे प्रमाण हे केवळ उपचार-प्रवेशाचे मोजमाप नाही. ते आजाराचे ओझे लवकर दिसणे, अधिक दीर्घकालीन आजार, आणि अधिक गुंतागुंतीचे आरोग्य प्रवास यांचेही प्रतिबिंब असू शकते. प्रत्यक्षात, हा डेटा सूचित करतो की वंचित लोकसंख्येत खराब आरोग्य लवकर दिसते आणि अधिक औषध-आधारित हस्तक्षेपाची गरज भासते.

लिंग आणि वंश/जातीयतेतील फरक ठळक आहेत

संशोधकांना लक्षणीय लोकसांख्यिकीय फरकही आढळले. पुरुषांपेक्षा महिलांना जीवनाच्या सुरुवातीच्या टप्प्यात अधिक औषधे दिली गेली, विशेषतः मानसिक आरोग्याशी संबंधित औषधांमध्ये हा फरक खूप ठळक होता. सर्वाधिक डिस्पेन्सिंग दर बंगाली आणि पाकिस्तानी समुदायांमध्ये आढळले, ज्यामुळे इंग्लंडभरातील असमान आरोग्य-ओझे आणि उपचार मार्गांच्या चित्राला आणखी एक थर मिळतो.

हे निष्कर्ष एकट्यानेच हे फरक का आहेत हे स्पष्ट करत नाहीत. मात्र, आजाराचा प्रसार, प्रतिबंधात्मक काळजीतील अडथळे, किंवा स्थिती ओळखण्याच्या आणि व्यवस्थापनाच्या पद्धतींतील फरक कुठे अधिक खोल तपासणीची गरज आहे, याचा अधिक नेमका नकाशा ते देतात.

बहुऔषधोपचार अधिक सामान्य होत आहे

या अभ्यासात बहुऔषधोपचाराचा प्रसारही अधोरेखित केला आहे, ज्याची येथे साधारण व्याख्या पाचपेक्षा जास्त वेगवेगळी औषधे दिली जाणे अशी करण्यात आली आहे. 70 वर्षांच्या वयोगटातील 40% हून अधिक लोक या वर्गात होते. मुलांमध्ये संख्या कमी होती, पण तरीही महत्त्वाची: 3 वर्षांच्या 5% मुलांना तीन किंवा अधिक औषधे दिली गेली.

बहुऔषधोपचार वैद्यकीयदृष्ट्या आवश्यक असू शकतो, विशेषतः अनेक आजार असलेल्या वृद्धांमध्ये. पण त्यातून औषधांच्या परस्परक्रिया, औषध-पुनरावलोकन, औषधांचे पालन, आणि रुग्ण वेगवेगळ्या सेवांदरम्यान गेले की प्रिस्क्रायबिंग किती समन्वित राहते, याबाबत प्रश्न निर्माण होतात. एकाच वेळी अनेक औषधांचा वापर जितका वाढतो, तितक्या या सुरक्षितता तपासण्या अधिक महत्त्वाच्या ठरतात.

साथीने प्रस्थापित नमुने विस्कळीत केले

COVID-19 ने डेटामध्ये ठळक तुटकपणा निर्माण केला. 2020 मध्ये नवीन डिस्पेन्सिंग कमी झाले, पण पुनरुज्जीवन असमान होते. संशोधकांच्या मते, हृदयरोग आणि मधुमेहासाठी नवीन औषधांचे डिस्पेन्सिंग नंतर साथीपूर्व पातळीपेक्षा वर गेले. मात्र, काही मानसिक आरोग्य स्थितींसाठी डिस्पेन्सिंग घटले आणि आधीच्या पातळीखालीच राहिले.

ही तफावत धोरणकर्त्यांसाठी महत्त्वाची ठरू शकते. यावरून असे दिसते की साथीने केवळ नियमित सेवा थांबवून मग त्याच मार्गावर पुन्हा सुरू करण्याची संधी दिली, असे झाले नाही. काही क्षेत्रे जोरदार सावरली, तर काही ठिकाणी अधिक टिकाऊ बदल झालेले दिसतात.

हा डेटासेट का महत्त्वाचा आहे

National Health Service औषधांवर वर्षाला सुमारे £20 अब्ज खर्च करते, म्हणजेच तिच्या अंदाजपत्रकाचा जवळपास 10%. तरीही औषध डेटा, रुग्णांची वैशिष्ट्ये आणि परिणाम हे नेहमी अशा प्रकारे जोडले जात नाहीत की प्रणालीला कोणाला काय मिळते, ते किती सुरक्षितपणे वापरले जाते, किंवा त्यातून किती मूल्य मिळते हे पूर्णपणे मागोवा घेता येईल. COVID काळातील संशोधनासाठी विकसित केलेल्या लिंकिंग कामातून अशा एकात्मिक विश्लेषणाचे राष्ट्रीय स्तरावर शक्य असल्याचे संशोधक सांगतात.

यामुळे हा अभ्यास केवळ प्रिस्क्रायबिंगचा एक क्षणचित्र राहत नाही. प्रशासकीय डेटाचा वापर करून आरोग्य प्रणाली असमानता आधी ओळखू शकतात, उपचार प्रवृत्ती अधिक जवळून पाहू शकतात, आणि धोका वाढत असलेल्या ठिकाणी औषध-पुनरावलोकन लक्ष्यित करू शकतात, याचा तो एक कसोटीचा दाखला ठरतो.

एकूण संदेश दुर्लक्षित करणे कठीण आहे. इंग्लंडचा प्रिस्क्रायबिंग रेकॉर्ड हा तटस्थ पार्श्वभूमीचा डेटा नाही. कोणाला आजार लवकर होतो, कोण औषधे झपाट्याने जमा करतो, आणि सुरक्षितता व न्याय सुधारण्यासाठी NHS ला कुठे अधिक बुद्धिमत्तेने हस्तक्षेप करावा लागेल, याचे तो सविस्तर वर्णन आहे.

हा लेख Medical Xpress च्या वार्तांकनावर आधारित आहे. मूळ लेख वाचा.