کیا ہیلتھ مینجمنٹ انفارمیشن سسٹم (HMIS) ڈیٹا کو خاندانی منصوبہ بندی کے پروگراموں کے اثرات کو ظاہر کرنے کے لیے استعمال کیا جا سکتا ہے؟ اور، اگر ایسا ہے تو، اس اثر کی تشخیص کتنی کم لاگت ہو سکتی ہے؟
بڑھتے ہوئے دباؤ کے تحت خاندانی منصوبہ بندی کی فنڈنگ کے ساتھ، فیصلہ سازوں کو اپنے پروگراموں کے اثرات کو ظاہر کرنے کے لیے کم لاگت، قابل اعتبار طریقوں کی ضرورت ہوتی ہے۔
گھریلو سروے کا استعمال کرتے ہوئے روایتی اثرات کی تشخیص پر ہزاروں یا لاکھوں ڈالر لاگت آسکتی ہے۔ اس کے برعکس، HMIS کا ڈیٹا پہلے ہی صحت کی سہولیات سے معمول کے مطابق اکٹھا کیا جاتا ہے اور اس لیے یہ ایک پرکشش متبادل پیش کرتا ہے۔
لیکن کیا HMIS ڈیٹا کو سخت اثرات کے تخمینے فراہم کرنے کے لیے استعمال کیا جا سکتا ہے؟ اور کیا آٹومیشن اسے تقریباً مفت بنا سکتا ہے؟ Itad حالیہ ہے۔ کی تشخیص The Challenge Initiative ( TCI ) بالکل اسی کو جانچنے کے لیے ڈیزائن کیا گیا تھا۔
تقریباً The Challenge Initiative
TCI 13 ممالک میں 214 مقامی حکومتوں (LGs) کی مدد کرتا ہے تاکہ فوری طور پر نفلی خاندانی منصوبہ بندی اور ماس میڈیا مہمات سے لے کر کمیونٹی ہیلتھ ورکر کی رسائی تک اعلیٰ اثر والے خاندانی منصوبہ بندی کی مداخلتوں کو بڑھایا جا سکے۔ TCI اس کا مقصد حکومتی ذمہ داری کو مضبوط کرنا، خود انحصاری پیدا کرنا، اور شہری غریبوں میں جدید مانع حمل ادویات کے استعمال کو بڑھانا ہے۔
کیا HMIS ڈیٹا کو اثرات کی تشخیص کے لیے استعمال کیا جا سکتا ہے؟
روایتی طور پر، HMIS ڈیٹا بنیادی طور پر پروگرام کی نگرانی اور انتظام کے لیے استعمال ہوتا ہے، آبادی کی سطح کے نتائج کا تخمینہ لگانے کے لیے نہیں۔ ڈیٹا کوالٹی کے اہم خدشات کی وجہ سے اسے تاریخی طور پر کم استعمال کیا گیا ہے۔ گھریلو سروے کے برعکس، HMIS ڈیٹا نمائندہ آبادی کے نمونوں کی بجائے سہولیات سے آتا ہے، جس سے آبادی کی سطح پر مانع حمل استعمال کا اندازہ لگانا مشکل ہو جاتا ہے۔
تاہم، مالیاتی رکاوٹوں کے تناظر میں، تشخیص کے لیے HMIS ڈیٹا کی اپیل واضح ہے: یہ پہلے سے ہی اعلی تعدد پر جمع کیا جاتا ہے، اور بنیادی ڈیٹا اکٹھا کرنے سے کہیں زیادہ سستا ہے۔
لہذا، 2021 میں، TCI Itad سے یہ معلوم کرنے کو کہا کہ آیا HMIS ڈیٹا انٹرپٹڈ ٹائم سیریز (ITS) تجزیہ کا استعمال کرتے ہوئے معتبر اثرات کا تخمینہ لگا سکتا ہے - ایک تحقیقی ڈیزائن جو مداخلت کی تاثیر کا جائزہ لینے کے لیے استعمال کیا جاتا ہے۔
ڈالنا ایچ ایم آئی ایس ٹیسٹ کے لیے
HMIS ڈیٹا کی صلاحیت کو جانچنے کے لیے، Itad نے ایک سخت لیکن وسائل پر مبنی تجزیہ کا طریقہ اختیار کیا۔ اس میں ڈیٹا کے معیار کا جائزہ، ڈیٹا کی گہری صفائی، سیاق و سباق کا تجزیہ، اور ماہر کی تشریح اور توثیق شامل تھی۔
نتائج حیران کن تھے۔ سات ممالک میں 40 LGs میں، Itad کے HMIS پر مبنی تخمینوں کا پچھلی آزاد تشخیص کے ساتھ قریب سے پتہ لگایا گیا TCI . یہ ظاہر کرتا ہے کہ احتیاط سے صاف کیا گیا HMIS ڈیٹا لاگت کے ایک حصے پر ڈیٹا اکٹھا کرنے کے مہنگے طریقوں کے مقابلے قابل اعتبار اثر اندازے پیدا کر سکتا ہے۔
تاہم، مضبوط نتائج کے باوجود، ایک کیچ تھا. Itad کے نقطہ نظر میں اب بھی کافی محققین کی شمولیت شامل ہے اور اس میں اہم وقت اور وسائل درکار ہیں۔ بجٹ محدود ہونے کے ساتھ، Itad ٹیم متجسس تھی: کیا وہ تجزیہ کے پورے عمل کو خودکار کر سکتے ہیں اور اثرات کی تشخیص تقریباً مفت کر سکتے ہیں؟
ٹیسٹنگ آٹومیشن: ایک سر سے سر موازنہ
Itad نے وسائل پر مبنی تجزیہ کے نقطہ نظر کا موازنہ ایک کم لاگت والے خود کار طریقے سے کیا جس میں محققین کی کم سے کم شمولیت شامل ہو۔
انہوں نے مکمل طور پر خودکار ITS اپروچ بنایا جس کے لیے عملی طور پر کسی محقق کی شمولیت کی ضرورت نہیں تھی - صرف کوڈ، کمپیوٹرز اور صحت کا ڈیٹا۔ اس کے بعد اٹاڈ نے اس کا موازنہ اپنے وسائل پر مبنی نقطہ نظر سے کیا تاکہ استطاعت اور تجزیاتی سختی کے درمیان تجارتی تعلقات کو سمجھا جا سکے۔
انہوں نے 28 LG کے ڈیٹا کا استعمال کرتے ہوئے دونوں طریقوں کا تجربہ کیا۔ ہر مقام کے لیے، Itad نے خودکار اور کیوریٹڈ طریقوں سے پیدا ہونے والے کلائنٹس کی تعداد میں متعلقہ (%) اور مطلق تبدیلی کا جائزہ لیا۔ مقصد صرف نمبروں کا موازنہ کرنا نہیں تھا، بلکہ یہ سمجھنا تھا کہ فیصلہ ساز کم لاگت والے خودکار طریقہ کار میں کتنا اعتماد رکھ سکتے ہیں۔
تو، Itad نے کیا پایا؟
باوجود TCI HMIS ڈیٹا کے معیار اور Itad کے سخت شمولیت کے معیار کو مضبوط بنانے کے لیے کی مختلف سرمایہ کاری، خودکار طریقہ کار نے وسائل کے ذریعے حاصل کیے گئے نتائج کے مقابلے میں اوسطاً 34% کا فرق ظاہر کیا (ذیل میں تصویر 1 دیکھیں)۔ کچھ LGs میں، انحراف اس سے بھی زیادہ تھا۔ اہم بات یہ ہے کہ یہ حد سے زیادہ اندازہ ان صورتوں میں بھی برقرار رہا جب خودکار نقطہ نظر "اچھی کارکردگی کا مظاہرہٹیم کے تشخیصی چیک پر مبنی۔
اس سے متعلق ہے کیونکہ اثرات کے بڑھے ہوئے تخمینے فیصلہ سازوں کو گمراہ کر سکتے ہیں، وسائل کی تقسیم کو بگاڑ سکتے ہیں اور پروگرام کی ساکھ کو کمزور کر سکتے ہیں۔ بالآخر، اس کا مطلب یہ ہے کہ ڈیٹا کی صفائی، تصدیق، اور تشریح میں انسانی شمولیت کے بغیر، خودکار HMIS پر مبنی ITS ماڈل فیصلہ سازی کو مطلع کرنے کے لیے اثرات کا تخمینہ نہیں بنا سکتے۔
تصویر 1. خودکار تشخیصی کے ذریعہ NCU میں تبدیلی (فی صد کے طور پر)
لیکن اس کا مطلب یہ نہیں ہے کہ آٹومیشن بیکار ہے۔
اگرچہ Itad نے پایا کہ مکمل طور پر خودکار طریقے فیصلہ سازی کے لیے کافی حد تک قابل اعتماد نہیں ہیں، خود کار طریقے اب بھی قابل قدر ہیں۔
اگرچہ انفرادی LG تخمینے وسائل پر مبنی نقطہ نظر کے ذریعے حاصل کردہ نتائج سے کافی حد تک مختلف تھے، مجموعی طور پر پورٹ فولیو سطح کے تخمینوں نے قریب تر صف بندی ظاہر کی۔ اس سے پتہ چلتا ہے کہ خود کار طریقے سے مجموعی اثرات کے معقول سگنل مل سکتے ہیں۔ پورٹ فولیو کی سطح پر اسکین کرکے اور گہری تفتیش کے لیے ابتدائی بصیرت اور علاقوں کی نشاندہی کرکے، اس لیے آٹومیشن پروگرام مینیجرز کے اخراجات کو کم کر سکتی ہے۔
خاندانی منصوبہ بندی کے پروگراموں کے لیے اس کا کیا مطلب ہے؟
Itad کے کام سے پتہ چلتا ہے کہ HMIS ڈیٹا میں اثرات کی تشخیص کی بہت زیادہ صلاحیت ہے جب سخت تصدیق اور سیاق و سباق کے حساس تجزیہ کے ساتھ جوڑا بنایا جائے۔ خودکار طریقے ماہرین کے فیصلے کی جگہ نہیں لے سکتے اور بڑے فیصلوں کو چلانے کے لیے استعمال نہیں کیا جانا چاہیے۔ تاہم، خود کار طریقے سے کر سکتے ہیں اب بھی مزید انکوائری کے لیے جھنڈے والے علاقوں میں پورٹ فولیوز کو اسکرین کرنے کے لیے استعمال کیا جائے گا۔
خودکار اور وسائل پر مبنی دونوں طریقوں کا اسٹریٹجک استعمال اس وجہ سے لاگت، پیمانے اور سختی کو متوازن کر سکتا ہے۔ یہ دونوں کے درمیان انتخاب کرنے کے بارے میں نہیں ہے، بلکہ دونوں کو صحیح امتزاج میں تعینات کرنے کے بارے میں ہے۔ اس سے بہتر سرمایہ کاری، مضبوط پروگرام اور ان کمیونٹیز کے لیے بہتر نتائج حاصل کرنے میں مدد ملے گی جن میں خاندانی منصوبہ بندی کی مداخلت کام کرتی ہے۔
