موضوع 8.6 — تحقیق اور حقیقی دنیا کی تشخیص

صحت اور نگہداشت میں ڈیجیٹل جدت اتنی ہی قابلِ اعتماد ہے جتنے اس بات کے شواہد کہ یہ عملاً کام کرتی ہے — اس لیے آپ کو وہ شواہد شروع سے ڈیزائن کرنے چاہئیں، خطرے اور آپ کے کیے گئے دعووں کے متناسب سختی کے ساتھ۔

یہ صحت اور نگہداشت میں کیوں اہم ہے#

آپ جو ہر ڈیجیٹل مصنوعہ نافذ کرتے ہیں وہ ایک مضمر وعدہ کرتا ہے: یہ مریضوں، عملے، یا نظام کی نقصان پہنچائے بغیر مدد کرے گا۔ زیادہ تر شعبوں میں غیر ثابت شدہ وعدے کی قیمت ایک گاہک یا ایک سہ ماہی کی آمدنی ہے۔ صحت اور نگہداشت میں یہ زندگیاں لے سکتا ہے، عدم مساوات بڑھا سکتا ہے، یا اس عوامی اعتماد کو کھوکھلا کر سکتا ہے جس پر پورا نظام منحصر ہے۔ جوش اور اچھا ڈیمو شواہد نہیں، اور قابلِ یقین طریقہ کار فائدے کا ثبوت نہیں۔

ڈیجیٹل صحت کی تاریخ ایسے آلات سے بھری ہے جو قائل کرنے والے لگے اور کسی کے یہ دکھانے سے پہلے بڑے پیمانے پر اپنائے گئے کہ وہ کام کرتے ہیں — اور کچھ نے خاموشی سے نقصان پہنچایا، تشخیصیں چھوڑ دیں، یا معالجین کو متبادل راستوں پر مجبور کیا۔ ریگولیٹرز، کمیشنرز، اور معالجین نے معیار بلند کر کے جواب دیا ہے: اب وہ نفاذ سے پہلے، دوران، اور بعد میں معتبر، متناسب شواہد کی توقع رکھتے ہیں۔ اگر آپ ثابت نہیں کر سکتے کہ آپ کی خدمت وہ نتائج دیتی ہے جن کا آپ دعویٰ کرتے ہیں تو آپ کو توقع رکھنی چاہیے کہ اس کو چیلنج کیا جائے گا، اس کی فنڈنگ ختم ہو گی، یا اسے واپس لیا جائے گا — اور بجا طور پر۔

شواہد مساوات اور تحفظ کا مسئلہ بھی ہیں، بیوروکریسی کی رکاوٹ نہیں۔ ایسا آلہ جو اوسط نتائج بہتر کرے پھر بھی ذیلی گروہ کو نقصان پہنچا سکتا ہے — ڈیجیٹل طور پر خارج، محدود انگریزی والے لوگ، یا وہ آبادی جو آپ کے تربیتی ڈیٹا میں کم نمائندہ ہو۔ صرف دانستہ تشخیص یہ ظاہر کرتی ہے۔ اس لیے اچھے شواہد پیدا کرنا آپ کے نگہداشت کے فرض، عوامی رقم کی نگہبانی، اور ان لوگوں کے سامنے آپ کی ساکھ کا حصہ ہے جن کی آپ خدمت کرتے ہیں (دیکھیے موضوع 1.3 — شواہد پر مبنی فیصلے، اور موضوع 1.6 — طبی تحفظ اور خطرات کا انتظام)۔

بنیادی تصورات#

ایک امتیاز سے شروع کریں جو باقی سب کچھ طے کرتا ہے: تحقیق، خدمت کی تشخیص، اور طبی آڈٹ کے درمیان فرق۔ تحقیق کا مقصد نیا، عمومی طور پر قابلِ اطلاق علم پیدا کرنا ہے — نتائج جو آپ کے مقامی ماحول سے آگے سچ ہوں۔ خدمت کی تشخیص پوچھتی ہے کہ یہ خدمت یہاں کتنی اچھی کام کر رہی ہے، ان معیارات کے مطابق جو خدمت نے خود اپنائے ہیں۔ طبی آڈٹ موجودہ عمل کا موجود، متفقہ معیار سے موازنہ کرتا ہے اور تبدیلی کے ساتھ حلقہ بند کرتا ہے۔ یہ فرق علمی موشگافی نہیں: یہ آپ کا نظامت کا راستہ طے کرتا ہے۔ نیشنل ہیلتھ سروس (NHS) کے مریضوں، عملے، یا ڈیٹا پر مشتمل تحقیق کو تقریباً ہمیشہ رسمی اخلاقی منظوری چاہیے؛ زیادہ تر خدمت کی تشخیص اور آڈٹ کو نہیں۔ منظوریوں سے بچنے کے لیے تحقیق کو تشخیص کے طور پر غلط درجہ بند کرنا نظامت کی سنگین ناکامی ہے۔

انگلینڈ میں، تحقیق کی نظامت Health Research Authority (HRA) کے ذریعے چلتی ہے، جو محکمۂ صحت اور سماجی نگہداشت کا آزاد ادارہ ہے۔ HRA شرکاء کے مفادات کا تحفظ اور فروغ کرتی ہے اور منظوریاں مربوط کرتی ہے تاکہ مطالعہ پورے ملک کے لیے ایک بار جائزہ لیا جائے۔ اخلاقی جائزہ ریسرچ ایتھکس کمیٹی (REC) لیتی ہے — ادارہ جاتی جائزہ بورڈ کا برطانوی مساوی — جو فیصلہ کرتی ہے کہ آیا مطالعہ اخلاقی، متناسب، اور شرکاء کے لیے محفوظ ہے۔ درخواستیں Integrated Research Application System (IRAS) کے ذریعے جمع ہوتی ہیں، واحد آن لائن پورٹل جو آپ کے منصوبے کو RECs، HRA Approval، اور دیگر درکار اجازتوں تک پہنچاتا ہے۔ HRA کے آن لائن فیصلے کے آلات آپ کو طے کرنے میں مدد دیتے ہیں کہ آیا آپ کا منصوبہ بالکل تحقیق شمار ہوتا ہے۔

بہت سے ڈیجیٹل صحت کے شواہد اب حقیقی دنیا کے ڈیٹا (RWD) سے بنتے ہیں — کنٹرول شدہ ٹرائلز سے باہر جمع کی گئی معلومات، جیسے برقی صحت کے ریکارڈ، آلے کے لاگ، رجسٹریاں، اور دعووں کا ڈیٹا — جن کا تجزیہ حقیقی دنیا کے شواہد (RWE) پیدا کرنے کے لیے ہوتا ہے کہ مداخلت عام حالات میں کیسی کارکردگی دکھاتی ہے۔ RWE اس لیے طاقتور ہے کہ ڈیجیٹل آلات ضمنی نتیجے کے طور پر وافر استعمال کا ڈیٹا پیدا کرتے ہیں، اور اس لیے کہ یہ اس بے ترتیب حقیقت کو ظاہر کرتا ہے جسے ٹرائلز اکثر خارج کرتے ہیں۔ یہ نازک بھی ہے: مشاہداتی ڈیٹا الجھاؤ اور تعصب سے بھرا ہے، اس لیے سادہ پہلے-اور-بعد کا موازنہ موسمی رجحان یا ساتھ ہونے والی تبدیلی کو آپ کا اثر سمجھ سکتا ہے۔

اسی لیے تشخیص کا ڈیزائن اہم ہے۔ وجہی دعووں کے لیے سب سے مضبوط ڈیزائن اب بھی بے ترتیب کنٹرول شدہ ٹرائل (RCT) ہے، جو شرکاء کو بے ترتیب تقسیم کر کے تعصب کم کرتا ہے۔ ڈیجیٹل سیاق اکثر عملی اقسام کو ترجیح دیتے ہیں — کلسٹر-بے ترتیب ٹرائلز، اور stepped-wedge ٹرائل، جس میں مقامات بے ترتیب لہروں میں کنٹرول سے مداخلت کی طرف جاتے ہیں، اس مرحلہ وار رول آؤٹ کے مطابق جو آپ ویسے بھی کرنے والے تھے۔ جہاں بے ترتیب تقسیم عملی نہ ہو، نیم تجرباتی ڈیزائن مدد کرتے ہیں: منقطع وقتی سلسلہ (ITS) کا تجزیہ لائیو ہونے سے پہلے اور بعد بہت سے نقطوں پر نتیجے کو ٹریک کر کے سطح اور رجحان میں تبدیلی کا پتا لگاتا ہے، اور اکثر نظام بھر کی ڈیجیٹل تبدیلی کے لیے بہترین ممکنہ ڈیزائن ہے۔ سادہ پہلے-اور-بعد کا موازنہ سب سے کمزور اور گمراہ کن ہے، کیونکہ یہ آپ کے اثر کو باقی سب سے الگ نہیں کر سکتا جو بدلا۔

دو مزید لنگر کام کو ڈھالتے ہیں۔ انگلینڈ میں ڈیجیٹل صحت کے شواہد کا معیار National Institute for Health and Care Excellence (NICE) کے شائع کردہ Evidence Standards Framework for Digital Health Technologies سے طے ہوتا ہے: یہ آلات کو ممکنہ خطرے کے لحاظ سے درجہ بند کرتا ہے اور ہر درجے کے لیے متوقع شواہد کی طاقت متعین کرتا ہے۔ اور مسلسل بگاڑ جس سے ہوشیار رہنا ہے وہ اشاعت کا تعصب ہے — مثبت نتائج بانٹنے اور منفی دفن کرنے کا رجحان، جو پورے میدان کی خوشامد کرتا اور غیر مؤثر آلات کو پھیلنے دیتا ہے۔

بہترین طریقے#

1. منصوبہ ڈیزائن کرنے سے پہلے اس کی درجہ بندی کریں۔ HRA کے فیصلے کے آلات استعمال کریں تاکہ طے ہو کہ آپ کا کام تحقیق ہے، خدمت کی تشخیص، یا آڈٹ، اور استدلال درج کریں۔ یہ واحد قدم آپ کا نظامت کا راستہ، ٹائم لائن، اور اجازتیں طے کرتا ہے۔ پرامید سمت میں غلط ہوں تو آپ مریضوں پر غیر منظور شدہ تحقیق چلانے کا خطرہ لیتے ہیں؛ محتاط سمت میں غلط ہوں تو سادہ تشخیص پر مہینوں کا غیر ضروری عمل لادتے ہیں۔

2. تشخیص کو شروع سے بنائیں، ضمیمے کے طور پر نہیں۔ دریافت کے دوران — پروڈکشن کوڈ کی ایک لائن سے پہلے — طے کریں کہ "کام کرنے" کا کیا مطلب ہے، اور آپ اسے کیسے ناپیں گے (دیکھیے موضوع 3.4 — دریافتی مراحل)۔ لائیو ہونے سے پہلے بنیاد پکڑیں، کیونکہ آپ اسے بعد میں کبھی دوبارہ نہیں بنا سکتے، اور مصنوعہ کو آلہ بند کریں تاکہ وہ آپ کے ڈیزائن کو درکار نتائج اور استعمال کا ڈیٹا خارج کرے۔ زندہ خدمت پر تشخیص پیچھے جوڑنا تقریباً ہمیشہ زیادہ لاگت پر کمزور شواہد دیتا ہے، اور اکثر کوئی قابلِ استعمال بنیاد نہیں۔

3. سختی کو خطرے اور دعوے سے ملائیں۔ انتظار کی فہرست کو ترتیب دینے والے بکنگ کے آلے کو چھاتی کے درد کی ترجیح بندی کرنے والے الگورتھم سے کم شواہد کا وزن چاہیے۔ اپنے آلے کا خطرے کا درجہ تلاش کرنے کے لیے NICE Evidence Standards Framework استعمال کریں، اور وہ دعوے کریں جو آپ کے شواہد اٹھا سکیں: اگر آپ کے پاس منقطع وقتی سلسلہ ہے جو نہ آنے کی شرحیں گھٹاتا دکھاتا ہے تو وہی کہیں — اموات کے فائدے کا اشارہ نہ دیں۔ تناسب مریضوں کو کم ثابت شدہ خطرے سے بچاتا ہے اور آپ کو کم داؤ والے آلات کو زیادہ ثابت کرنے میں کوشش ضائع کرنے سے۔

4. ممکنہ حد تک مضبوط ڈیزائن چنیں، اور اس کی حدیں بتائیں۔ جب ممکن ہو بے ترتیب تقسیم کی طرف جائیں، اور stepped-wedge ڈیزائن پر غور کریں جب مرحلہ وار رول آؤٹ بیک وقت کنٹرول گروہ ناممکن بنائے۔ جب بے ترتیب تقسیم واقعی ناممکن ہو تو سادہ پہلے-اور-بعد کے مقابلے میں منقطع وقتی سلسلے کو ترجیح دیں، اور اپنا تجزیہ پہلے سے طے کریں تاکہ موافق نتیجے کی شکار سے بچ سکیں۔ ہر ڈیزائن میں کمزوریاں ہیں؛ اپنی سادگی سے بیان کریں تاکہ قارئین شواہد کو دیانت داری سے تول سکیں۔

5. حقیقی دنیا کا ڈیٹا دانستہ استعمال کریں، اور الجھاؤ کو دشمن سمجھیں۔ ڈیجیٹل خدمات وافر RWD پیدا کرتی ہیں، لیکن فراوانی درستگی نہیں۔ منصوبہ بنائیں کہ کون سا ڈیٹا استعمال کریں گے، اس کا معیار اور مکملیت، اور وہ تعصبات جو وہ رکھتا ہے، اور بعد میں لاگ کھودنے کے بجائے تجزیہ کار یا طریقہ کار کے ماہر کو جلد شامل کریں۔ جہاں ممکن ہو اپنے نتائج اور تجزیہ پہلے سے رجسٹر کریں تاکہ ڈیٹا کو اذیت دے کر وہ نہ کہلوایا جا سکے جس کی آپ نے امید کی تھی۔

6. ان لوگوں کے ساتھ شراکت کریں جو روزی کے لیے شواہد پیدا کرتے ہیں۔ یونیورسٹیاں، National Institute for Health and Care Research (NIHR)، اور آپ کا علاقائی Health Innovation Network — وہ ادارے جو پہلے Academic Health Science Networks (AHSNs) کہلاتے تھے — طریقہ کار کی سختی، آزادی، فنڈنگ کے راستے، اور وہ ساکھ لاتے ہیں جو آپ گھر میں نہیں بنا سکتے۔ آزاد تشخیص کمیشنرز اور معالجین کے ہاں سپلائر کے اپنے تجزیے سے کہیں زیادہ وزن رکھتی ہے۔ انہیں جلد شامل کریں، کیونکہ بہترین ڈیزائن نفاذ سے پہلے طے ہوتے ہیں، بعد میں نہیں (دیکھیے موضوع 9.0 — شراکت دار اداروں کے ساتھ تعاون)۔

7. نتائج اور معاشیات ناپیں، صرف سرگرمی نہیں۔ لاگ اِن، کلک تھرو، اور اطمینان کے اسکور ضروری ہیں مگر کافی نہیں؛ کمیشنرز نتائج اور قدر کو فنڈ کرتے ہیں۔ جہاں ممکن ہو اپنی تشخیص کو طبی نتائج، تحفظ کے اشاروں، ذیلی گروہوں میں مساوات، اور لاگت کے نتائج سے جوڑیں، صحت کے ماہرینِ معاشیات کے ساتھ کام کر کے فائدے کو ان الفاظ میں ترتیب دیں جو فیصلہ ساز استعمال کرتے ہیں (دیکھیے موضوع 6.1 — صحت کی معاشیات)۔ ہمیشہ نتائج کو آبادی کے لحاظ سے تقسیم کریں تاکہ آلہ جو اوسطاً مدد کرے مگر ذیلی گروہ کو نقصان پہنچائے اوسط کے پیچھے چھپ نہ سکے۔

8. اپنے نتائج شائع کریں — مایوس کن بھی۔ پیشگی عہد کریں کہ نتائج، مثبت یا منفی، رپورٹ، پری پرنٹ، یا ہم مرتبہ جائزہ شدہ مقالے کے ذریعے بانٹیں گے۔ منفی نتائج شائع کرنا پیشہ ورانہ ذمہ داری ہے: یہ دوسرے اداروں کو آپ کی غلطیاں دہرانے سے بچاتا ہے اور اشاعت کے اس تعصب کا مقابلہ کرتا ہے جو غیر مؤثر آلات کو پھیلنے دیتا ہے۔ ایسی ثقافت جو کہہ سکے "ہم نے یہ جانچا اور یہ کام نہیں کر رہا تھا، اس لیے ہم نے روک دیا" زیادہ قابلِ اعتماد ہے، کم نہیں۔

9. حلقہ بند کریں اور جو سیکھیں اس پر عمل کریں۔ شواہد جو کوئی فیصلہ نہ بدلیں ضیاع ہیں۔ نتائج اپنے روڈ میپ، کاروباری مقدمے، اور مرحلہ وار نفاذ کے فیصلوں میں واپس ڈالیں — جو کام کرتا ہے اسے بڑھائیں، جو آدھا کام کرتا ہے اسے ٹھیک کریں، اور جو نہیں کرتا اسے ختم کریں (دیکھیے موضوع 8.0 — جدت کا مرحلہ وار نفاذ)۔ پھر دوبارہ تشخیص کریں، کیونکہ ڈیجیٹل آلہ جو ایک ماحول میں آزمائشی پیمانے پر کام کرے وہ قومی پیمانے پر یا مختلف آبادی میں مختلف برتاؤ کر سکتا ہے۔

اپنی ٹیم کے ساتھ زیرِ بحث لانے کے سوالات#

1. جو ہم کرنے والے ہیں وہ تحقیق ہے، خدمت کی تشخیص، یا آڈٹ — اور ہمیں اس جواب پر کتنا اعتماد ہے؟ یہ پہلا سوال ہے کیونکہ جواب آپ کا پورا نظامت کا راستہ طے کرتا ہے، اور اسے غلط سمجھنے کے سنگین نتائج ہیں۔ بات کریں کہ آپ کے ڈیٹا کے موضوعات کون ہیں، آیا آپ کچھ بے ترتیب کر رہے ہیں، آیا آپ عمومی طور پر قابلِ اطلاق علم پیدا کرنا چاہتے ہیں، اور آیا آپ شائع کرنے کا ارادہ رکھتے ہیں — سب اشارے جو منصوبے کو "تحقیق" کی طرف دھکیلتے ہیں۔ کسی چیز کو محض اس لیے تشخیص کا لیبل دینے کے دباؤ کا مقابلہ کریں کہ منظوری کا راستہ تیز ہے؛ ٹھیک وہیں سے نظامت کی ناکامیاں شروع ہوتی ہیں۔ HRA کا فیصلے کا آلہ کمرے میں مل کر استعمال کریں، اور اپنا استدلال اور اس پر کس نے اتفاق کیا لکھیں۔ اچھا جواب محض لیبل نہیں بلکہ دستاویزی، قابلِ دفاع فیصلہ ہے جسے آپ کے معلومات کی نظامت اور طبی تحفظ کے ساتھیوں نے دیکھا ہو۔ اگر آپ واقعی غیر یقینی ہیں تو دیانت دار قدم HRA یا اپنے R&D دفتر سے پوچھنا ہے، اس سمت میں اندازہ لگانے کے بجائے جو آپ کی ٹائم لائن کو موافق ہو۔

2. اس بات کا قائل کرنے والا ثبوت کیا ہوگا کہ یہ کام کرتا ہے — اور کس کے لیے؟ مختلف سامعین مختلف شواہد مانگتے ہیں: معالج تحفظ اور نتائج کا ڈیٹا چاہتا ہے، کمیشنر لاگت اور قدر، ریگولیٹر مناسب NICE درجہ پورا ہوتا دیکھنا چاہتا ہے، اور مریض جاننا چاہتا ہے کہ یہ اس جیسے لوگوں کے لیے محفوظ اور منصفانہ ہے۔ بحث کریں کہ آپ کے آلے کے لیے "کام کرنے" کا اصل میں کیا مطلب ہے، اور کون سا نتیجہ آپ کو روکنے پر مجبور کرے گا — کیونکہ ٹیم جو روکنے کی شرط بیان نہ کر سکے وہ واقعی تشخیص نہیں کر رہی۔ غور کریں کہ آپ کے رول آؤٹ کے منصوبے، ڈیٹا، اور بجٹ کو دیکھتے ہوئے کون سا ڈیزائن ممکن ہے، اور سختی اور رفتار کے سودے کے بارے میں دیانت دار رہیں۔ بحث کریں کہ آیا آپ کو یقین دلانے کے لیے آزاد تشخیص چاہیے، اور اگر ہاں تو کون کرے۔ اچھا جواب فیصلہ سازوں کا نام لیتا ہے، ان نتائج کا جو انہیں حرکت دیں گے، اس ڈیزائن کا جو انہیں معتبر طور پر پیدا کر سکے، اور اس حد کا جس پر آپ نتیجہ نکالیں گے کہ آلہ ناکام ہو گیا۔

3. ہم منفی یا مایوس کن نتیجے کو کیسے سنبھالیں گے؟ یہ نتیجہ آنے سے پہلے پوچھیں، کیونکہ جواب پیشگی کہیں زیادہ دیانت دار ہوتا ہے۔ دریافت کریں کہ اگر تشخیص کوئی فائدہ نہ دکھائے، یا اکثریت کے لیے فائدہ مگر خارج ذیلی گروہ کے لیے نقصان، تو آپ کیا کریں گے، اور کسے سننے کی ضرورت ہوگی۔ حقیقی دباؤ سامنے لائیں: ڈوبی ہوئی لاگت، سپلائر کے تعلقات، ساکھ کی فکر، اور کیریئر کی ترغیبات جو لوگوں کو اچھی خبر چاہنے پر آمادہ کرتی ہیں۔ نتیجے سے قطع نظر شائع کرنے کے اپنے پیشگی عہد پر بحث کریں، اور کون سی نظامت آپ کو اس وعدے کا پابند رکھے گی جب نتیجہ شرمندہ کرنے والا ہو۔ اچھا جواب اچھی طرح چلائی گئی تشخیص کو جو منفی نتیجہ پیدا کرے عمل کی کامیابی سمجھتا ہے، ٹیم کی ناکامی نہیں — اور باوقار ختم کرنے، صاف گوئی سے ابلاغ کرنے، اور ان لوگوں کی حفاظت کا ٹھوس منصوبہ رکھتا ہے جنہوں نے دیانت دار نتیجہ پہنچایا۔

4. لائیو ہونے سے پہلے ہمیں کیا پکڑنا اور آلہ بند کرنا چاہیے — اور کیا ہم نے اسے واقعی بنایا ہے؟ تشخیص اتنی ہی اچھی ہے جتنی بنیاد اور وہ ڈیٹا جس پر وہ بن سکتی ہے، اور دونوں لانچ کے بعد کے مقابلے میں پہلے محفوظ کرنا کہیں سستا ہے۔ سوچیں کہ آپ کو "پہلے" کی کون سی حالت چاہیے — داخلے کی شرحیں، انتظار کے اوقات، غلطی کی شرحیں، موجودہ راستے کی لاگت — اور تصدیق کریں کہ یہ ابھی ریکارڈ ہو رہی ہے، ان ذیلی گروہوں کے لحاظ سے تقسیم جن کی آپ کو پروا ہے، کیونکہ جو بنیاد آپ پکڑنے میں ناکام رہے اسے دوبارہ نہیں بنا سکتے۔ جانچیں کہ آیا مصنوعہ خود وہ نتائج اور استعمال کا ڈیٹا خارج کرے گا جو آپ کے منتخب ڈیزائن کو چاہیے، یا وہ آلہ بندی ابھی بیک لاگ کی خواہش ہے۔ وقت کے تناؤ پر بحث کریں: بھیجنے کا دباؤ اکثر تاریخ پوری کرنے کے لیے پیمائش ہٹا دیتا ہے، اور ہر ایسی کٹوتی خاموشی سے وہ شواہد کمزور کرتی ہے جو آپ سے بعد میں مانگے جائیں گے۔ تجزیہ کار یا طریقہ کار کے ماہر کو ڈیزائن نرم ہونے پر شامل کریں، نہ کہ جب لاگ پہلے ہی بہہ رہے ہوں۔ اچھا جواب ٹھوس فہرست ہے کہ کیا پکڑا گیا، کب سے، کس باریکی پر، اور کس نے تصدیق کی کہ یہ زندہ ہے — رول آؤٹ کے بعد نمٹانے کا ارادہ نہیں۔

5. جس ڈیٹا پر ہم بھروسا کرنے کا ارادہ رکھتے ہیں وہ کتنا اچھا ہے، اور ہمارے نتیجے کو کیا الجھا سکتا ہے؟ حقیقی دنیا کا ڈیٹا وافر ہے مگر شاذ ہی صاف، اور قابلِ یقین چارٹ موسمیت، ساتھ ہونے والی خدمت کی تبدیلی، اوسط کی طرف واپسی، یا کوڈنگ کی تبدیلی چھپا سکتا ہے جس کا آپ کے آلے سے کوئی تعلق نہیں۔ ہر اس ماخذ کے ماخذ، مکملیت، اور معیار کی تحقیق کریں جو آپ استعمال کرنا چاہتے ہیں، اور ہر ایک کے تعصبات کا نام لیں — برقی ریکارڈ میں کون غائب ہے، کون سے خانے ناقابلِ اعتماد ہیں، کوڈ کتنی مستقل مزاجی سے لاگو ہوتا ہے۔ پوچھیں کہ آپ کے لائیو ہونے کی اسی کھڑکی میں اور کیا بدلا، کیونکہ منقطع وقتی سلسلہ یا پہلے-اور-بعد جو ان واقعات کو نظرانداز کرے آپ کے آلے کو دوسروں کے اثرات کا کریڈٹ دے گا۔ پیشگی طے کریں کہ کون سا موازنہ یا ڈیزائن آپ کو سب سے منصفانہ مخالف حقیقت دیتا ہے، اور تجزیہ پہلے سے طے کریں تاکہ ڈیٹا کو خاموشی سے نتیجے کی خوشامد کے لیے ڈھالا نہ جا سکے۔ اچھا جواب دکھاتا ہے کہ آپ نے ڈیٹا کی کمزوریوں کا دیانت داری سے نقشہ بنایا ہے اور ایسا ڈیزائن چنا ہے جو شکی کے ہر ایک کو کھینچنے کے سامنے بچ سکے۔

6. یہ تشخیص کون چلائے، اور اسے قابلِ یقین ہونے کے لیے کتنا آزاد ہونا چاہیے؟ اپنا ہوم ورک خود جانچنا معتبر نتائج کو مسترد کروانے کا تیز ترین طریقہ ہے، اس لیے جلد فیصلہ کریں کہ آیا سپلائر یا اندرونی تجزیہ اس سامعین کو قائل کرے گا جسے آپ کو واقعی حرکت دینی ہے۔ NIHR کی معاونت والی علمی ٹیم، یونیورسٹی، یا Health Innovation Network سے رجوع کرنے کی لاگت اور وقت کو آزاد، قابلِ اشاعت شواہد کی ساکھ اور تجارتی قدر کے مقابل تولیں۔ بحث کریں کہ مفادات کے ٹکراؤ کہاں بیٹھتے ہیں — جنہوں نے آلہ بنایا یا خریدا وہ شاذ ہی فیصلہ کرنے کے صحیح لوگ ہیں کہ آیا یہ کام کرتا ہے — اور آپ تشخیص کو اچھی خبر پیدا کرنے کے دباؤ سے کیسے محفوظ کریں گے۔ غور کریں کہ شراکت دار آزادی سے آگے کیا لاتے ہیں: طریقہ کار کی سختی، فنڈنگ کے راستے، اور معالجین اور کمیشنرز کے ہاں وہ حیثیت جو آپ گھر میں نہیں بنا سکتے۔ اچھا جواب آزادی کی حد کو داؤ اور فیصلہ سازوں کے شک سے ملاتا ہے، اور شراکت ڈیزائن طے ہونے سے پہلے محفوظ کرتا ہے، نتائج کے مایوس کرنے کے بعد نہیں۔

عملی مثال: صحت اور نگہداشت کی ایک مثال#

ایک مربوط نگہداشتی نظام (ICS) دائمی دل کی ناکامی کے مریضوں کے لیے دور سے نگرانی کی ایپ کمیشن کرتا ہے، غیر منصوبہ بند داخلے کم کرنے کی امید میں۔ سپلائر کی سلائیڈز کہیں اور 30٪ کمی دکھاتی ہیں، اور سردیوں سے پہلے تمام بارہ بوروز میں تیزی سے رول آؤٹ کا دباؤ ہے۔

ڈیجیٹل ترسیل کا رہنما کام کی درجہ بندی کے لیے رکتا ہے۔ چونکہ ICS عمومی طور پر قابلِ اطلاق نتائج چاہتا ہے اور شائع کرنے کا ارادہ رکھتا ہے، اور چونکہ وہ نئے مقصد کے لیے قابلِ شناخت مریض کے ڈیٹا کا تجزیہ کرے گا، یہ خدمت کی تشخیص نہیں بلکہ تحقیق ہے — اس لیے IRAS کی درخواست اور REC کا جائزہ درکار ہے۔ اسے رکاوٹ سمجھنے کے بجائے، رہنما علاقائی Health Innovation Network اور مقامی یونیورسٹی کی NIHR کی معاونت والی تحقیقی ٹیم سے رجوع کرتا ہے، جو مطالعہ ڈیزائن کرنے اور درخواست مل کر لکھنے میں مدد کرتے ہیں۔ سب کچھ ایک ساتھ آن کرنے کے بجائے، وہ stepped-wedge ڈیزائن اپناتے ہیں: بارہ بوروز نو ماہ میں بے ترتیب لہروں میں لائیو ہوتے ہیں، تاکہ ہر بورو کو آخرکار ایپ ملے جبکہ مرحلہ وار آغاز منصفانہ موازنہ دے۔ محرومی اور نسل کے لحاظ سے تقسیم شدہ داخلے کی شرحوں کی بنیاد پہلی لہر سے پہلے پکڑی جاتی ہے۔

NICE Evidence Standards Framework استعمال کرتے ہوئے، ٹیم آلے کو ایسے درجے میں رکھتی ہے جو طبی خطرہ رکھتا ہے اور شواہد کی توقع اس کے مطابق طے کرتی ہے، داخلے کی شرحیں، تحفظ کے اشارے کے طور پر اموات، اور بچائے گئے ہر داخلے کی لاگت کو نتائج کے طور پر پہلے سے رجسٹر کرتی ہے۔ نو ماہ بعد، عبوری تجزیہ سنجیدہ کرنے والا ہے: مجموعی داخلے معمولی گھٹتے ہیں، مگر سب سے محروم گروہ میں — جو ایپ سب سے کم استعمال کرتا ہے — کوئی فائدہ نہیں اور دیر سے آنے والی پیشکشوں میں تشویشناک اضافہ ہے۔ ٹیم اسے دفن نہیں کرتی۔ وہ ICS بورڈ کو رپورٹ کرتی ہے، ان گروہوں تک رول آؤٹ روکتی ہے، ڈیجیٹل طور پر خارج مریضوں کے لیے آن بورڈنگ دوبارہ ڈیزائن کرتی اور ٹیلیفون کی مدد شامل کرتی ہے، اور کمی اور دوبارہ ڈیزائن دونوں شائع کرتی ہے۔ نتیجہ ایسی خدمت ہے جو واقعی مدد کرتی ہے اور ایسا فیصلہ ساز بورڈ جو شواہد پر اس لیے بھروسا کرتا ہے کہ اس نے ٹیم کو تب سچ بولتے دیکھا جب اس سے تکلیف ہوئی۔

شعبہ جاتی زاویے#

اسٹارٹ اپ#

چھوٹی ڈیجیٹل صحت کی کمپنی شواہد پر جیتی یا مرتی ہے، مگر شاذ ہی اکیلے پیدا کرنے کے لیے رقم یا اندرونی طریقہ کار رکھتی ہے۔ آپ کا تیز ترین معتبر راستہ شراکت ہے: NIHR کی فنڈ شدہ علمی ساتھی یا Health Innovation Network کی حقیقی دنیا کی تشخیص آپ کو آزاد نتائج دیتی ہے جن پر سرمایہ کار اور NHS کے خریدار حقیقتاً یقین کرتے ہیں، خود شائع کردہ وائٹ پیپر سے کہیں زیادہ۔ متناسب دعووں کے بارے میں نظم و ضبط رکھیں — آزمائشی منصوبہ جیتنے کے لیے مبالغہ کرنا بعد کی تشخیص میں ناکام ہونے اور اپنی ساکھ کھونے کا تیز ترین طریقہ ہے۔ پہلے دن سے ڈیٹا کی گرفت اپنے مصنوعہ کے فن تعمیر میں بنائیں، کیونکہ اپنے سیڈ راؤنڈ کے بعد اسے پیچھے جوڑنا مہنگا ہے اور کمزور شواہد کی بنیاد دیتا ہے۔

چھوٹا کاروبار#

قائم شدہ چھوٹے فراہم کنندہ — جی پی پریکٹس، کمیونٹی فارمیسی، کیئر ہوم، یا ڈیجیٹل آلہ اپنانے والا ایک مقام کا کلینک — سے توقع ہے کہ جو نافذ کرے اس کی تشخیص کرے، پھر بھی اس کے پاس R&D دفتر، طریقہ کار کا ماہر، اور بمشکل فاضل ہاتھ نہیں۔ آپ کا حقیقت پسندانہ قدم ٹرائل چلانا نہیں بلکہ نظم و ضبط والی خدمت کی تشخیص چلانا ہے: آن کرنے سے پہلے سادہ بنیاد پکڑیں، چند دیانت دار نتیجے کے پیمانے طے کریں، اور ریکارڈ کریں کہ آپ کے مریضوں کے لیے اصل میں کیا بدلتا ہے۔ مشترکہ بنیادی ڈھانچے پر بھاری ٹیک لگائیں جو آپ کو بنانا نہیں پڑتا — آپ کا Health Innovation Network، مقامی یونیورسٹی، یا فیڈریشن یا پرائمری کیئر نیٹ ورک جو کئی چھوٹے مقامات میں ڈیٹا اور مہارت یکجا کر سکتا ہے۔ سپلائر کے سرخی کے دعوے کو ظاہری قدر پر قبول کرنے سے خاص طور پر ہوشیار رہیں جب آپ آزادانہ جانچ نہیں سکتے، اور واضح رہیں کہ درجہ بندی کے فرائض آپ پر چھوٹے پیمانے پر بھی لاگو ہوتے ہیں۔ متناسب، اچھی طرح دستاویزی مقامی شواہد آلے کو جاری رکھنے، ڈھالنے، یا چھوڑنے کا جواز دینے کے لیے قابلِ حصول بھی ہیں اور کافی بھی۔

بڑا ادارہ#

بڑے NHS ٹرسٹ یا ICS کے پاس R&D دفتر، معلومات کی نظامت کی مشینری، اور موجودہ علمی تعلقات ہیں — اثاثے جن پر اسٹارٹ اپ رشک کرے — مگر ٹرسٹ بھر میں آلات کی تشخیص سے پہلے نافذ کرنے کا جمود بھی۔ آپ کا چیلنج "پیمانے پر لانے سے پہلے تشخیص" کو ڈیفالٹ بنانا ہے، اور جب ابتدائی شواہد کمزور ہوں تو دستخط شدہ ادارہ جاتی معاہدے کی رفتار کا مقابلہ کرنا ہے۔ اپنا پیمانہ طریقہ کار کے فائدے کے طور پر استعمال کریں: متعدد مقامات stepped-wedge اور کلسٹر-بے ترتیب ڈیزائنوں کو ممکن بناتے ہیں جیسے ایک کلینک نہیں سنبھال سکتا۔ منفی نتائج کی اندرونی سیاست سے ہوشیار رہیں، جہاں بڑی سرمایہ کاری کامیابی کا اعلان کرنے کی طاقتور ترغیب پیدا کرتی ہے خواہ کچھ بھی ہو۔

حکومت#

قومی ادارہ — NHS انگلینڈ، محکمۂ صحت اور سماجی نگہداشت، یا ڈیوالو شدہ حکومت — وہ قواعد طے کرتا ہے جن کی باقی پیروی کرتے ہیں، اس لیے اس کے شواہد کے معیار پورے بازار کو ڈھالتے ہیں۔ اس کا کام فریم ورکس (HRA کا نظامت کا نظام، NICE Evidence Standards Framework، DTAC) کی نگہبانی کرنا، اور وہ بنیادی ڈھانچہ — NIHR، Health Innovation Networks، قابلِ اعتماد تحقیقی ماحول — فنڈ کرنا ہے جو سب کو اچھے شواہد پیدا کرنے دیتا ہے۔ جب حکومت قومی پیمانے پر خریدتی ہے تو شواہد کے داؤ بے پناہ ہیں: بُری طرح ثابت شدہ رول آؤٹ لاکھوں شہریوں میں نقصان پکا کر سکتا ہے اور سیاسی طور پر الٹنا تقریباً ناممکن ہے۔ اس لیے اسے اپنے آپ کو اعلیٰ ترین معیار پر رکھنا چاہیے جو وہ دوسروں سے مانگتی ہے، اور عوامی اعتماد برقرار رکھنے کے لیے اپنی تشخیصیں، ناکامیاں سمیت، شائع کرنی چاہئیں۔

عام ناکامی کے طریقے#

• شواہد بطور بعد کی سوچ۔ پہلے نافذ کرنا اور بعد میں پوچھنا "کیا اس نے کام کیا؟" بغیر کسی بنیاد کے — آپ کو کسی معتبر وجہی دعوے کے قابل نہیں چھوڑتا۔
• تحقیق کو تشخیص کے طور پر غلط درجہ بند کرنا۔ HRA اور REC کی منظوریوں سے بچنے کے لیے "تشخیص" کا لیبل چننا، مریضوں کو غیر منظور شدہ تحقیق اور اپنے ادارے کو نظامت کی سنگین خلاف ورزی کے سامنے لانا۔
• سادہ پہلے-اور-بعد۔ دو تصویروں کا موازنہ اور ساری تبدیلی آپ کے آلے سے منسوب کرنا، موسمیت، ساتھ چلتے اقدامات، اور اوسط کی طرف واپسی کو نظرانداز کرنا۔
• دکھاوے کے پیمانے۔ لاگ اِن، ڈاؤن لوڈز، اور اطمینان رپورٹ کرنا جبکہ طبی نتائج، تحفظ، مساوات، اور لاگت پر خاموش رہنا۔
• اوسط جو نقصان چھپائیں۔ آبادی کے لحاظ سے تقسیم کیے بغیر سرخی کی اوسط بہتری پیش کرنا، اس ذیلی گروہ کو چھپانا جسے آلہ ناکام یا نقصان پہنچاتا ہے۔
• اپنا ہوم ورک خود جانچنا۔ آزاد تشخیص کے بغیر صرف سپلائر کے پیدا کردہ شواہد پر انحصار، تاکہ کوئی شکی سامعین ان پر یقین نہ کرے۔
• بُری خبر دفن کرنا۔ صرف مثبت نتائج شائع کرنا، اشاعت کے تعصب کو ہوا دینا اور غیر مؤثر آلات کو نظام بھر میں پھیلنے دینا۔
• مبالغہ۔ معمولی، کمزور ڈیزائن کے نتیجے کو ایسے مضبوط طبی دعوے میں کھینچنا جسے شواہد سہارا نہ دے سکیں۔

پختگی کا ماڈل#

جانچ فہرست#

• HRA کے فیصلے کے آلات سے منصوبے کی تحقیق، خدمت کی تشخیص، یا آڈٹ کے طور پر درجہ بندی کریں، اور استدلال دستاویز کریں۔
• اگر یہ تحقیق ہے تو IRAS کی درخواست اور Research Ethics Committee کا جائزہ جلد منصوبہ بند کریں۔
• دریافت کے دوران "کام کرنے" کی تعریف کریں، اور وہ نتائج جو اسے ثابت کریں گے۔
• لائیو ہونے سے پہلے متعلقہ ذیلی گروہوں کے لحاظ سے تقسیم شدہ بنیاد پکڑیں۔
• NICE Evidence Standards Framework میں آلے کے خطرے کا درجہ تلاش کریں اور سختی کو اس سے ملائیں۔
• ممکنہ حد تک مضبوط ڈیزائن (RCT، stepped-wedge، یا منقطع وقتی سلسلہ) چنیں اور اس کی حدیں درج کریں۔
• اپنے حقیقی دنیا کے ڈیٹا کے ذرائع، معیار، اور تعصبات کی منصوبہ بندی کریں؛ تجزیہ پہلے سے طے کریں۔
• جہاں ساکھ یا فنڈنگ کو ضرورت ہو آزاد شراکت دار (NIHR، یونیورسٹی، Health Innovation Network) شامل کریں۔
• صرف سرگرمی کے پیمانے نہیں بلکہ طبی نتائج، تحفظ کے اشارے، مساوات، اور لاگت شامل کریں۔
• پیشگی عہد کریں کہ نتائج، منفی سمیت، شائع کریں گے، اور نام لیں کہاں۔
• شروع کرنے سے پہلے روکنے کی شرط اور باوقار ختم کرنے کا منصوبہ متعین کریں۔
• نتائج کو روڈ میپ، کاروباری مقدمے، اور مرحلہ وار نفاذ کے فیصلوں میں واپس ڈالیں۔

کلیدی ماخذ#

• NICE — Evidence Standards Framework for Digital Health Technologies (ESF)۔
• Health Research Authority — "Is my study research?" کے فیصلے کے آلات، HRA Approval، اور تحقیق کی اخلاقیات کی رہنمائی۔
• Integrated Research Application System (IRAS) — برطانیہ کی صحت اور سماجی نگہداشت کی تحقیق کی درخواستوں کے لیے واحد پورٹل۔
• National Institute for Health and Care Research (NIHR) — فنڈنگ، تشخیص کی معاونت، اور تحقیق کا بنیادی ڈھانچہ۔
• Health Innovation Network (پہلے Academic Health Science Networks) — حقیقی دنیا کی تشخیص اور اپنانے کی معاونت۔
• Medicines and Healthcare products Regulatory Agency (MHRA) — حقیقی دنیا کے ڈیٹا کی رہنمائی اور طبی آلے کے طور پر سافٹ ویئر/AI۔
• NHS انگلینڈ — Digital Technology Assessment Criteria (DTAC)۔
• MRC/NIHR — Developing and evaluating complex interventions (فریم ورک کی رہنمائی)۔
• EQUATOR Network — شفاف تحقیق کی رپورٹنگ کے لیے رپورٹنگ کی ہدایات (CONSORT، STROBE، TRIPOD)۔

حوالہ جات#

1. Real world evidence — Wikipedia — https://en.wikipedia.org/wiki/Real_world_evidence
2. Real world data — Wikipedia — https://en.wikipedia.org/wiki/Real_world_data
3. Clinical audit — Wikipedia — https://en.wikipedia.org/wiki/Clinical_audit
4. Health Research Authority — Wikipedia — https://en.wikipedia.org/wiki/Health_Research_Authority
5. Institutional review board — Wikipedia — https://en.wikipedia.org/wiki/Institutional_review_board
6. Randomized controlled trial — Wikipedia — https://en.wikipedia.org/wiki/Randomized_controlled_trial
7. Stepped-wedge trial — Wikipedia — https://en.wikipedia.org/wiki/Stepped-wedge_trial
8. Interrupted time series — Wikipedia — https://en.wikipedia.org/wiki/Interrupted_time_series
9. National Institute for Health and Care Research — Wikipedia — https://en.wikipedia.org/wiki/National_Institute_for_Health_and_Care_Research
10. National Institute for Health and Care Excellence — Wikipedia — https://en.wikipedia.org/wiki/National_Institute_for_Health_and_Care_Excellence
11. Publication bias — Wikipedia — https://en.wikipedia.org/wiki/Publication_bias
12. Evidence Standards Framework for Digital Health Technologies — National Institute for Health and Care Excellence (NICE) — https://www.nice.org.uk/about/what-we-do/digital-health/evidence-standards-framework-for-digital-health-technologies
13. Is my study research? — Health Research Authority — https://www.hra.nhs.uk/approvals-amendments/what-approvals-do-i-need/
14. Integrated Research Application System (IRAS) — Health Research Authority — https://www.myresearchproject.org.uk/
15. National Institute for Health and Care Research — NIHR — https://www.nihr.ac.uk/
16. Health Innovation Network — The Health Innovation Network — https://thehealthinnovationnetwork.co.uk/
17. Digital Technology Assessment Criteria (DTAC) — NHS England — https://www.nhs.uk/digital-technology-assessment-criteria-dtac/
18. Framework for developing and evaluating complex interventions — Medical Research Council / NIHR — https://www.bmj.com/content/374/bmj.n2061
19. Enhancing the QUAlity and Transparency Of health Research (EQUATOR) Network — https://www.equator-network.org/