Ölüm Belgelerindeki Gizli Veriler: İstatistiksel Kurallar Hastalık Yükünü Nasıl Değiştiriyor?
Hızlı Erişim / İçindekiler
- Ölüm Raporlarında Görünmeyen Gerçek: Entity ve Record Ekseni
- COVID-19 Ölüm Oranlarındaki Yüzde 63'lük Büyük Dalgalanma
- Geleneksel İstatistiklerin Ötesi: Çoklu Neden Ağırlıklandırması
- Sağlık Politikaları ve Kaynak Dağılımında Köklü Değişim İhtiyacı
Bir insanın hayatını kaybetmesinin ardından düzenlenen resmi ölüm belgeleri, kamu sağlığı politikalarının belirlenmesinde ve küresel tıbbi bütçelerin şekillenmesinde en temel veri kaynağı kabul edilir. Ancak bu belgelerin düzenlenme aşaması ile resmi istatistiklere dönüşme süreci arasında, kamuoyunun pek bilmediği karmaşık bir yeniden sınıflandırma mekanizması işlemektedir. Doktorların veya adli tıp uzmanlarının belgeye el yazısıyla kaydettiği ham veriler (Entity Axis), uluslararası standart kodlama kuralları tarafından filtrelenerek tek bir temel nedene indirgenir (Record Axis). Amerika Birleşik Devletleri'nde 2003 ile 2023 yılları arasında kaydedilen yaklaşık 57 milyon ölüm belgesini mercek altına alan yeni bilimsel gelişmeler, bu bürokratik kuralların ve veri işleme yöntemlerinin enfeksiyonlardan kazalara kadar pek çok hastalığın gerçek bilançosunu radikal biçimde değiştirdiğini ortaya koydu.
COVID-19 Ölüm Oranlarındaki Yüzde 63'lük Büyük Dalgalanma
Mevcut resmi sistem, bir kişinin ölümüne yol açan birden fazla kronik veya akut rahatsızlık bulunsa dahi, tıp dünyasının "temel ölüm nedeni" olarak seçtiği tek bir unsura odaklanma eğilimindedir. Araştırma ekibi, 56 milyondan fazla ölüm belgesindeki ICD-10 kodlarını 14 geniş hastalık kategorisine eşleyerek geleneksel yöntemin sınırlarını test etti. Yapılan analizler, bürokratik kodlama kurallarının devreye girmesiyle ham hekim raporlarındaki COVID-19 kaynaklı ölüm oranlarının resmi kayıtlarda yüzde 92 düzeyinde artırıldığını gösterdi. Buna karşılık, dışsal yaralanmalar veya diğer ikincil nedenler olarak listelenen bazı kategorilerde ise yüzde 54'e varan azalmalar saptandı.
Asıl çarpıcı veri dönüşümü ise sadece tek bir nedene odaklanmak yerine, belgede doktor tarafından listelenen tüm yan faktörlere ağırlık veren yeni matematiksel modeller uygulandığında belirdi. Ölüm belgesindeki tüm nedenlerin sisteme dahil edildiği farklı ağırlıklandırma senaryolarında, pandemi yıllarına ait COVID-19 kaynaklı can kaybı projeksiyonlarının yüzde 44 ile yüzde 63 arasında gerilediği tespit edildi. Benzer şekilde, yaşlı nüfusta sık görülen düşme vakalarına bağlı ölümlerin payı da yeni formüllerle yüzde 46 ila yüzde 66 oranında azaldı. Bu durum, salgın dönemlerinde diğer solunum yolu hastalıklarının veya kronik rahatsızlıkların istatistiksel olarak nasıl gölgede kaldığını açıkça kanıtlamaktadır.
Geleneksel İstatistiklerin Ötesi: Çoklu Neden Ağırlıklandırması
Araştırmada geleneksel tekil mantığın yarattığı sapmaları dengelemek amacıyla üç farklı ağırlıklandırma şeması geliştirildi. İlk model (W1), ölümün arkasındaki ana nedene yüzde 50 pay ayırırken, kalan yüzde 50'lik oranı belgede adı geçen diğer tüm katkıcı unsurlar arasında eşit olarak paylaştırdı. İkinci model (W2) belgedeki tüm tanı kodlarına tamamen eşit ağırlık verirken, üçüncü model (W2A) ise bu eşitliği doğrudan ICD-10 kod seviyesine indirgedi. Elde edilen neticeler, tıp dünyasının sadece birincil etiketlere bağlı kalmasının, insan biyolojisinin çoklu organ yetmezliğiyle ilerleyen karmaşık doğasını ıskaladığını gösterdi.
Yeni matematiksel ağırlıklandırma şemaları uygulandığında, pandeminin kaotik ortamında tamamen kaybolan mevsimsel solunum yolu hastalıkları döngüsünün resmi tablolarda yeniden görünür hale geldiği fark edildi. Birçok kronik kalp ve akciğer hastası, sistemin katı hiyerarşisi nedeniyle sadece salgın döneminin popüler koduyla etiketlenmişti. Bu durum, veri analitiğinde seçilen yöntemlerin toplumsal sağlık tablosunu ne denli manipüle edebileceğini gözler önüne sermektedir.
Sağlık Politikaları ve Kaynak Dağılımında Köklü Değişim İhtiyacı
Mevcut veri işleme algoritmaları ile hekimlerin sahadaki ilk gözlemleri arasındaki uyumsuzluk oranının ICD-10 kod bazında yüzde 31'i bulması, küresel tıp bürokrasisi için ciddi bir uyarı niteliğindedir. Hükümetler, tıbbi araştırma fonlarını, hastane ödeneklerini ve koruyucu hekimlik bütçelerini doğrudan bu ölüm istatistiklerine bakarak dağıtmaktadır. Yapay bir kodlama kuralı nedeniyle bir hastalığın yükü olduğundan iki kat fazla veya az göründüğünde, milyarlarca dolarlık kaynaklar da yanlış alanlara aktarılmış olmaktadır.
Son yirmi yılın tüm Amerikan ölüm verilerini kapsayan bu kapsamlı inceleme, gelecekte daha adil ve gerçekçi sağlık stratejileri geliştirebilmek adına çoklu neden analizlerinin resmi istatistik standartlarına dahil edilmesi gerektiğini savunuyor. İnsan ölümünü tek bir koda hapsetmek yerine, birbiriyle etkileşen hastalık zincirlerini bütüncül bir yaklaşımla okumak, modern epidemiyolojinin yeni rotasını belirleyecektir.
Referans: DOI: https://doi.org/10.1073/pnas.2604493123
BilimBox Yorumu: Bir insanın hayata veda ediş sürecini sadece tek bir satıra ve kurak bir ICD-10 koduna indirgemek, modern tıbbın istatistik kolaycılığına kaçmasından başka bir şey değildir. Gerçek hayatta hiçbir kronik hasta sadece tek bir nedenden dolayı ölmez; şeker hastalığı böbreği yorar, böbrek yetmezliği kalbi tetikler ve en nihayetinde basit bir enfeksiyon sistemi tamamen durdurur. Şimdiye kadar kullanılan Record Axis sistemi, bu karmaşık biyolojik zincirin sadece en son halkasını veya bürokrasinin en çok ilgisini çeken halkasını seçip diğerlerini yok sayıyordu. Analizdeki COVID-19 verilerinde görülen o devasa erime, aslında pandeminin yarattığı panik havasının veri mühendisliğini nasıl tek tipleştirdiğinin en net kanıtıdır. Eğer bir hastalığın bütçesini ve aciliyetini bu hatalı veya eksik haritalandırılmış sayılara göre belirlemeye devam edersek, sessizce ilerleyen diğer ölümcül tehditleri tamamen gözden kaçırırız. Kamu sağlığı otoritelerinin bu veri dönüşümünü ciddiyetle incelemesi ve çoklu neden ağırlıklandırma modellerine geçiş yapması, sadece geçmişin muhasebesini doğru tutmak adına değil, gelecekteki olası krizlerde kaynakları doğru yönetebilmek adına da hayati bir zorunluluktur.
Bu makale güvenilir kaynaklardan yapay zeka yardımıyla çevrilmiş ve Gökhan Yalta tarafından kontrol edilip düzenlenerek yayına alınmıştır. Teknoloji ve bilim vizyonumuz hakkında daha fazla bilgi edinmek için hakkında sayfamıza göz atabilirsiniz.