Model-based standardization using multiple imputation

तकनीकी सारांश: मल्टीपल इम्प्यूटेशन का उपयोग करके मॉडल-आधारित मानकीकरण

समस्या विवरण
सापेक्ष उपचार प्रभावों (relative treatment effects) का अनुमान लगाते समय, शोधकर्ता अक्सर सशर्त (conditional) और सीमांत (marginal) अनुमानों (estimands) के बीच चयन का सामना करते हैं। जबकि सशर्त प्रभाव बहुचर प्रतिगमन मॉडल (multivariable regression models) से सीधे प्राप्त होते हैं, सीमांत प्रभाव जनसंख्या-स्तर के निर्णय लेने के लिए अधिक पसंद किए जाते हैं, विशेष रूप से गैर-संकुचन योग्य मापों (non-collapsible measures) जैसे कि ऑड्स रेशियो (odds ratios) और हैजर्ड रेशियो (hazard ratios) के लिए। मानक मॉडल-आधारित मानकीकरण (जिसे अक्सर G-कम्प्यूटेशन कहा जाता है) एक लक्षित सहचर वितरण (target covariate distribution) पर औसत निकालकर सशर्त मॉडल भविष्यवाणियों को सीमांत उपचार प्रभावों में बदलने के लिए एक पारंपरिक विधि है।

मानक दृष्टिकोण आउटकम मॉडल के लिए मैक्सिमम-लाइक्लीहुड एस्टीमेशन (MLE) और विचरण अनुमान (variance estimation) के लिए नॉन-पैरामीट्रिक बूटस्ट्रैपिंग पर निर्भर करता है। हालाँकि, यह ढांचा कुछ सीमाओं को प्रस्तुत करता है: यह स्वाभाविक रूप से बेयसियन अनुमान (Bayesian inference) को अनुकूलित नहीं करता है, जिससे पूर्व साक्ष्य (prior evidence) को शामिल करना, एक एकीकृत ढांचे के भीतर व्यवस्थित रूप से लुप्त डेटा (missing data) को संभालना और अनिश्चितता को प्रसारित करना कठिन हो जाता है। इसके अलावा, मानकीकरण के लिए अक्सर बाहरी लक्षित आबादी (जैसे, वास्तविक दुनिया का डेटा) के लिए मॉडल भविष्यवाणियों का विस्तार (extrapolation) करने की आवश्यकता होती है जहाँ आउटकम डेटा अनुपलब्ध होता है, जो कि वैचारिक रूप से एक लुप्त डेटा समस्या के समान है।

कार्यप्रणाली: मल्टीपल इम्प्यूटेशन मार्जिनलाइजेशन (MIM)
लेखक एक नवीन, सामान्य-उद्देश्य वाली विधि प्रस्तावित करते हैं जिसे मल्टीपल इम्प्यूटेशन मार्जिनलाइजेशन (MIM) कहा जाता है। यह दृष्टिकोण मानकीकरण की समस्या को एक लुप्त डेटा समस्या के रूप में पुनर्गठित करता है, जहाँ रुचि के उपचारों के तहत लक्षित आबादी के लिए आउटकम व्यवस्थित रूप से लुप्त होते हैं। MIM मल्टीपल इम्प्यूटेशन के सिद्धांतों का लाभ उठाता है ताकि इन लुप्त आउटकम्स का संश्लेषण किया जा सके और सीमांत उपचार प्रभाव का अनुमान लगाया जा सके।

यह विधि दो अलग-अलग चरणों में कार्य करती है:

1. संश्लेषण चरण (डेटा जनरेशन):

   • प्रथम-चरण प्रतिगमन (First-Stage Regression): इंडेक्स अध्ययन (जो उपचार प्रभाव अनुमानों का स्रोत है) के व्यक्तिगत स्तर के डेटा पर एक पैरामीट्रिक बहुचर प्रतिगमन मॉडल (जैसे, लॉजिस्टिक रिग्रेशन) फिट किया जाता है। यह मॉडल बेसलाइन सहचरों और उपचार को शामिल करते हुए आउटकम को जोड़ता है, जिसमें प्रभाव विषमता (effect heterogeneity) को पकड़ने के लिए उपचार-सहचर इंटरैक्शन शामिल हैं। इसे बेयसियन फ्रेमवर्क (जैसे, MCMC के माध्यम से) का उपयोग करके अनुमानित किया जाता है, जो प्रायोर डिस्ट्रीब्यूशन (prior distributions) के निर्धारण की अनुमति देता है।
   • आउटकम भविष्यवाणी (Outcome Prediction): एक "डेटा ऑग्मेंटेशन" चरण एक सिंथेटिक डेटासेट बनाता है जो लक्षित सहचर डेटासेट की नकल करता है। इसकी एक प्रति सक्रिय उपचार ($t=1$) को और दूसरी नियंत्रण ($t=0$) को आवंटित की जाती है।
   • इम्प्यूटेशन (Imputation): प्रथम-चरण प्रतिगमन से प्राप्त पोस्टीरियर प्रेडिक्टिव डिस्ट्रीब्यूशन का उपयोग करके, संवर्धित लक्षित डेटासेट में लुप्त आउटकम्स के लिए संभावित मान (plausible values) निकाले जाते हैं। इस प्रक्रिया को $M$ बार दोहराया जाता है ताकि $M$ सिंथेटिक डेटासेट उत्पन्न किए जा सकें, जहाँ प्रत्येक डेटासेट में लक्षित सहचर, उपचार संकेतक और इम्प्यूटेड आउटकम शामिल होते हैं।

2. विश्लेषण चरण (Inference):

   • द्वितीय-चरण प्रतिगमन (Second-Stage Regression): प्रत्येक $M$ सिंथेटिक डेटासेट के लिए, एक सरल सीमांत प्रतिगमन किया जाता है, जो केवल उपचार संकेतक पर इम्प्यूटेड आउटकम को रिग्रेट करता है ताकि सीमांत उपचार प्रभाव ($\delta^{(m)}$) और उसका विचरण ($\hat{v}^{(m)}$) अनुमानित किया जा सके।
   • पूलिंग (Pooling): $M$ पॉइंट अनुमानों और विचरणों को सीमांत उपचार प्रभाव के लिए एक पोस्टीरियर डिस्ट्रीब्यूशन बनाने हेतु संयोजित किया जाता है। लेखक रुबिन के नियमों (Rubin's rules) के समान संयोजन नियमों का उपयोग करते हैं जो इस विशिष्ट संदर्भ के लिए अनुकूलित हैं। विशेष रूप से, वे औसत अनुमान ($\bar{\delta}$), औसत विथ-इम्प्यूटेशन विचरण ($\bar{v}$), और बिटवीन-इम्प्यूटेशन विचरण ($b$) की गणना करते हैं।
   • अनुमान (Inference): अंतिम अनुमान $M$ अनुमानों का औसत है। विचरण का अनुमान एक ऐसे सूत्र का उपयोग करके लगाया जाता है जो सीमित संख्या में सिंथेसिस के लिए समायोजित करते हुए, विथ-इन और बिटवीन-इम्प्यूटेशन परिवर्तनशीलता दोनों को ध्यान में रखता है। कॉन्फिडेंस इंटरवल को नॉर्मल एप्रोक्सिमेशन या समायोजित डिग्री ऑफ फ्रीडम के साथ $t$-डिस्ट्रीब्यूशन का उपयोग करके प्राप्त किया जा सकता है।

प्रमुख योगदान

• नवीन ढांचा: यह पेपर MIM को मल्टीपल इम्प्यूटेशन और मॉडल-आधारित मानकीकरण के बीच एक सेतु के रूप में पेश करता है, जिससे मानकीकरण को बेयसियन सांख्यिकीय ढांचे के भीतर निष्पादित करना संभव होता है।
• अनिश्चितता का प्रसार (Uncertainty Propagation): मानक बूटस्ट्रैप दृष्टिकोण के विपरीत, MIM पोस्टीरियर प्रेडिक्टिव डिस्ट्रीब्यूशन के माध्यम से आउटकम मॉडल मापदंडों से अंतिम सीमांत प्रभाव अनुमान तक अनिश्चितता को स्वाभाविक रूप से प्रसारित करता है।
• लचीलापन: यह विधि आउटकम मॉडल में पूर्व साक्ष्य (जैसे, मेटा-एनालिसिस या विशेषज्ञ राय से) को शामिल करने की सुविधा प्रदान करती है और इंडेक्स अध्ययन में लुप्त डेटा को संभालने का एक व्यवस्थित तरीका प्रदान करती है।
• गणना दक्षता: संश्लेषण और विश्लेषण चरणों को अलग करके, MIM नेस्टेड सिमुलेशन (जैसे, बेयसियन MCMC लूप के भीतर बूटस्ट्रैपिंग) के कम्प्यूटेशनल बोझ से बचता है।

परिणाम
लेखकों ने मानक पैरामीट्रिक G-कम्प्यूटेशन (MLE के साथ नॉन-पैरामीट्रिक बूटस्ट्रैपिंग) के विरुद्ध बेंचमार्क करने के लिए एक सिमुलेशन अध्ययन आयोजित किया। अध्ययन ने बाइनरी आउटकम, निरंतर सहचर और लॉजिस्टिक आउटकम मॉडल का उपयोग किया, जिसका लक्ष्य सीमांत लॉग ऑड्स रेशियो था। परिदृश्य इंडेक्स ट्रायल सैंपल साइज ($N=500, 1000, 2000$) और इंडेक्स एवं लक्षित सहचर वितरण के बीच ओवरलैप की डिग्री (सीमित बनाम पूर्ण ओवरलैप) के आधार पर भिन्न थे।

• पूर्वाग्रह-रहितता (Unbiasedness): जब पैरामीट्रिक मॉडलिंग धारणाएं सही रहीं, तो MIM ने लक्षित सहचर वितरण में सीमांत उपचार प्रभाव के निर्दोष अनुमान दिए, जो मानक दृष्टिकोण के समान थे।
• परिशुद्धता और दक्षता (Precision and Efficiency): सभी परिदृश्यों में MIM के लिए एम्पिरिकल स्टैंडर्ड एरर (ESE) और मीन स्क्वायर एरर (MSE) मानक दृष्टिकोण के लगभग समान थे।
• कवरेज (Coverage): दोनों विधियों के लिए 95% इंटरवल अनुमानों के एम्पिरिकल कवरेज रेट्स नामांकित 95% स्तर के करीब थे। मामूली विचलन केवल छोटे सैंपल साइज ($N=500$) में देखे गए, जो संभवतः लॉजिस्टिक रिग्रेशन के अंतर्निहित छोटे-सैंपल बायस के कारण थे, न कि MIM पद्धति के कारण।
• मजबूती (Robustness): अध्ययन ने प्रदर्शित किया कि सही मॉडल स्पेसिफिकेशन के तहत सीमित नमूनों में MIM मानक दृष्टिकोण के समान प्रदर्शन करता है।

महत्व और दावे
पेपर का दावा है कि MIM मानक मॉडल-आधारित मानकीकरण के लिए एक सांख्यिकीय रूप से वैध विकल्प प्रदान करता है, जो पैरामीट्रिक धारणाएं पूरी होने पर स्थापित G-कम्प्यूटेशन पद्धति के समान प्रदर्शन प्रदान करता है। प्राथमिक महत्व इसके पद्धतिगत विस्तार में निहित है: MIM मानकीकरण को एक संभाव्य (बेयसियन) ढांचे में एकीकृत करता है, जिससे अनिश्चितता का व्यवस्थित प्रसार और पूर्व साक्ष्य का समावेश संभव होता है।

लेखक स्पष्ट रूप से कहते हैं कि सिमुलेशन अध्ययन एक "प्रूफ-ऑफ-प्रिंसिपल" के रूप में कार्य करता है। वे स्वीकार करते हैं कि अध्ययन ने सही मॉडल स्पेसिफिकेशन के साथ "सर्वश्रेष्ठ-मामले के परिदृश्य" पर ध्यान केंद्रित किया और मॉडल मिसस्पेसिफिकेशन के प्रति मजबूती की जांच नहीं की। वे नोट करते हैं कि हालांकि MIM अपने लुप्त डेटा को संभालने और प्रायर को शामिल करने की क्षमता के लिए आकर्षक है, इसका अनुप्रयोग आउटकम मॉडल के सही निर्धारण और डेटा स्रोतों के बीच सुसंगत रूप से परिभाषित सहचरों की उपलब्धता पर निर्भर करता है। पेपर निष्कर्ष निकालता है कि MIM लक्षित सहचर वितरण पर मार्जिनलाइज करने के लिए एक व्यवहार्य विधि है, जो उचित अनुमान और मानक दृष्टिकोण के समान सांख्यिकीय प्रदर्शन प्रदान करती है, जबकि बेयसियन ढांचे के अतिरिक्त लचीलेपन का लाभ भी देती है।