📊 statistics

Improving Precision of RCT-Based CATE Estimation using Data Borrowing with Double Calibration

यह शोध पत्र R-OSCAR का प्रस्ताव करता है, जो एक सुदृढ़ दो-चरणीय ढांचा है जो रैंडमाइज्ड कंट्रोल्ड ट्रायल्स में कंडीशनल एवरेज ट्रीटमेंट इफेक्ट के अनुमान की सटीकता में सुधार करने के लिए बड़े ऑब्जर्वेशनल स्टडीज का लाभ उठाता है, जिससे आउटकम प्रेडिक्शन्स को कैलिब्रेट और बायस को ठीक किया जा सके, और इस प्रकार अनबायस्डनेस बनाए रखते हुए हेट्रोजेनियस ट्रीटमेंट इफेक्ट्स का पता लगाने के लिए आवश्यक सैंपल साइज को महत्वपूर्ण रूप से कम किया जा सके।

मूल लेखक: Amir Asiaee, Chiara Di Gravio, Cole Beck, Yuting Mei, Samhita Pal, Jared D. Huling

प्रकाशित 2026-07-13

📖 7 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Amir Asiaee, Chiara Di Gravio, Cole Beck, Yuting Mei, Samhita Pal, Jared D. Huling

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आप एक जासूस हैं जो यह पता लगाने की कोशिश कर रहे हैं कि किस तरह के व्यक्ति के लिए कौन सी दवा सबसे अच्छी काम करती है। यह पर्सनलाइज्ड मेडिसिन (व्यक्तिगत चिकित्सा) का लक्ष्य है। आमतौर पर, इस रहस्य को सुलझाने के लिए स्वर्ण मानक (गोल्ड स्टैंडर्ड) एक रैंडमाइज्ड कंट्रोल्ड ट्रायल (RCT) होता है। एक RCT को एक अत्यंत सख्त, पूरी तरह से व्यवस्थित प्रयोग के रूप में सोचें जहाँ स्वयंसेवकों के एक छोटे समूह को अलग-अलग उपचारों में बेतरतीब ढंग से (रैंडमली) विभाजित किया जाता है। क्योंकि समूह छोटा और सावधानीपूर्वक नियंत्रित होता है, इसलिए परिणाम भरोसेमंद होते हैं, लेकिन उनमें रोगियों के बीच सूक्ष्म अंतरों को पहचानने के लिए अक्सर संख्या की कमी होती है। यह घास के ढेर में एक विशिष्ट सुई खोजने की कोशिश करने जैसा है जब आपके पास केवल घास की एक छोटी सी मुट्ठी हो।

सड़क के दूसरी ओर, आपके पास ऑब्जर्वेशनल स्टडीज (OS - अवलोकन संबंधी अध्ययन) हैं। ये वास्तविक दुनिया के अस्पतालों और रिकॉर्ड से एकत्र किए गए डेटा के विशाल ढेर हैं। इनमें लाखों लोग हैं, इसलिए इनके पास सुई खोजने के लिए पर्याप्त घास उपलब्ध है। लेकिन एक पेंच है: डेटा अव्यवस्थित है। लोगों को रैंडम तरीके से नहीं सौंपा गया था; उन्होंने अपनी आदतों, डॉक्टरों की पसंद या छिपे हुए कारकों के आधार पर अपने उपचारों को चुना था। यह अनसॉर्ट किए गए, हाथ से लिखे नोट्स के ढेर का उपयोग करके एक रहस्य को सुलझाने की कोशिश करने जैसा है जहाँ लेखक पक्षपाती हो सकता है।

बड़ी समस्या

वैज्ञानिक लंबे समय से इन दोनों दुनियाओं को मिलाने की कोशिश कर रहे हैं: ऑब्जवेशनल स्टडीज के विशाल आकार का उपयोग करके छोटे, भरोसेमंद RCTs की मदद करना। लेकिन एक डर भी है। यदि आप अव्यवस्थित नोट्स को सख्त प्रयोग में बस मिला देते हैं, तो आप प्रयोग की विश्वसनीयता को खराब कर सकते हैं। अधिकांश पिछले प्रयासों ने यह मानने की कोशिश की कि जिस तरह से दवा काम करती है, उसके "नियम" अव्यवस्थित नोट्स और सख्त प्रयोग दोनों में बिल्कुल समान हैं। इस पेपर के लेखक तर्क देते हैं कि यह धारणा अक्सर गलत होती है। वास्तविक दुनिया और लैब के बीच "नियम" थोड़े बदल सकते हैं।

नया समाधान: R-OSCAR

लेखक एक नया फ्रेमवर्क प्रस्तावित करते हैं जिसे R-OSCAR (CMO-Augmented RCT के लिए Robust Observational Studies) कहा जाता है। यह कैसे काम करता है, इसके लिए एक रचनात्मक उपमा (एनालॉजी) का उपयोग करते हैं:

कल्पना कीजिए कि RCT एक छोटे, हाई-एंड किचन में एक मास्टर शेफ है। शेफ जानता है कि एक आदर्श व्यंजन (उपचार प्रभाव) कैसे पकाया जाता है, लेकिन उसके पास केवल कुछ ही सामग्रियां (छोटा सैंपल साइज) हैं। ऑब्जर्वेशनल स्टडी एक विशाल, अराजक फूड ट्रक है जिसमें लाखों ग्राहक और एक बड़ा भंडार है, लेकिन खाना पकाने के निर्देश नैपकिन पर लिखे हुए हैं और थोड़े गलत हो सकते हैं।

फूड ट्रक की सामग्रियों को सीधे शेफ के किचन में डालने के बजाय (जो व्यंजन को खराब कर देगा), R-OSCAR एक स्मार्ट सू-शेफ (सहायक शेफ) की तरह काम करता है।

टेस्ट टेस्ट (स्वाद परीक्षण): सू-शेफ फूड ट्रक की रेसिपी (ऑब्जर्वेशनल डेटा) लेता है और उन्हें शेफ के किचन में आजमाकर देखता है।
कैलिब्रेशन (अंशांकन): सू-शेफ फूड ट्रक के स्वाद और शेफ के आदर्श स्वाद के बीच के अंतर को नोटिस करता है। वे फूड ट्रक के डेटा को फेंकते नहीं हैं; इसके बजाय, वे एक "करेक्शन फैक्टर" (विसंगति) की गणना करते हैं ताकि ट्रक की रेसिपी को शेफ के किचन के अनुकूल बनाया जा सके।
अंतिम व्यंजन: शेफ इस सुधारे हुए नुस्खे का उपयोग यह अनुमान लगाने के लिए करता है कि विभिन्न प्रकार के खाने वालों (रोगियों) के लिए व्यंजन का स्वाद कैसा होगा।

जादुई बात यह है कि अंतिम भविष्यवाणी अभी भी शेफ (RCT) की सच्चाई पर टिकी हुई है। भले ही फूड ट्रक की मूल रेसिपी पूरी तरह से गलत रही हो, सुधार का चरण यह सुनिश्चित करता है कि अंतिम परिणाम निष्पक्ष बना रहे।

उन्होंने क्या पाया (संख्याएँ)

लेखकों ने केवल अनुमान नहीं लगाया; उन्होंने इसे कंप्यूटर सिमुलेशन और वास्तविक दुनिया के डेटा के साथ परखा।

सिमुलेशन के परिणाम: अपने कंप्यूटर प्रयोगों में, उन्होंने पाया कि R-OSCAR का उपयोग करने से उपचार प्रभावों का पता लगाने के लिए RCT में आवश्यक लोगों की संख्या को 75% तक कम किया जा सकता है। उदाहरण के लिए, यदि किसी अध्ययन को स्पष्ट उत्तर प्राप्त करने के लिए आमतौर पर 1,000 रोगियों की आवश्यकता होती है, तो R-OSCAR 10,000 लोगों के बड़े ऑब्जर्वेशनल डेटासेट तक पहुंच होने पर केवल 250 रोगियों के साथ वही सटीकता प्राप्त कर सकता है।
"सेफ्टी नेट" (सुरक्षा जाल): पेपर में एक "डायग्नोस्टिक" टूल भी पेश किया गया है। इसे एक स्मोक डिटेक्टर (धुआं पहचानने वाला यंत्र) के रूप में समझें। शेफ द्वारा फूड ट्रक के डेटा का उपयोग करने से पहले, स्मोक डिटेक्टर यह जांचता है कि क्या डेटा उपयोग के लिए सुरक्षित है। यदि ऑब्जेशनल डेटा बहुत अधिक अव्यवस्थित या पक्षपाती है (जैसे कि यदि फूड ट्रक सड़ा हुआ खाना परोस रहा है), तो डिटेक्टर अलार्म बजा देता है, और सिस्टम स्वचालित रूप से केवल शेफ के अपने डेटा का उपयोग करने की ओर वापस चला जाता है। यह सुनिश्चित करता है कि डेटा उधार लेना कभी भी परिणामों को पहले की तुलना में बदतर नहीं बनाता है।
वास्तविक दुनिया के परीक्षण: उन्होंने इसे दो वास्तविक परिदृश्यों पर परखा:
1. टेनेसी STAR (Tennessee STAR) क्लास-साइज एक्सपेरिमेंट का एक सेमी-सिंथेटिक अध्ययन, जहाँ उन्होंने सत्य को पुनः प्राप्त करने के लिए कृत्रिम रूप से अव्यवस्थित डेटा बनाया। यह पूरी तरह से सफल रहा।
2. ग्रीनलाइट प्लस (Greenlight Plus) पीडियाट्रिक ओबेसिटी ट्रायल, जो वास्तविक इलेक्ट्रॉनिक हेल्थ रिकॉर्ड्स से जुड़ा था। यहाँ, विधि ने वास्तविक रिकॉर्ड्स से डेटा उधार लेकर कंट्रोल ग्रुप (वे बच्चे जिन्हें डिजिटल हस्तक्षेप नहीं मिला) के अनुमान में सफलतापूर्वक सुधार किया, लेकिन केवल तभी जब उन रिकॉर्ड्स में उन्हीं प्रकार के मरीज शामिल थे जैसा कि ट्रायल में था।

वे स्पष्ट रूप से किसे खारिज करते हैं

यह पेपर बहुत स्पष्ट है कि क्या काम नहीं करता है:

नियमों के समान होने का अंधाधुंध अनुमान लगाना: वे इस विचार के विरुद्ध तर्क देते हैं कि उपचार प्रभाव (दवा कैसे काम करती है) वास्तविक दुनिया और लैब के बीच समान हैं। R-OSCAR इन अंतरों को मौजूद रहने की अनुमति देता है और उन्हें ठीक भी करता है।
बिना जांचे उधार लेना: वे दिखाते हैं कि यदि ऑब्जेशनल डेटा बहुत अधिक पक्षपाती है या "सुधार" (correction) की आवश्यकता बहुत जटिल है (जैसे कि ट्रक और किचन के बीच का अंतर बहुत बड़ा और अव्यवस्थित है), तो विधि स्वाभाविक रूप से उधार न लेने की ओर लौट जाती है, बजाय इसके कि वह एक गलत फिट थोपे।

वे कितने आश्वस्त हैं?

लेखक अपने सिमुलेशन में आश्वस्त हैं, जहाँ उन्होंने गणितीय रूप से सिद्ध किया कि उनकी विधि विशिष्ट परिस्थितियों में (जैसे कि जब डेटासेट के बीच के अंतर "स्पार्स" यानी विरल हों, जिसका अर्थ है कि केवल कुछ चीजें ही अलग हैं) त्रुटि को कम करती है। उन्होंने इसे विभिन्न परिदृश्यों के लिए 100 अलग-अलग सिमुलेशन रन के साथ प्रदर्शित किया।

वास्तविक दुनिया के परीक्षणों में, उन्होंने दिखाया कि यह विधि सटीकता में सुधार कर सकती है और "स्मोक डिटेक्टर" डायग्नोस्टिक अपेक्षित रूप से कार्य करता है। हालाँकि, वे इन्हें एक स्थायी समाधान के बजाय इस फ्रेमवर्क के सफल सत्यापन के रूप में प्रस्तुत करते हैं। यह विधि बताती है कि बड़े, अव्यवस्थित डेटा को छोटे, साफ डेटा के साथ सावधानीपूर्वक कैलिब्रेट करके, हम अपनी मेडिकल प्रयोगों को बिना उनकी विश्वसनीयता खोए बहुत अधिक कुशल बना सकते हैं।

संक्षेप में, R-OSCAR एक चतुर तरीका है जिससे एक छोटा, सटीक प्रयोग एक विशाल, अव्यवस्थित प्रयोग से शक्ति उधार ले सकता है, लेकिन केवल तभी जब वह गणित की दोबारा जांच करे ताकि यह सुनिश्चित हो सके कि उधार लेने से कोई नई त्रुटियां न हों।

तकनीकी सारांश: डबल कैलिब्रेशन के साथ डेटा बॉरोइंग का उपयोग करके RCT-आधारित CATE अनुमान की सटीकता में सुधार

1. समस्या विवरण

रैंडमाइज्ड कंट्रोल्ड ट्रायल्स (RCTs) कारण अनुमान (causal inference) के लिए स्वर्ण मानक हैं, लेकिन लागत, समय और नमूना आकार की सीमाओं के कारण विविध रोगी उपसमूहों में हेट्रोजेनियस ट्रीटमेंट इफेक्ट्स (HTEs) का पता लगाने के लिए अक्सर अपर्याप्त होते हैं। इसके विपरीत, बड़े पैमाने के ऑब्जर्वेशनल स्टडीज (OS) समृद्ध डेटा और व्यापक जनसंख्या कवरेज प्रदान करते हैं, लेकिन वे अनमैशर्ड कन्फाउंडिंग (unmeasured confounding) और RCT जनसंख्या के सापेक्ष आउटकम डिस्ट्रीब्यूशन शिफ्ट (कॉन्सेप्ट शिफ्ट) से ग्रस्त होते हैं।

RCT और OS डेटा को एकीकृत करने वाले मौजूदा तरीके मुख्य रूप से व्यापक OS आबादी में RCT निष्कर्षों के सामान्यीकरण ( $R \to O$ ) या औसत उपचार प्रभाव (ATE) के अनुमान में विचरण (variance) को कम करने के लिए ऐतिहासिक कंट्रोल आर्म्स को उधार लेने (borrowing) पर ध्यान केंद्रित करते हैं। हालांकि, बिना यह माने कि CATE या आउटकम मीन्स (outcome means) विभिन्न आबादी के बीच विनिमय योग्य (exchangeable) हैं, RCT जनसंख्या के भीतर कंडीशनल एवरेज ट्रीटमेंट इफेक्ट (CATE) अनुमान की सटीकता में सुधार करने के लिए मजबूत फ्रेमवर्क की कमी है। चुनौती यह है कि अनबायस्डनेस (unbiasedness) की गारंटी बनाए रखने के लिए कन्फाउंडिंग और आउटकम शिफ्ट को ठीक करते हुए, CATE अनुमान में विचरण को कम करने के लिए OS डेटा के बड़े नमूना आकार का उपयोग कैसे किया जाए।

लेखक एक ऐसा फ्रेमवर्क प्रस्तावित करते हैं जो CATE अनुमान को एक सुपरवाइज्ड लर्निंग समस्या के रूप में देखता है, जिसमें काउंटरफैक्चुअल मीन आउटकम (CMO) का उपयोग ऑग्मेंटेशन फंक्शन के रूप में किया जाता है। मुख्य अंतर्दृष्टि यह है कि अनुमान विचरण (estimation variance) तब न्यूनतम होता है जब ऑग्मेंटेशन फंक्शन वास्तविक CMO के बराबर होता है।

2. कार्यप्रणाली

लेखक CATE अनुमान को एक सुपरवाइज्ड लर्निंग समस्या के रूप में प्रस्तुत करते हैं, जिसमें काउंटरफैक्चुअल मीन आउटकम (CMO) का उपयोग ऑग्मेंटेशन फंक्शन के रूप में किया जाता है। मुख्य अंतर्दृष्टि यह है कि अनुमान विचरण तब न्यूनतम होता है जब ऑग्मेंटेशन फंक्शन वास्तविक CMO के बराबर होता है।

2.1 सैद्धांतिक आधार

सुपरवाइज्ड लर्निंग फॉर्मूलेशन: CATE $\tau(x)$ को एक स्यूडो-आउटकम $\tau_m(X, A, Y) = \frac{A(Y - m(X))}{\pi_A(X)}$ के स्क्वेर्ड लॉस को कम करके अनुमानित किया जाता है।
इष्टतम ऑग्मेंटेशन (Optimal Augmentation): जोखिम को कम करने वाला ऑग्मेंटेशन फंक्शन $m(X)$ वह है जो CMO है, जिसे $\mu(x) = \sum_a \pi_{-a}(x)\mu_a(x)$ के रूप में परिभाषित किया गया है, जहाँ $\mu_a(x)$ उपचार $a$ के लिए पोटेंशियल आउटकम मीन है।
एरर बाउंड्स (Error Bounds): लेखक परिमित-नमूना एरर बाउंड्स (finite-sample error bounds) प्राप्त करते हैं, जो दिखाते हैं कि CATE एस्टीमेटर का मीन स्क्वेर्ड एरर (MSE), अनुमानित ऑग्मेंटेशन फंक्शन और वास्तविक CMO के बीच MSE पर निर्भर करता है। विशेष रूप से, CMO के अनुमान में सुधार करना सीधे तौर पर प्रेडिक्शन रिस्क और एस्टीमेशन एरर दोनों को कम करता है।

2.2 R-OSCAR फ्रेमवर्क

OS डेटा से बिना बायस (bias) पेश किए CMO अनुमान के लिए डेटा का लाभ उठाने के लिए, लेखक R-OSCAR (Robust Observational Studies for CMO-Augmented RCT) पेश करते हैं, जो एक दो-चरणीय एस्टीमेटर है जो आउटकम मीन एक्सचेंजबिलिटी की धारणा को शिथिल करता है।

मुख्य चरण:

OS आउटकम मॉडलिंग: बड़े OS डेटासेट का उपयोग करके आउटकम मॉडल $\hat{\mu}_o(x, a)$ का अनुमान लगाएं।
आउटकम कैलिब्रेशन (चरण 1): RCT डेटा का उपयोग करके OS आउटकम मॉडल और RCT आउटकम मॉडल के बीच विसंगति (discrepancy) $\hat{\delta}_a(x)$ का अनुमान लगाएं। यह चरण विसंगति को एक स्ट्रक्चर्ड फंक्शन (जैसे स्पार्स या लो-डायमेंशनल) के रूप में मानता है जिसे रेगुलराइज्ड रिग्रेशन (जैसे LASSO) के माध्यम से सीखा जाता है। कैलिब्रेटेड आउटकम मीन $\hat{\mu}_o(x, a) + \hat{\delta}_a(x)$ है।
CMO निर्माण: कैलिब्रेटेड OS आउटकम मीन्स और RCT प्रोपेंसिटी स्कोर्स का उपयोग करके CMO का निर्माण करें।
CATE कैलिब्रेशन (चरण 2): पहले चरण में संभावित मिसस्पेसिफिकेशन या रेगुलराइजेशन बायस को संबोधित करने के लिए, दूसरा कैलिब्रेशन चरण एक CATE विसंगति फंक्शन $\hat{\delta}(x)$ का अनुमान लगाता है। यह कैलिब्रेटेड CMO से प्राप्त प्रारंभिक CATE अनुमान में अवशिष्ट बायस (residual biases) को ठीक करता है।

एल्गोरिदम कार्यान्वयन:

विधि सैद्धांतिक वैधता सुनिश्चित करने के लिए सैंपल स्प्लिटिंग (क्रॉस-फिटिंग) का उपयोग करती है, जिसमें आउटकम कैलिब्रेशन और CATE कैलिब्रेशन के लिए RCT डेटा के स्वतंत्र फोल्ड्स का उपयोग किया जाता है।
यह सिंगल-आर्म बॉरोइंग (जैसे, जब हस्तक्षेप RCT के लिए अद्वितीय हो तो केवल कंट्रोल डेटा उधार लेना) को अनुकूलित करने के लिए CMO निर्माण को बदलकर समर्थन करता है।

2.3 बॉरोइंग के लिए डायग्नोस्टिक

यह निर्धारित करने के लिए कि क्या किसी विशिष्ट OS से बॉरोइंग समर्थित है, एक क्रॉस-फिटेड RCT डायग्नोस्टिक प्रस्तावित किया गया है। यह डायग्नोस्टिक होल्ड-आउट RCT डेटा पर एक पेयर्ड हाइपोथेसिस टेस्ट करता है ताकि RCT-ओनली आउटकम मॉडल्स बनाम OS-कैलिब्रेटेड मॉडल्स की प्रेडिक्टिव सटीकता की तुलना की जा सके। यदि OS-कैलिब्रेटेड मॉडल्स, RCT-ओनली मॉडल्स की तुलना में महत्वपूर्ण रूप से बेहतर प्रदर्शन नहीं करते हैं, तो फ्रेमवर्क RCT-ओनली एस्टीमेटर (RACER) पर डिफ़ॉल्ट हो जाता है, जो गंभीर मॉडल मिसस्पेसिफिकेशन या अनमेशर्ड कन्फाउंडिंग के विरुद्ध मजबूती सुनिश्चित करता है।

3. मुख्य योगदान

$O \to R$ फ्रेमवर्क: CATE अनुमान में सुधार के लिए OS डेटा से दोनों ट्रीटमेंट आर्म्स को उधार लेने के लिए एक फ्रेमवर्क विकसित किया गया, जो केवल कंट्रोल-आर्म बॉरोइंग से आगे बढ़ता है।
शिथिल धारणाएं (Relaxed Assumptions): विभिन्न आबादी के बीच CATE या आउटकम मीन एक्सचेंजबिलिटी की मजबूत धारणा को शिथिल किया गया। इसके बजाय, विधि आबादी के बीच की विसंगति को एक स्ट्रक्चर्ड, सीखने योग्य फंक्शन (जैसे स्पार्स शिफ्ट्स) के रूप में मॉडल करती है।
लर्निंग-थ्योरेटिक बाउंड्स: उन्होंने दिखाया कि CATE एस्टीमेशन की दक्षता CMO ऑग्मेंटेशन फंक्शन की सटीकता पर निर्भर करती है।
R-OSCAR एस्टीमेटर: एक डबली-कैलिब्रेटेड एस्टीमेटर पेश किया गया जो CMO अनुमान को CATE अनुमान से अलग करता है, जो यह गारंटी देता है कि यदि CATE विसंगति फंक्शन सही ढंग से निर्दिष्ट है, तो OS आउटकम मॉडल के मिसस्पेसिफाइड होने पर भी यह सुसंगत (consistent) रहेगा।
डायग्नोस्टिक टूल: एक डेटा-संचालित डायग्नोस्टिक प्रदान किया गया जो प्रमाणित करता है कि कब बॉरोइंग फायदेमंद है, जिससे उन स्थितियों में दक्षता हानि को रोका जा सके जहाँ OS डेटा बहुत अधिक बायस्ड या संरचनात्मक रूप से भिन्न है।
अनुभवजन्य सत्यापन (Empirical Validation): विधि को व्यापक सिमुलेशन और दो वास्तविक दुनिया के केस स्टडीज के माध्यम से मान्य किया गया।

4. परिणाम

4.1 सिमुलेशन अध्ययन

नमूना आकार में कमी: स्पार्स विसंगतियों वाले लीनियर सेटिंग्स में, R-OSCAR ने केवल 250 RCT नमूनों का उपयोग करके Naive और RACER जैसे RCT-ओनली तरीकों की तुलना में समान या बेहतर प्रदर्शन किया, जबकि RCT-ओनली तरीकों को 1,000 नमूनों की आवश्यकता थी। यह HTE डिटेक्शन के लिए आवश्यक RCT नमूना आकार में 75% की संभावित कमी का प्रतिनिधित्व करता है।
मिसस्पेसिफिकेशन के प्रति मजबूती: R-OSCAR ने तब भी बेहतर प्रदर्शन बनाए रखा जब आउटकम मॉडल्स मिसस्पेसिफाइड थे (जैसे, जिनमें क्वाड्रेटिक या साइनुसोइडल टर्म्स शामिल थे) और जब बेसलाइन ने रैंडम फॉरेस्ट जैसे फ्लेक्सिबल मेथड्स का उपयोग किया।
अनमेशर्ड कन्फाउंडिंग: विधि अनमेशर्ड कन्फाउंडिंग के प्रति मजबूत रही। जैसे-जैसे अनमेशर्ड कन्फाउंडिंग की ताकत बढ़ी, डायग्नोस्टिक ने सही ढंग से R-OSCAR चुनने की संभावना को कम कर दिया, और जब बायस बहुत गंभीर हो गया, तो यह अनबायस्ड RCT-ओनली एस्टीमेटर पर डिफ़ॉल्ट हो गया।
डायमेंशनलिटी: कोवेरिएट्स की डाइमेंशनलिटी ( $p$ ) के साथ R-OSCAR का लाभ बढ़ गया, जो स्पार्स विसंगतियों के संबंध में सैद्धांतिक भविष्यवाणियों के अनुरूप है।

4.2 वास्तविक दुनिया के केस स्टडीज

टेनेसी STAR अध्ययन (सेमी-सिंथेटिक): इंड्यूस्ड कन्फाउंडिंग के साथ निर्मित ऑब्जर्वेशनल कोहॉर्ट का उपयोग करते हुए, R-OSCAR और OSCAR ने ग्राउंड-ट्रुथ CATE को रिकवर करने में RCT-ओनली बेसलाइन (RACER) से काफी बेहतर प्रदर्शन किया, जो अनबायस्डनेस और एफिशिएंसी गेन्स को प्रदर्शित करता है।
ग्रीनलाइट प्लस ट्रायल (एक्सटर्नल EHR): एक बाल चिकित्सा मोटापे के परीक्षण (जिसमें केवल कंट्रोल डेटा था) से जुड़े बाहरी इलेक्ट्रॉनिक हेल्थ रिकॉर्ड (EHR) डेटा के साथ, वन-आर्म एडैप्टेशन (R-OSCAR-1arm) ने कंट्रोल-आर्म एस्टीमेशन में सुधार किया। डायग्नोस्टिक ने सफलतापूर्वक बॉरोइंग को प्रमाणित किया जब EHR डेटा ने ट्रायल आबादी को कवर किया, और जब कवरेज अपर्याप्त थी तो बॉरोइंग की सिफारिश करने में विफल रहा।

5. महत्व और दावे

यह पेपर दावा करता है कि यह सांख्यिकीय लर्निंग और ट्रांसफर लर्निंग के उपकरणों का उपयोग करके ऑब्जर्वेशनल और एक्सपेरिमेंटल डेटा को एकीकृत करने के लिए एक सिद्धांतिक दृष्टिकोण प्रदान करता है। इसका महत्व इस प्रकार है:

अनबायस्डनेस को सुरक्षित रखना: उन तरीकों के विपरीत जो सीधे डेटासेट को मिलाते हैं या ट्रांसपोर्टेबिलिटी की धारणा रखते हैं, R-OSCAR कैलिब्रेशन और विसंगति सुधार के माध्यम से RCT अनुमानों में अनबायस्डनेस को सुरक्षित रखता है।
दक्षता लाभ (Efficiency Gains): यह दर्शाता है कि बड़े ऑब्जर्वेशनल डेटासेट का उपयोग व्यक्तिगत चिकित्सा (personalized medicine) के लिए महत्वपूर्ण कारक—हेट्रोजेनियस ट्रीटमेंट इफेक्ट्स का पता लगाने के लिए आवश्यक नमूना आकार की आवश्यकताओं को नाटकीय रूप से कम करने के लिए किया जा सकता है।
मजबूती (Robustness): आउटकम शिफ्ट्स को स्पष्ट रूप से मॉडल करके और यह पता लगाने के लिए एक डायग्नोस्टिक का उपयोग करके कि बॉरोइंग कब अनुपयुक्त है, यह फ्रेमवर्क अनमेशर्ड कन्फाउंडिंग के कारण होने वाले बायस इन्फ्लेशन जैसे नेटिव डेटा इंटीग्रेशन के खतरों से बचता है।
सैद्धांतिक कठोरता: यह कार्य ट्रांसफर लर्निंग थ्योरी को कॉज़ल इन्फरेंस से जोड़ता है, जो विशिष्ट संरचनात्मक धारणाओं (जैसे, स्पार्स विसंगतियां) के तहत CMO ऑग्मेंटेशन के लिए OS डेटा के उपयोग को न्यायसंगत बनाने वाले परिमित-नमूना एरर बाउंड्स प्रदान करता है।

लेखक निष्कर्ष निकालते हैं कि उनका फ्रेमवर्क व्यक्तिगत उपचार रणनीतियों के लिए उपलब्ध डेटा का अधिक कुशलता से उपयोग करने में सक्षम बनाता है, जबकि RCT की कठोर कॉज़ल गारंटियों को बनाए रखता है।