Bayesian Kernel Machine Regression via Random Fourier Features for Estimating Joint Health Effects of Multiple Exposures

तकनीकी सारांश: कई जोखिम कारकों के संयुक्त स्वास्थ्य प्रभावों के अनुमान के लिए रैंडम फूरियर फीचर्स के माध्यम से बेयसियन कर्नल मशीन रिग्रेशन

समस्या विवरण
पर्यावरण महामारी विज्ञान (environmental epidemiology) पारंपरिक रूप से एकल-एक्सपोज़र विश्लेषणों पर ध्यान केंद्रित करता रहा है, फिर भी मनुष्य एक साथ कई सह-संबंधित जोखिम कारकों के संपर्क में रहते हैं। बेयसियन कर्नल मशीन रिग्रसन (BKMR) कई एक्सपोज़र के संयुक्त, गैर-रेखीय (nonlinear) प्रभावों का अनुमान लगाने के लिए एक व्यापक रूप से उपयोग की जाने वाली विधि है, जो एक्सपोज़र-रिस्पॉन्स सतह को गाऊसियन प्रोसेस के एक यथार्थ (realization) के रूप में मॉडल करती है। हालांकि, BKMR बड़े डेटासेट को लागू करने पर महत्वपूर्ण कम्प्यूटेशनल बाधाओं का सामना करता है। इस विधि के लिए मार्कोव चेन मोंटे कार्लो (MCMC) इटरेशन के दौरान $n \times n$ कर्नल मैट्रिक्स के बार-बार व्युत्क्रमण (inversion) की आवश्यकता होती है, जहाँ $n$ नमूना आकार (sample size) है। यह BKMR को बड़े प्रशासनिक स्वास्थ्य डेटाबेस (जैसे, $n > 5,000$) के लिए कम्प्यूटेशनल रूप से अव्यवहार्य बनाता है। जबकि मौजूदा सन्निकटन (approximations) जैसे कि प्रेडिक्टिव प्रोसेस (नॉट्स का उपयोग करके) मौजूद हैं, वे ओवरस्मूथिंग और बहुभिन्नरूपी (multivariate) सेटिंग्स में नॉट्स के चयन के लिए स्पष्ट मार्गदर्शन की कमी जैसी चुनौतियों से जूझते हैं।

कार्यप्रणाली: फास्ट BKMR
लेखक प्रस्तावित करते हैं कि "फास्ट BKMR" विधि, BKMR में गाऊसियन प्रोसेस रैंडम इफेक्ट्स को सुपरवाइज्ड रैंडम फूरियर फीचर्स (RFF) से बदल देती है। यह दृष्टिकोण बोचन के प्रमेय (Bochner's theorem) का लाभ उठाता, जो कहता है कि कोई भी पॉजिटिव डेफिनिट, स्टेशनरी कर्नल, उसके स्पेक्ट्रल डेंसिटी के फूरियर ट्रांसफॉर्म के रूप में व्यक्त किया जा सकता है।

मुख्य कार्यप्रणाली घटक शामिल हैं:

• आधार विस्तार (Basis Expansion): रैंडम इफेक्ट फंक्शन $h(x_i)$ को आधार कार्यों के एक सीमित सेट द्वारा अनुमानित किया जाता है:
  $$h(x_i) \approx \sum_{j=1}^{J} a_j \cos(\omega_j^T x_i) + b_j \sin(\omega_j^T x_i)$$
  जहाँ $\omega_j$ आवृत्तियाँ (frequencies) हैं जो स्पेक्ट्रल डेंसिटी से ली गई हैं, और $a_j, b_j$ रैंडम-इफेक्ट गुणांक हैं।
• सुपरवाइज्ड लर्निंग: मानक डेटा-स्वतंत्र RFF के विपरीत, यह विधि आवृत्तियों $\omega_j$ को डेटा से सीखे जाने वाले रैंडम वेरिएबल्स के रूप में मानती है। यह आधार कार्यों को विशिष्ट एक्सपोज़र-रिस्पॉन्स सतह के अनुकूल (adaptive) बनाने की अनुमति देता है।
• मॉडल रिफ्रेमिंग: RFF का उपयोग करके, कर्नल मशीन रिग्रेशन को एक लीनियर मिक्स्ड-इफेक्ट मॉडल के रूप में पुनर्गठित किया जाता है। यह $n \times n$ कर्नल मैट्रिक्स के व्युत्क्रमण की आवश्यकता को समाप्त कर देता है, जिससे कम्प्यूटेशनल जटिलता काफी कम हो जाती है।
• अनुमान (Inference): बेयसियन अनुमान का संचालन हैमिल्टोनियन मोंटे कार्लो (HMC) एल्गोरिदम के साथ MCMC का उपयोग करके किया जाता है। आवृत्तियों $\omega_j$ और गुणांकों $(\gamma, a_j, b_j)$ को ब्लॉक्स में अपडेट किया जाता है। आधार कार्यों की संख्या ($J$) का चयन वतनबे-इकाके सूचना मानदंड (WAIC) का उपयोग करके किया जाता है।

मुख्य योगदान और परिणाम
लेखक सिमुलेशन अध्ययनों और एक वास्तविक दुनिया के अनुप्रयोग के माध्यम से फास्ट BKMR का मूल्यांकन करते हैं, और मानक BKMR एवं प्रेडिक्टिव प्रोसेस (PP) के साथ इसकी तुलना करते हैं।

1. कम्प्यूटेशनल दक्षता: फास्ट BKMR, गणना समय में पर्याप्त कमी प्रदर्शित करता है। $N=10,000$ और 10 एक्सपोज़र वाले सिमुलेशन में, मानक BKMR (PP के साथ) को मॉडल फिट करने में लगभग 6.6 दिन लगे, जबकि फास्ट BKMR को केवल लगभग 1 दिन लगा (जब $J=1,000$ था)। छोटे आधार सेट (जैसे, $J=5$) के लिए, समय में कमी और भी नाटकीय थी (99% तक की कमी)। फास्ट BKMR के लिए गणना का समय नमूना आकार और एक्सपोज़र की संख्या के साथ लगभग रैखिक रूप से स्केल करता है, जबकि BKMR विद PP नमूना आकार और एक्सपोज़र की संख्या दोनों के साथ खराब तरीके से स्केल करता है।
2. अनुमान सटीकता:
   • मजबूत सहसंबंध (Strong Correlation): जब एक्सपोज़र-रिस्पॉन्स सतह में मजबूत सहसंबंध होते हैं (जो वायु प्रदूषण डेटा में सामान्य है), तो फास्ट BKMR, कम संख्या में आधार कार्यों के बावजूद, BKMR विद PP से बेहतर प्रदर्शन करता है।
   • कर्नल मिसस्पेसिफिकेशन: उन परिदृश्यों में जहाँ वास्तविक कर्नल अनुमानित गाऊसियन कर्नल से भिन्न होता है, फास्ट BKMR मजबूत प्रदर्शन बनाए रखता है, जो अक्सर उच्च एक्सपोज़र की संख्या के साथ, BKMR विद PP की तुलना में कम रूट मीन स्क्वेर्ड एरर (RMSE) प्रदान करता है।
   • पैरामीट्रिक परिदृश्य: जब वास्तविक एक्सपोज़र-फंक्शन पैरामीट्रिक (गैर-गाऊसियन) होता है, तो फास्ट BKMR आधार कार्यों की संख्या बढ़ने के साथ मानक BKMR के प्रदर्शन के तुलनीय परिणाम प्राप्त करता है, जबकि बेहतर गति बनाए रखता है।
3. जन्म वजन (Birthweight) डेटा पर अनुप्रयोग: विधि का उपयोग जॉर्जिया के 273,711 जन्म रिकॉर्ड के डेटासेट पर CO, NO$_2$, और PM$_{2.5}$ के संयुक्त प्रभावों का विश्लेषण करने के लिए किया गया था। फास्ट BKMR ने जटिल, गैर-रेखीय संयुक्त प्रभावों को सफलतापूर्वक कैप्चर किया और इंटरैक्शन टर्म्स वाले मल्टी-पोल्यूटेंट लीनियर मॉडल की तुलना में संकीर्ण पोस्टीरियर इंटरवल प्रदान किए। विश्लेषण ने पुष्टि की कि NO$_2$ और PM$_{2.5}$ के बढ़ते स्तर जन्म वजन में कमी से जुड़े हैं, जबकि CO के लिए संबंध सकारात्मक था लेकिन सांख्यिकीय रूप से महत्वपूर्ण नहीं था।

महत्व और दावे
लेखक दावा करते हैं कि फास्ट BKMR, BKMR की महत्वपूर्ण स्केलेबिलिटी समस्या को संबोधित करता है, जिससे उन बड़े प्रशासनिक स्वास्थ्य डेटाबेस का विश्लेषण संभव हो पाता है जो पहले अगम्य (intractable) थे। यह विधि गैर-रेखीय संयुक्त प्रभावों और इंटरैक्शन को मॉडल करने की लचीलापन से समझौता किए बिना एक कम्प्यूटेशनल रूप से कुशल विकल्प प्रदान करती है।

यह पत्र विशिष्ट लाभों को रेखांकित करता है:

• स्केलेबिलिटी: यह दसियों हज़ार अवलोकनों और कई एक्सपोज़र वाले डेटासेट के विश्लेषण को सुगम बनाता है।
• मजबूती (Robustness): यह तब भी अच्छा प्रदर्शन करता है जब एक्सपोज़र-रिस्पॉन्स सतह में मजबूत निर्भरता होती है या जब कर्नल मिसस्पेसिफाइड होता है।
• संख्यात्मक स्थिरता (Numerical Stability): कर्नल मैट्रिक्स के व्युत्क्रमण से बचकर, यह विधि उन संख्यात्मक सिंगुलैरिटी मुद्दों को दूर करती है जो अत्यधिक सह-संबंधित एक्सपोज़र (उदाहरण के लिए, एक ही जनगणना क्षेत्र के व्यक्तियों का समान एक्सपोज़र डेटा साझा करना) होने पर गाऊसियन प्रोसेस रिग्रेशन में उत्पन्न होते हैं।
• लचीलापन: RFF की सुपरवाइज्ड प्रकृति यह सुनिश्चित करती है कि आधार कार्य डेटा के अनुकूल हों, जो कि डिटरमिनिस्टिक एक्सपेंशन जैसे कि कारकुनन-लोए (Karhunen–Loève) एक्सपेंशन की तुलना में एक लाभ है।

लेखक सीमाओं को भी नोट करते हैं, जिसमें यह तथ्य शामिल है कि यह विधि अभी भी गैर-बेयसियन विकल्पों (जैसे WQS या q-gcomp) की तुलना में अधिक समय लेने वाली है और वर्तमान में केवल निरंतर परिणामों (continuous outcomes) पर लागू होती है। वे सुझाव देते हैं कि भविष्य के कार्य स्पाइक-एंड-स्लैब प्रायर्स (spike-and-slab priors) के माध्यम से वेरिएबल सिलेक्शन और बाइनरी या काउंट परिणामों के लिए जनरलाइज्ड लीनियर मॉडल्स के विस्तार की खोज कर सकते हैं।