📊 statistics

Overcoming Dependent Censoring in the Evaluation of Survival Models

यह शोध पत्र आश्रित सेंसरिंग (dependent censoring) के तहत उत्तरजीविता मॉडलों (survival models) के मूल्यांकन में पारंपरिक IPCW विधियों की सीमाओं को संबोधित करने के लिए आर्किमेडियन कोपुला (Archimedean copulas) और कोपुला-ग्राफिक एस्टीमेटर (Copula-Graphic estimator) पर आधारित एक नवीन आश्रित ब्रायर स्कोर (dependent Brier score) प्रस्तावित करता है, जो एक अर्ध-सिंथेटिक ढांचे और 12 डेटासेट के माध्यम से यह प्रदर्शित करता है कि यह मानक दृष्टिकोणों की तुलना में अनुमान त्रुटि को 12-16% तक कम करता है।

मूल लेखक: Christian Marius Lillelund, Shi-ang Qi, Russell Greiner

प्रकाशित 2026-06-30

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Christian Marius Lillelund, Shi-ang Qi, Russell Greiner

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 कोच हैं जो यह मूल्यांकन करने की कोशिश कर रहे हैं कि आपकी डॉक्टरों की टीम (या "सर्वाइवल मॉडल्स") कितनी अच्छी तरह भविष्यवाणी करती है कि मरीज कितने समय तक स्वस्थ रहेंगे। आपके पास मरीजों की एक सूची है, और प्रत्येक के लिए, आप जानना चाहते हैं: क्या डॉक्टर की भविष्यवाणी वास्तविकता से मेल खाती थी?

सर्वाइवल एनालिसिस (survival analysis) की दुनिया में, एक पेचीदा समस्या है जिसे सेंसरिंग (censoring) कहा जाता है। यह तब होता है जब कोई मरीज उस घटना (जैसे बीमारी का वापस आना या मृत्यु) के होने से पहले ही अध्ययन छोड़ देता है जिसे हम ट्रैक कर रहे हैं। शायद वे कहीं और चले गए, या अध्ययन समाप्त हो गया। हमें केवल इतना पता है कि वे उस दिन तक जीवित थे जब तक वे अध्ययन से बाहर हुए।

पुराना तरीका: "स्ट्रेंजर डेंजर" (अजनबी का डर) धारणा

दशकों से, इन भविष्यवाणियों का मूल्यांकन करने का मानक तरीका एक बड़ी धारणा पर निर्भर रहा है: स्वतंत्र सेंसरिंग (Independent Censoring)।

इसे ऐसे सोचें: कल्पना करें कि आप एक दौड़ देख रहे हैं। कुछ धावक थक जाने के कारण दौड़ छोड़ देते हैं (घटना), और कुछ टायर पंचर होने के कारण बाहर हो जाते हैं (सेंसरिंग)। पुराना तरीका मानता है कि टायर पंचर होने का इस बात से कोई लेना-देना नहीं है कि धावक कितनी तेज़ दौड़ रहा था। यह मानता है कि टायर पंचर होने वाले धावक ट्रैक पर मौजूद अन्य धावकों का एक रैंडम सैंपल (यादृच्छिक नमूना) हैं।

यदि यह धारणा सच है, तो हम उस व्यक्ति के बारे में अनुमान लगाने के लिए एक सरल गणितीय ट्रिक (जिसे IPCW कहा जाता है) का उपयोग कर सकते हैं कि जो लोग बाहर हो गए थे, उनके साथ क्या हुआ होगा। हम बस कहते हैं, "ठीक है, ये लोग रैंडम तरीके से बाहर हुए हैं, इसलिए बाकी समूह उनका प्रतिनिधित्व करता है।"

समस्या: वास्तविक जीवन में, यह धारणा अक्सर गलत होती है।
कल्पना करें कि "टायर पंचर होना" (सेंसरिंग) वास्तव में धीमे धावकों के साथ अधिक होता है क्योंकि वे निराश होकर हार मान लेते हैं। यदि आप यह नहीं जानते हैं, तो आपका मूल्यांकन गलत होगा। आप सोच सकते हैं कि आपके डॉक्टर सर्वाइवल की भविष्यवाणी करने में बहुत अच्छे हैं, लेकिन वास्तव में आप केवल यह माप रहे हैं कि वे यह भविष्यवाणी करने में कितने अच्छे हैं कि किसे टायर पंचर होगा। इसे पेपर में डिपेंडेंट सेंसरिंग (Dependent Censoring) कहा गया है।

नया समाधान: "कोपुला" डिटेक्टिव (Copula Detective)

इस पेपर के लेखक कहते हैं, "यह मानने का नाटक करना बंद करें कि टायर पंचर होना रैंडम है। चलिए स्वीकार करते हैं कि यह दौड़ की गति से संबंधित हो सकता है।"

वे डॉक्टरों के मूल्यांकन के लिए एक नया तरीका प्रस्तावित करते हैं जिसे डिपेंडेंट ब्रियर स्कोर (Dependent Brier Score) कहा जाता है। यह कैसे काम करता है, इसके लिए कुछ उपमाएँ यहाँ दी गई हैं:

1. कोपुला (संबंधों का "गोंद" - The "Glue" of Relationships)
समस्या को ठीक करने के लिए, वे एक गणितीय उपकरण का उपयोग करते हैं जिसे कोपुला (Copula) कहा जाता है। कल्पना करें कि यह एक खिंचने वाला, पारदर्शी गोंद है।

कोपुला का एक हिस्सा "घटना होने तक का समय" दर्शाता है।
दूसरा हिस्सा "बाहर होने तक का समय" दर्शाता है।
कोपुला वह गोंद है जो उनके बीच खिंचता है, जो यह दिखाता है कि वे आपस में कितने मजबूती से जुड़े हुए हैं। यदि गोंद सख्त है, तो इसका मतलब है कि बाहर होना और घटना का समय आपस में गहराई से जुड़े हैं। यदि यह ढीला है, तो वे स्वतंत्र हैं।

2. "क्या-होता-अगर" इम्प्यूटेशन (The "What-If" Imputation)
जब कोई मरीज अध्ययन छोड़ देता है (सेंसर्ड हो जाता है), तो पुराना तरीका उन्हें अनदेखा कर देता है या उन्हें एक सामान्य वेट (भार) दे देता है। नया तरीका "गोंद" (कोपुला) का उपयोग करके यह पूछता है: "यह देखते हुए कि इस व्यक्ति ने इस विशिष्ट समय पर अध्ययन छोड़ा, और यह जानते हुए कि बाहर होने और घटनाओं के बीच आमतौर पर क्या संबंध होता है, उस व्यक्ति के लिए घटना का सबसे संभावित समय क्या होता?"

वे एक "मार्जिन टाइम" (Margin Time) की गणना करते हैं—जो बाहर होने और घटना के बीच के संबंध के आधार पर गायब घटना के समय का एक स्मार्ट अनुमान है।

3. अनिश्चितता का भार (The Uncertainty Weight)
लेखक जानते हैं कि यह "स्मार्ट अनुमान" एकदम सटीक नहीं है। इसलिए, वे इसमें एक सुरक्षा वाल्व (safety valve) जोड़ते हैं।

यदि कोई मरीज बहुत जल्दी अध्ययन छोड़ देता है, तो अनुमान कम निश्चित होता है। नया तरीका इस मरीज को कम वेट (भार) देता है (जैसे यह कहना कि, "हमें इस बारे में यकीन नहीं है, इसलिए इसे बहुत अधिक महत्व न दें")।
यदि कोई मरीज अध्ययन के लगभग अंत तक रुकता है और फिर बाहर होता है, तो अनुमान अधिक निश्चित होता है, इसलिए उन्हें उच्च वेट (भार) दिया जाता है।

उन्होंने क्या पाया

टीम ने 12 अलग-अलग वास्तविक डेटासेट्स (हार्ट अटैक के मरीजों से लेकर कैंसर के डेटा तक) पर इस नए तरीके का परीक्षण किया और नकली परिदृश्य बनाए जहाँ उन्हें "सच्चाई" पता थी।

परिणाम: जब "टायर पंचर होना" वास्तव में दौड़ की गति से संबंधित था (डिपेंडेंट सेंसरिंग), तो पुराने तरीके (IPCW) ने स्कोर को काफी गलत बताया। नया तरीका (डिपेंडेंट ब्रियर स्कोर) बहुत अधिक सटीक था, जिसने औसतन त्रुटि को 12% से 16% तक कम कर दिया।
चुनौती: नए तरीके के लिए आपको यह अनुमान लगाने की आवश्यकता होती है कि आपके डेटा के लिए किस प्रकार का "गोंद" (कोपुला) सबसे उपयुक्त है। यदि आप गलत प्रकार के गोंद का अनुमान लगाते हैं, तो स्कोर एकदम परफेक्ट नहीं होगा, लेकिन फिर भी यह समस्या को अनदेखा करने से बेहतर है।

निचोड़ (The Bottom Line)

यह पेपर डॉक्टरों को मरीजों का इलाज कैसे करना है, यह नहीं बताता है। इसके बजाय, यह शोधकर्ताओं को यह मापने के लिए एक बेहतर पैमाना (रूलर) देता है कि उनके प्रेडिक्शन टूल्स कितने अच्छे हैं।

यदि आप एक सर्वाइवल मॉडल बना रहे हैं, तो आप अब यह मानकर नहीं चल सकते कि अध्ययन छोड़ने वाले लोग रैंडम हैं। यदि वे रैंडम नहीं हैं, तो आपका पुराना पैमाना टूटा हुआ है। यह नया "डिपेंडेंट ब्रियर स्कोर" एक नया पैमाना है जो बाहर होने के कारणों और घटना कब होगी, इनके बीच के छिपे हुए संबंधों को ध्यान में रखता है, जिससे आपको अपने मॉडल के प्रदर्शन की बहुत अधिक सटीक तस्वीर मिलती है।

तकनीकी सारांश: सर्वाइवल मॉडल्स के मूल्यांकन में डिपेंडेंट सेंसरिंग (Dependent Censoring) पर विजय प्राप्त करना

1. समस्या विवरण (Problem Statement)

सर्वाइवल एनालिसिस, मानक रिग्रेशन से भिन्न है क्योंकि इसमें सेंसर किए गए परिणाम (censored outcomes) मौजूद होते हैं, जहाँ सटीक घटना का समय ज्ञात नहीं होता है लेकिन यह ज्ञात होता है कि वह एक निश्चित मान से अधिक है। अधिकांश सर्वाइवल मूल्यांकन मेट्रिक्स, जैसे कि इंटीग्रेटेड ब्रायर स्कोर (IBS), के पीछे एक मौलिक धारणा स्वतंत्र सेंसरिंग (independent censoring) की है। यह धारणा मानती है कि सेंसरिंग समय $C$ और घटना का समय $E$ , देखे गए कोवेरिएट्स $X$ के दिए होने पर सशर्त रूप से स्वतंत्र हैं ( $E \perp\!\!\!\perp C \mid X$ )।

हालाँकि, कई वास्तविक दुनिया के परिदृश्यों में, डिपेंडेंट सेंसरिंग (dependent censoring) होती है ( $E \not\perp\!\!\!\perp C \mid X$ ), जो अक्सर अनऑब्जर्व्ड कन्फाउंडिंग वेरिएबल्स (जैसे, ट्यूमर ग्रेड जो रिलैप्स और पेशेंट ड्रॉपआउट दोनों को प्रभावित करता है) के कारण होती है। जब यह धारणा खंडित होती है, तो इनवर्स प्रोबेबिलिटी ऑफ सेंसरिंग वेटिंग (IPCW) पर आधारित मानक मूल्यांकन मेट्रिक्स अमान्य हो जाते हैं। विशेष रूप से, IPCW वेट्स मार्जिनल सेंसरिंग डिस्ट्रीब्यूशन (आमतौर पर कपलान-मेयर एस्टीमेटर द्वारा अनुमानित) से प्राप्त होते हैं, जो स्वतंत्रता की धारणा पर आधारित हैं। डिपेंडेंट सेंसरिंग के तहत, ये वेट्स गलत तरीके से निर्दिष्ट (misspecified) होते हैं, जिससे प्रदर्शन के अनुमान पक्षपाती (biased) हो जाते हैं और सर्वाइवल मॉडल्स के बीच तुलना विकृत हो जाती है। जबकि मॉडल एस्टिमेशन के संदर्भ में डिपेंडेंट सेंसरिंग को संबोधित किया गया है, मॉडल इवैल्यूएशन पर इसके प्रभाव को काफी हद तक अनसुना किया गया है।

2. कार्यप्रणाली (Methodology)

लेखक एक डिपेंडेंट ब्रायर स्कोर (Dependent Brier Score) और उसके इंटीग्रेटेड संस्करण, IBS-Dep का प्रस्ताव करते हैं, जिसे डिपेंडेंट सेंसरिंग के तहत सर्वाइवल मॉडल्स का मूल्यांकन करने के लिए डिज़ाइन किया गया है। यह कार्यप्रणाली दो प्राथमिक घटकों से बनी है:

A. मार्जिन-टाइम इम्प्यूटेशन के लिए कोपुला-ग्राफिक (CG) एस्टीमेटर

कपलान-मेयर एस्टीमेटर पर निर्भर रहने के बजाय, यह विधि घटना और सेंसरिंग समय के संयुक्त वितरण (joint distribution) को मॉडल करने के लिए कोपुला-ग्राफिक (CG) एस्टीमेटर का उपयोग करती है।

कोपुला मॉडलिंग: $E$ और $C$ के बीच निर्भरता को एक आर्किमेडियन कोपुला (जैसे, क्लेटन या फ्रैंक) का उपयोग करके मॉडल किया जाता है, जो एक जनरेटर फंक्शन $\phi_\theta$ और एक डिपेंडेंस पैरामीटर $\theta$ द्वारा परिभाषित है।
मार्जिन-टाइम इम्प्यूटेशन: सेंसर किए गए मामलों के लिए, यह विधि एक "मार्जिन टाइम" को इम्प्यूट करती है, जिसे इस शर्त के आधार पर घटना के समय का सशर्त प्रत्याशा (conditional expectation) के रूप में परिभाषित किया गया है कि घटना का समय सेंसरिंग समय से अधिक है ( $E > t_i$ )।
$\tilde{e}_i = E[E \mid E > t_i] = t_i + \frac{\int_{t_i}^{\infty} S_E(u) du}{S_E(t_i)}$
चूंकि वास्तविक सर्वाइवल फंक्शन $S_E$ अज्ञात है, इसलिए इम्प्यूटेड समय की गणना करने के लिए CG एस्टीमेटर $\hat{S}^{CG}_E$ का उपयोग किया जाता है। यह इम्प्यूटेशन कोपुला द्वारा प्रेरित निर्भरता संरचना को ध्यान में रखता है, जो मानक तरीकों के विपरीत है जो स्वतंत्रता मानते हैं।

B. अनसर्टेन्टी वेटिंग (Uncertainty Weighting)

सेंसर किए गए मामलों के लिए घटना के समय को इम्प्यूट करने में निहित अनिश्चितता को ध्यान में रखने के लिए, लेखक एक एडेप्टिव वेटिंग मैकेनिज्म पेश करते हैं।

वेट्स (Weights): अनसेंसर्ड (uncensored) मामलों को $w_i = 1$ का वेट मिलता है। सेंसर किए गए मामलों को $w_i = 1 - \hat{S}^{CG}_E(t_i)$ का वेट मिलता है, जो समय $t_i$ तक घटना होने की अनुमानित संभावना के अनुरूप है।
तर्क (Rationale): प्रारंभिक सेंसरिंग (कम सर्वाइवल प्रोबेबिलिटी) के परिणामस्वरूप छोटा वेट मिलता है, जो उच्च अनिश्चितता को दर्शाता है, जबकि बाद की सेंसरिंग अधिक वेट देती है।

C. डिपेंडेंट ब्रायर स्कोर

प्रस्तावित मेट्रिक, $BS_{Dep}$ , मानक ब्रायर स्कोर में बाइनरी आउटकम इंडिकेटर को इम्प्यूटेड मार्जिन टाइम स्टेटस से बदल देता है और अनसर्टेन्टी वेट्स लागू करता है:
$BS_{Dep} = \frac{1}{\sum w_i} \sum_{i=1}^N w_i \left( \mathbb{1}[\tilde{e}_i > t^*] - \hat{S}(t^* \mid x_i) \right)^2$
इंटीग्रेटेड डिपेंडेंट ब्रायर स्कोर (IBS-Dep) एक निर्दिष्ट अंतराल पर इस स्कोर का टाइम-एवरेज है।

3. सैद्धांतिक योगदान (Theoretical Contributions)

यह शोध प्रस्तावित एस्टीमेटर के सैद्धांतिक गुणों को स्थापित करता है:

कंसिस्टेंसी (Consistency): लेखक सिद्ध करते हैं कि CG-आधारित मार्जिन-टाइम एस्टीमेटर अपने लक्ष्य (मानित आर्किमेडियन कोपुला मॉडल द्वारा प्रेरित मार्जिन टाइम) के लिए कंसिस्टेंट है।
एसिम्प्टोटिक नॉर्मलिटी (Asymptotic Normality): डेल्टा-मेथड एक्सपेंशन और फंक्शनल सेंट्रल लिमिट थ्योरम का उपयोग करते हुए, वे प्रदर्शित करते हैं कि एस्टीमेटर $N^{-1/$ दर पर अभिसरण (converge) करता है और एक एसिम्प्टोटिक नॉर्मल डिस्ट्रीब्यूशन का पालन करता है।
वैधता (Validity): ये गुण दर्शाते हैं कि IBS-Dep, संबंधित मार्जिन-टाइम सरोगेट ब्रायर रिस्क के लिए एक कंसिस्टेंट एस्टीमेटर है, भले ही वास्तविक सेंसरिंग मैकेनिज्म डिपेंडेंट हो।

4. प्रयोगात्मक मूल्यांकन (Experimental Evaluation)

लेखकों ने दो फ्रेमवर्क का उपयोग करके मेट्रिक का मूल्यांकन किया:

A. सिंथेटिक प्रयोग (Synthetic Experiments)

ज्ञात ग्राउंड-ट्रुथ इवेंट टाइम्स वाले पूरी तरह से सिंथेटिक डेटा का उपयोग करके, लेखकों ने विभिन्न केंडल $\tau$ के साथ आर्किमेडियन कोपुला (क्लेटन और फ्रैंक) का उपयोग करके डिपेंडेंट सेंसरिंग को सिम्युलेट किया।

निष्कर्ष: जैसे-जैसे निर्भरता ( $\tau$ ) बढ़ी, मानक IPCW-आधारित IBS तेजी से अस्थिर और पक्षपाती होता गया। इसके विपरीत, IBS-Dep स्थिर रहा और कम एस्टिमेशन एरर (ओरेकल IBS के करीब) प्राप्त किया।
रोबस्टनेस (Robustness): कोपुला मिसस्पेसिफिकेशन (जैसे, क्लेटन द्वारा जनरेट किए गए डेटा के लिए फ्रैंक कोपुला का उपयोग करना) के तहत भी, IBS-Dep, IPCW की तुलना में डिपेंडेंट सेंसरिंग के प्रति कम संवेदनशील रहा।

B. सेमी-सिंथेटिक प्रयोग (Semi-Synthetic Experiments)

वास्तविक डेटा पर प्रदर्शन का मूल्यांकन करने के लिए जहाँ ग्राउंड ट्रुथ उपलब्ध नहीं है, लेखकों ने सेमी-सिंथेटिक डेटासेट का निर्माण किया। उन्होंने 12 वास्तविक-विश्व डेटासेट्स (जैसे, WHAS, METABRIC, MIMIC-IV, SEER) से इवेंट और सेंसरिंग मैकेनिज्म को सीखा और कोवेरिएट स्ट्रक्चर को सुरक्षित रखते हुए परिणामों को रीसैंपल किया। डिपेंडेंट सेंसरिंग को इंफॉर्मेटिव फीचर्स को हटाकर (फीचर सिलेक्शन रणनीतियों के माध्यम से) प्रेरित किया गया।

परिणाम: 12 डेटासेट्स और 4 फीचर सिलेक्शन रणनीतियों में, प्रस्तावित मेट्रिक ने IPCW बेसलाइन के सापेक्ष एस्टिमेशन एरर को कम किया।
- अकेले CG-आधारित एस्टीमेटर ने एरर को 4–8% कम किया।
- अनसर्टेन्टी-वेटेड वेरिएंट (IBS-Dep विद UW) ने सबसे अधिक कमी हासिल की, जो औसतन 12–16% कम एरर रहा।
रैंकिंग (Ranking): जबकि IBS-Dep ने एब्सोल्यूट एस्टिमेशन एरर को काफी कम कर दिया, इसने ओरेकल IBS की तुलना में मॉडल्स की रैंकिंग में लगातार सुधार नहीं किया, जो यह सुझाव देता है कि बायस रिडक्शन हमेशा निकटतम प्रदर्शन करने वाले मॉडल्स के बीच बेहतर मॉडल सेपरेशन में अनुवादित नहीं होता है।

5. मुख्य योगदान और महत्व (Key Contributions and Significance)

डिपेंडेंट सेंसरिंग के लिए पहला मेट्रिक: लेखकों की जानकारी के अनुसार, यह सर्वाइवल एनालिसिस मूल्यांकन के लिए विशेष रूप से डिज़ाइन किया गया पहला मेट्रिक है जो डिपेंडेंट सेंसरिंग को सपोर्ट करता है।
इवैल्यूएशन गैप को भरना: यह कार्य उन मॉडल्स के बीच के महत्वपूर्ण अंतर को संबोधित करता है जिन्हें डिपेंडेंट सेंसरिंग को संभालने के लिए बनाया जा रहा है (जैसे, कोपुला-आधारित एस्टिमेशन के माध्यम से), फिर भी जिनका मूल्यांकन उन मेट्रिक्स का उपयोग करके किया जाता है जो स्वतंत्रता की धारणा रखते हैं।
व्यावहारिक प्रभाव: प्रस्तावित विधि मॉडल मूल्यांकन में एस्टिमेशन बायस को कम करती है, जिससे वास्तविक दुनिया के सेटिंग्स में मॉडल प्रदर्शन का अधिक सटीक आकलन मिलता है जहाँ अनऑब्जर्व्ड कन्फाउंडर्स संभवतः डिपेंडेंट सेंसरिंग उत्पन्न करते हैं।
कार्यान्वयन (Implementation): लेखक यथार्थवादी डिपेंडेंट सेंसरिंग परिदृश्यों को उत्पन्न करने के लिए एक सेमी-सिंथेटिक फ्रेमवर्क प्रदान करते हैं और इसे अपनाने की सुविधा के लिए सोर्स कोड भी जारी करते हैं।

पेपर यह निष्कर्ष निकालता है कि हालांकि डिपेंडेंट सेंसरिंग को अक्सर एक दुर्लभ मामले के रूप में माना जाता है, यह कई वास्तविक दुनिया के डेटासेट्स का एक प्रासंगिक गुण है। मॉडल एस्टिमेशन से मॉडल इवैल्यूशन पर ध्यान केंद्रित करके, यह कार्य एक लचीला, कोपुला-आधारित विस्तार प्रदान करता है जो अधिक विश्वसनीय प्रदर्शन अनुमान देता है जब स्वतंत्रता की धारणा का उल्लंघन होता है।