What is estimated in cluster randomized crossover trials with informative sizes? -- A survey of estimands and common estimators
यह शोध पत्र सूचनात्मक आकार (informative sizes) वाले 2-अवधि क्लस्टर रैंडमाइज्ड क्रॉसओवर परीक्षणों में बहु-उपचार प्रभाव अनुमानों (multiple treatment effect estimands) के लिए विभिन्न अनुमानकों (estimators) को परिभाषित और उनके सुसंगतता (consistency) का मूल्यांकन करता है, यह प्रदर्शित करते हुए कि जबकि अनवेटेड (unweighted) और वेटेड (weighted) इंडिपेंडेंस एस्टिमेटिंग इक्वेशंस (और विशिष्ट फिक्स्ड या एक्सचेंज करने योग्य मॉडल) निष्पक्ष परिणाम प्रदान करते हैं, अनवेटेड और वेटेड नेस्टेड एक्सचेंज करने योग्य मिश्रित प्रभाव मॉडल (nested exchangeable mixed effects models) असंगत हैं और पूर्वाग्रह (bias) के प्रति संवेदनशील हैं।
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 एक नई दवा के बारे में रहस्य सुलझाने की कोशिश कर रहे हैं। आप इसे केवल एक व्यक्ति पर टेस्ट नहीं कर सकते; आपको इसे पूरे समूहों पर टेस्ट करना होगा, जैसे कि अलग-अलग स्कूल, अस्पताल या मोहल्ले। इसे "क्लस्टर रैंडमाइज्ड ट्रायल" कहा जाता है। यह एक नया कैफेटेरिया मेनू टेस्ट करने जैसा है, जहाँ आप स्कूल A की पूरी लंच लाइन को नए भोजन में बदल देते हैं, जबकि स्कूल B पुराना भोजन ही रखता है, और फिर अगले सप्ताह वे अपनी भूमिकाएँ बदल लेते हैं। यह एक "क्रॉसओवर" डिज़ाइन है क्योंकि समूह अपनी भूमिकाएँ बदलते हैं।
लेकिन यहाँ एक पेचीदा बात है: क्या होगा अगर स्कूल एक ही आकार के न हों? मान लीजिए स्कूल A में 500 छात्र हैं और स्कूल B में केवल 50? यदि नया भोजन बड़े स्कूल के लिए बहुत अच्छा काम करता है लेकिन छोटे वाले के लिए खराब, तो आप परिणामों की गिनती कैसे करेंगे? क्या आप औसत छात्र ( "इंडिविजुअल" दृश्य) की परवाह करते हैं, या औसत स्कूल ("क्लस्टर" दृश्य) की? सांख्यिकी (स्टैटिस्टिक्स) की दुनिया में, इन्हें "एस्टिमेंड्स" (estimands) कहा जाता है—वह विशिष्ट लक्ष्य जिसे आप प्राप्त करने की कोशिश कर रहे हैं। जब समूहों का आकार इस तरह से बदलता है जो इस बात से जुड़ा हो कि उपचार कितना प्रभावी है, तो सांख्यिकीविद इसे "इंफॉर्मेटिव साइज़" (informative sizes) कहते हैं। यह ऐसा है जैसे कि सबसे बड़े स्कूलों में से वे स्कूल हुए जहाँ संयोग से नया भोजन सबसे स्वादिष्ट लगा; यदि आप इसका हिसाब नहीं रखते हैं, तो आपकी गणित झूठ बोल सकती है।
यह शोधपत्र उन जासूसों (शोधकर्ताओं) के लिए एक मार्गदर्शिका है जो मल्टी-पीरियड क्रॉसओवर ट्रायल्स में इन रहस्यों को सुलझा रहे हैं। लेखक, जो अमेरिका, यूके, ऑस्ट्रेलिया और न्यूजीलैंड के विश्वविद्यालयों के सांख्यिकीविदों की एक टीम है, यह पता लगाना चाहते थे कि कौन से गणितीय उपकरण (एस्टिमेटर्स) सही उत्तर देते हैं जब समूहों का आकार "इंफॉर्मेटिव" होता है। उन्होंने चार मुख्य प्रकार के उपकरणों को देखा: सरल औसत (इंडिपेंडेंस एस्टिमेटिंग इक्वेशन्स), मॉडल जो समूहों को यादृच्छिक नमूनों के रूप में मानते हैं (मिक्सड इफेक्ट्स), और मॉडल जो समूहों को निश्चित तथ्यों के रूप में मानते हैं (फिक्स्ड इफेक्ट्स)। उन्होंने यह भी देखा कि क्या होता है जब आप डेटा को "वेट" (भारित) करने की कोशिश करते हैं ताकि बड़े और छोटे समूहों को समान रूप से गिना जा सके।
लेखकों ने इन उपकरणों का परीक्षण करने के लिए हजारों कंप्यूटर सिमुलेशन चलाए। उन्होंने पाया कि कुछ लोकप्रिय उपकरण, विशेष रूप से "नेस्टेड एक्सचेंज करनेबल मिक्सड इफेक्ट्स" मॉडल, अक्सर गणित को गलत कर देते हैं जब समूह का आकार "इंफॉर्मेटिव" होता है। यह एक ऐसे तराजू का उपयोग करने जैसा है जो स्वचालित रूप से भारी बक्सों में अतिरिक्त वजन जोड़ देता है; यदि आप नहीं जानते कि बक्से भारी हैं, तो आपका अंतिम वजन गलत होगा। ये मॉडल ऐसे परिणाम दे सकते हैं जो वास्तविक दिखते हैं लेकिन वास्तव में एक भ्रमित करने वाले, अस्पष्ट नंबर को लक्षित करते हैं जो न तो औसत छात्र है और न ही औसत स्कूल।
हालाँकि, अच्छी खबर यह है कि "इंडिपेंडेंस एस्टिमेटिंग इक्वेशन" (IEE) उपकरण, विशेष रूप से जब सही वेट के साथ उपयोग किए जाते हैं, एक विश्वसनीय, अडिग तराजू की तरह होते हैं। वे लगातार सही लक्ष्य को हिट करते हैं, चाहे आप एक व्यक्ति पर प्रभाव जानना चाहते हों या एक पूरे समूह पर, भले ही आकार अस्त-व्यस्त क्यों न हों। शोधपत्र में यह भी पाया गया कि "फिक्स्ड इफेक्ट्स" मॉडल पेचीदा हो सकते हैं; वे कभी-कभी अनजाने में गलत चीज़ को लक्षित करते हैं (जैसे औसत समय अवधि के बजाय औसत समूह को) यदि आकार एक विशिष्ट तरीके से बदलते हैं।
एक वास्तविक दुनिया के परीक्षण में, लेखकों ने वेंटिलेटर पर मरीजों के लिए पेट के अल्सर की दवाओं के बारे में एक अध्ययन का पुन: विश्लेषण किया। उन्होंने पाया कि विभिन्न उपकरणों ने थोड़े अलग उत्तर दिए, जो संकेत देते हैं कि अस्पताल का आकार "इंफॉर्मेटिव" रहा होगा। अध्ययन निष्कर्ष निकालता है कि जब इन जटिल, मल्टी-पीरियड ट्रायल्स के साथ काम किया जाता है, तो शोधकर्ताओं को यह चुनने में बहुत सावधान रहना चाहिए कि वे किस उपकरण का चयन करते हैं। यदि वे यह सुनिश्चित करना चाहते हैं कि वे समूहों के आकार से गुमराह न हों, तो सरल, वेटेड IEE उपकरण सबसे सुरक्षित दांव हैं, जबकि अधिक जटिल नेस्टेड मॉडल का उपयोग सावधानी के साथ किया जाना चाहिए या यदि समूहों का आकार बदलने वाला है तो उनसे बचना चाहिए।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।