The Role of Measured Covariates in Assessing Sensitivity to Unmeasured Confounding

यहाँ डलाल एवं अन्य द्वारा लिखित शोध पत्र "The Role of Measured Covariates in Assessing Sensitivity to Unmeasured Confounding" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या का विवरण (Problem Statement)

अवलोकनात्मक अध्ययनों (observational studies) में, संवेदनशीलता विश्लेषण (sensitivity analysis) एक मानक उपकरण है जिसका उपयोग यह आकलन करने के लिए किया जाता है कि संभावित अनियंत्रित कन्फाउंडिंग (unmeasured confounding) के प्रति कारण संबंधी निष्कर्ष कितने सुदृढ़ हैं। हालाँकि, मापे गए सहचरों (measured covariates - जो लेटेंट कन्फाउंडर्स के प्रॉक्सी के रूप में उपयोग किए जाते हैं) और एक्सपोज़र चर (exposure variable) के बीच की अंतःक्रिया को अक्सर अनदेखा कर दिया जाता है।

पारंपरिक रूप से, एक्सपोज़र ($A$) और मापे गए सहचरों ($X$) के बीच मजबूत बहु-सहसंबंध (multicollinearity) को केवल एक सांख्यिकीय शक्ति (statistical power) के मुद्दे के रूप में देखा जाता है: यह मानक त्रुटियों (standard errors) को बढ़ाता है, जिससे महत्वपूर्ण प्रभावों का पता लगाना कठिन हो जाता है। लेखक इस धारणा को चुनौती देते हैं कि यदि मल्टीकोलिनैरिटी के बावजूद प्रभाव महत्वपूर्ण बना रहता है, तो कारण संबंधी दावा सुदृढ़ है। उनका तर्क है कि जब $X$, एक अनियंत्रित कन्फाउंडर ($U$) के प्रॉक्सी के रूप में कार्य करता है, तो $A$ और $X$ के बीच एक मजबूत जुड़ाव वास्तव में अनियंत्रित कन्फाउंडिंग के कारण होने वाले पूर्वाग्रह (bias) को बढ़ा (amplify) सकता है, जिससे अध्ययन ओमिटेड वेरिएबल बायस (omitted variable bias) के प्रति कम संवेदनशील होने के बजाय अधिक संवेदनशील हो जाता है।

2. कार्यप्रणाली और सैद्धांतिक ढांचा (Methodology and Theoretical Framework)

2.1 संरचनात्मक मॉडल (Structural Model)

लेखक निम्नलिखित संरचनात्मक समीकरणों के साथ एक रैखिक प्रतिगमन ढांचे (linear regression framework) का उपयोग करके समस्या को औपचारिक रूप देते हैं:

1. परिणाम मॉडल (Outcome Model): $Y = \alpha_0 + \beta A + \theta_X X + \gamma U + \epsilon_Y$
   • $Y$: परिणाम, $A$: एक्सपोज़र, $X$: मापा गया सहचर (प्रॉक्सी), $U$: अनियंत्रित कन्फाउंडर।
   • $\beta$ रुचि का वास्तविक कारण प्रभाव (true causal effect) है।
2. प्रॉक्सी मॉडल (Proxy Model): $X = U + \epsilon_X$
   • $X$, $U$ का एक शोर युक्त (noisy) प्रॉक्सी है।
3. धारणा 3.1 (Assumption 3.1): $Cov(A, \epsilon_X) = 0$।
   • इसका तात्पर्य है कि $A$ और $X$ के बीच कोई सामान्य कारण नहीं है सिवाय $U$ के। दूसरे शब्दों में, $X$ सीधे तौर पर $A$ का कारण नहीं बनता है, न ही वे अन्य साझा कन्फाउंडर्स रखते हैं।

2.2 मुख्य सैद्धांतिक योगदान: प्रस्ताव 1 (Key Theoretical Contribution: Proposition 1)

शोध पत्र $A$ और $X$ पर $Y$ के प्रति प्रतिगमन (regression) करने पर $\hat{\beta}$ (जिसे $\beta_{Y \sim A, X}$ के रूप में दर्शाया गया है) के गुणांक में पूर्वाग्रह (bias) के लिए एक क्लोज्ड-फॉर्म अभिव्यक्ति व्युत्पन्न करता है।

पूर्वाग्रह को इस प्रकार विभाजित किया गया है:
$$\beta_{Y \sim A, X} - \beta = \gamma \cdot \frac{Var(\epsilon_X) \cdot \beta_{A \sim X}}{Var(A)(1 - R^2_{A \sim X})}$$

जहाँ:

• $\gamma$: परिणाम $Y$ पर अनियंत्रित कन्फाउंडर $U$ की शक्ति।
• $Var(\epsilon_X)$: माप त्रुटि विचरण (प्रॉक्सी की गुणवत्ता का व्युत्क्रम)।
• $\beta_{A \sim X}$: एक्सपोज़र $A$ पर सहचर $X$ के प्रतिगमन में $X$ का गुणांक।
• $Var(A)(1 - R^2_{A \sim X})$: सहचर $X$ पर प्रतिगमन के बाद एक्सपोज़र $A$ का अवशिष्ट विचरण (residual variance)।

एम्प्लीफिकेशन तंत्र (The Amplification Mechanism):
पद $\frac{\beta_{A \sim X}}{Var(A)(1 - R^2_{A \sim X})}$ एक एम्प्लीफिकेशन फैक्टर (बढ़ावा देने वाला कारक) के रूप में कार्य करता है।

• जैसे-जैसे एक्सपोज़र और प्रॉक्सी के बीच संबंध मजबूत होता है (बड़ा $\beta_{A \sim X}$), पूर्वाग्रह बढ़ता है।
• महत्वपूर्ण रूप से, यह तब भी होता है जब $A$ का अवशिष्ट विचरण स्थिर रहता है।
• इसका तात्पर्य यह है कि उच्च मल्टीकोलिनैरिटी वाले परिवेश में, अनुमानित प्रभाव अनियंत्रित कन्फाउंडिंग के प्रति अधिक संवेदनशील होता है।

2.3 अवलोकन योग्य मीट्रिक (Observable Metric)

लेखक इस संवेदनशीलता को निदान करने के लिए एक सरल, अवलोकन योग्य अनुपात प्रस्तावित करते हैं:
$$\text{Sensitivity Ratio} = \frac{\hat{\beta}_{A \sim X}}{\widehat{Var}(A | X)}$$
यह अनुपात यह मात्रा निर्धारित करता है कि विशिष्ट मापे गए सहचरों की संरचना द्वारा अनुमानित प्रभाव कितना प्रवर्धित (amplify) किया जाता है।

3. अनुभवजन्य अनुप्रयोग: धूम्रपान और फेफड़ों का कैंसर (Empirical Application: Smoking and Lung Cancer)

लेखक अपने ढांचे को धूम्रपान और फेफड़ों के कैंसर के ऐतिहासिक विवाद पर लागू करते हैं, जिसके लिए नेशनल हेल्थ एंड न्यूट्रिशन एग्जामिनेशन सर्वे (NHANES) के दो अवधियों के डेटा का उपयोग किया गया है: 1971–1974 और 2015–2016।

• संदर्भ: धूम्रपान व्यवहार समय के साथ सामाजिक-आर्थिक स्थिति (SES) द्वारा तेजी से स्तरीकृत (stratified) हुआ है। हाल के दशकों में, धूम्रपान निम्न SES समूहों में केंद्रित है, जबकि 1970 के दशक में यह अधिक समान रूप से वितरित था।
• चर (Variables):
  • $A$: धूम्रपान की स्थिति।
  • $Y$: फेफड़ों के कैंसर की घटना (प्रॉक्सियों के माध्यम से विश्लेषित/सिम्युलेटेड)।
  • $X$: SES के मापे गए प्रॉक्सी (गरीबी सूचकांक, शिक्षा, नस्ल)।
  • $U$: वास्तविक गुप्त सामाजिक-आर्थिक स्थिति (latent socioeconomic status)।

3.1 NHANES डेटा से निष्कर्ष

1. बढ़ती भविष्य कहने वाली शक्ति (Predictive Power): SES सहचरों का उपयोग करके धूम्रपान की स्थिति की भविष्यवाणी करने वाले लॉजिस्टिक रिग्रेशन मॉडल में 1971–1974 से 2015–2016 तक C-सांख्यिकीय (C-statistic) में महत्वपूर्ण वृद्धि देखी गई।
2. मजबूत संबंध: धूम्रपान ($A$) को गरीबी सूचकांक ($X$) से जोड़ने वाले प्रतिगमन गुणांक आधुनिक युग में बहुत मजबूत हो गए हैं।
3. स्थिर अवशिष्ट विचरण (Stable Residual Variance): धूम्रपान अपनाने का अवशिष्ट विचरण दोनों अवधियों में अपेक्षाकृत स्थिर रहा।
4. गणना किया गया संवेदनशीलता अनुपात (Calculated Sensitivity Ratio):
   • अनुपात $\frac{\beta_{A \sim X}}{Var(A|X)}$ की गणना दोनों अवधियों के लिए की गई।
   • परिणाम: 1971–1974 की तुलना में 2015–2016 के डेटा के लिए यह अनुपात काफी बड़ा (परिमाण में) है।
   • विश्वास अंतराल (Confidence Intervals): इस अनुपात के लिए 95% विश्वास अंतराल दोनों समय अवधियों के बीच ओवरलैप नहीं होते हैं, जो हाल के डेटा में अनियंत्रित कन्फाउंडिंग के प्रति संवेदनशीलता में सांख्यिकीय रूप से महत्वपूर्ण वृद्धि की पुष्टि करते हैं।

4. मुख्य योगदान (Key Contributions)

1. मल्टीकोलिनैरिटी का पुनर्गठन (Reframing Multicollinearity): यह शोध पत्र मल्टीकोलिनैरिटी के दृष्टिकोण को केवल एक सांख्यिकीय शक्ति के मुद्दे (बढ़ी हुई मानक त्रुटियों) से बदलकर एक वैधता के मुद्दे (बढ़ा हुआ पूर्वाग्रह) में बदल देता है। यह प्रदर्शित करता है कि एक्सपोज़र और प्रॉक्सी के बीच मजबूत सहसंबंध कारण अनुमानों को अधिक नाजुक बना सकते हैं।
2. औपचारिक पूर्वाग्रह अपघटन (Formal Bias Decomposition): यह एक कठोर गणितीय व्युत्पत्ति (प्रस्ताव 1) प्रदान करता है जो दिखाता है कि एक्सपोज़र-प्रॉक्सी संबंध की शक्ति के साथ पूर्वाग्रह कैसे स्केल होता है।
3. नैदानिक उपकरण (Diagnostic Tool): यह एक अवलोकन योग्य मीट्रिक पेश करता है जिसे शोधकर्ता अनियंत्रित कन्फाउंडिंग के प्रति अपनी संवेदनशीलता का आकलन करने के लिए सीधे डेटा से गणना कर सकते हैं।
4. ऐतिहासिक अंतर्दृष्टि (Historical Insight): यह एक नया स्पष्टीकरण प्रदान करता है कि क्यों आधुनिक अवलोकनात्मक अध्ययनों (जैसे धूम्रपान) में किए गए कारण संबंधी दावों को ऐतिहासिक अध्यानों की तुलना में अधिक संदेह की आवश्यकता हो सकती है, जो जोखिम कारकों के विकसित होते सामाजिक-आर्थिक स्तरीकरण के कारण है।

5. महत्व और निहितार्थ (Significance and Implications)

• संवेदनशीलता विश्लेषण की व्याख्या: मानक संवेदनशीलता विश्लेषण (जैसे रोसेनबाम बाउंड्स या सिनिली-हेज़लेट रोबस्टनेस वैल्यू) दो अध्ययनों के लिए समान परिणाम दे सकते हैं जिनके अंतर्निहित सहचर संरचनाएं भिन्न हैं। यह शोध पत्र चेतावनी देता है कि प्रॉक्सी के साथ उच्च मल्टीकोलिनैरिटी वाला अध्ययन सांख्यिकीय रूप से सुदृढ़ दिख सकता है लेकिन अनियंत्रित कन्फाउंडिंग के प्रति अत्यधिक असुरक्षित हो सकता है।
• अध्ययन डिजाइन: शोधकर्ताओं को सहचरों के चयन में सावधानी बरतनी चाहिए। यदि कोई सहचर किसी लेटेंट कन्फाउंडर का एक मजबूत प्रॉक्सी है और साथ ही वह एक्सपोज़र की भी प्रबल भविष्यवक्ता है, तो वह अनजाने में पूर्वाग्रह को कम करने के बजाय उसे बढ़ा सकता है।
• नीति और साक्ष्य: निष्कर्ष बताते हैं कि सामाजिक रूप से स्तरीकृत व्यवहारों (जैसे धूम्रपान, आहार, व्यायाम) पर हाल के अवलोकनात्मक डेटा से प्राप्त कारण संबंधी निष्कर्ष पिछले दशकों के समान अध्ययनों की तुलना में अनियंत्रित कन्फाउंडिंग के प्रति कम सुदृढ़ हो सकते हैं, जिसके लिए अधिक कठोर जांच या वैकल्पिक पहचान रणनीतियों (जैसे इंस्ट्रुमेंटल वेरिएबल्स या नेचुरल एक्सपेमेंट्स) की आवश्यकता है।

संक्षेप में, डालल एवं अन्य यह प्रदर्शित करते हैं कि मल्टीकोलिनैरिटी केवल एक शोर (noise) की समस्या नहीं है; यह संभावित पूर्वाग्रह प्रवर्धन (bias amplification) का एक संकेत है, जो अवलोकनात्मक अनुसंधान में अनियंत्रित कन्फाउंडिंग के प्रति संवेदनशीलता के मूल्यांकन के तरीके को मौलिक रूप से बदल देता है।