📊 statistics

Integration of Individual Participant and Aggregate Data Under Dataset Shift: Summary Statistic Comparison and Scalable Computation

यह शोध पत्र प्रदर्शित करता है कि डेटासेट शिफ्ट के तहत एकीकृत IPD-AD विश्लेषणों में परिणाम-स्तरीकृत (outcome-stratified) समुच्चय डेटा (aggregate data) को शामिल करना अनुमान दक्षता को महत्वपूर्ण रूप से बढ़ाता है, साथ ही यह सुदृढ़ साक्ष्य संश्लेषण को सुगम बनाने के लिए एक स्केलेबल, गैर-पुनरावृत्ति (non-iterative) बाधित अधिकतम संभावना (constrained maximum likelihood) ढांचे का प्रस्ताव भी करता है।

मूल लेखक: Ming-Yueh Huang, Jing Qin, Chiung-Yu Huang

प्रकाशित 2026-03-03

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Ming-Yueh Huang, Jing Qin, Chiung-Yu Huang

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 बहुत बड़ा जिग्सॉ पज़ल (jigsaw puzzle) हल करने की कोशिश कर रहे हैं, लेकिन आपके पास सभी टुकड़े नहीं हैं। आपके पास इंडिविजुअल पार्टिसिपेंट डेटा (IPD) का एक बॉक्स है—ये आपके पास मौजूद एक विशिष्ट बॉक्स के विस्तृत, रंगीन टुकड़े हैं। वे दिखाते हैं कि तस्वीर करीब से कैसी दिखती है, लेकिन आपके पास केवल कुछ सौ ही ऐसे टुकड़े हैं।

फिर आप एक लाइब्रेरी ऑफ एग्रीगेट डेटा (AD) के बारे में सुनते हैं। इस लाइब्रेरी में हजारों अन्य पज़ल बॉक्स हैं, लेकिन वे आपको टुकड़े नहीं देते। इसके बजाय, वे उन बॉक्सों का वर्णन करने वाले समरी कार्ड (summary cards) देते हैं। कुछ कार्ड कहते हैं, "इस बॉक्स का औसत रंग नीला है।" अन्य कहते हैं, "ऊपरी-बाएँ कोने में, 80% टुकड़े लाल हैं।"

लक्ष्य यह पता लगाना है कि अपने विस्तृत टुकड़ों को इन समरी कार्डों के साथ मिलाने का सबसे अच्छा तरीका क्या है ताकि पज़ल को तेज़ी से और अधिक सटीकता से हल किया जा सके।

उनके निष्कर्षों का सरल विवरण यहाँ दिया गया है:

1. समस्या: सभी समरी कार्ड एक जैसे नहीं होते

शोधकर्ताओं ने पूछा: क्या इससे फर्क पड़ता है कि लाइब्रेरी हमें किस तरह का समरी कार्ड देती है?

उन्होंने तीन प्रकार के कार्डों का परीक्षण किया:

"एवरेज" कार्ड: "इस अध्ययन में लोगों की औसत आयु 40 है।" (यह पूरे बॉक्स को देखने और औसत रंग का अनुमान लगाने जैसा है)।
"ग्रुप बाय एज" कार्ड: "30 वर्ष से कम उम्र के लोगों के लिए, औसत आय X है। 30 वर्ष से अधिक उम्र के लोगों के लिए, यह Y है।" (यह इस आधार पर समूह बनाता है कि वे कौन हैं)।
"ग्रुप बाय आउटकम" कार्ड: "जिन लोगों ने बहुत पैसा कमाया, उनके लिए औसत आयु X है। जिन्होंने कम कमाया, उनके लिए औसत आयु Y है।" (यह इस आधार पर समूह बनाता है कि उनके साथ क्या हुआ)।

बड़ी खोज:
पेपर ने पाया कि "ग्रुप बाय आउटकम" कार्ड सुपरस्टार हैं।

उपमा: कल्पना कीजिए कि आप मौसम का अनुमान लगाने की कोशिश कर रहे हैं।
- ग्रुप बाय एज: "20 साल के लोग कहते हैं कि बारिश हो रही है।" (यह बहुत मददगार नहीं है; उम्र से बारिश का कोई संबंध नहीं है)।
- ग्रुप बाय आउटकम: "जिन लोगों के पास छतरियां हैं, वे कहते हैं कि बारिश हो रही है।" (यह एक बहुत बड़ा सुराग है!)।
यह क्यों काम करता है: जब आप लोगों को परिणाम (जैसे आय या बीमारी की स्थिति) के आधार पर समूह में बांटते हैं, तो आपको उनकी विशेषताओं और परिणाम के बीच के संबंध की बहुत स्पष्ट तस्वीर मिलती है। यह पेपर गणितीय रूप से सिद्ध करता है कि इन "आउटकम-स्ट्रैटिफाइड" (परिणाम-स्तरीकृत) सारांशों का उपयोग करने से आपका अंतिम उत्तर अन्य प्रकारों की तुलना में बहुत अधिक सटीक (कुशल) होता है।

सावधानी: अधिकांश वैज्ञानिक रिपोर्ट केवल "ग्रुप बाय एज" कार्ड देती हैं, खासकर जब परिणाम एक संख्या हो (जैसे आय)। वे शायद ही कभी "ग्रुप बाय आउटकम" कार्ड देती हैं। लेखक वैज्ञानिकों से इन विशिष्ट कार्डों को साझा करने के लिए भीख मांग रहे हैं क्योंकि ये सटीकता के लिए खजाना हैं।

2. जटिलता: "अलग दुनिया" वाली समस्या (डेटासेट शिफ्ट)

कभी-कभी, लाइब्रेरी का डेटा आपके पज़ल के टुकड़ों से अलग समय या स्थान का होता है।

परिदृश्य: आपके पज़ल के टुकड़े 2024 के न्यूयॉर्क से हैं। लाइब्रेरी के समरी कार्ड 1990 के न्यूयॉर्क के हैं।
शिफ्ट (बदलाव): 1990 में, कॉलेज स्नातकों की संख्या कम थी (कोवेरिएट शिफ्ट) या अधिक लोग बेरोजगार थे (प्रायर प्रोबेबिलिटी शिफ्ट)। यदि आप बिना समायोजन के बस डेटा को मिला देते हैं, तो आपका पज़ल गलत दिखेगा।

समाधान:
लेखकों ने एक "यूनिवर्सल अडैप्टर" बनाया है। उन्होंने एक गणितीय ढांचा तैयार किया है जो एक अनुवादक की तरह काम करता है। यह पहचान लेता है कि दोनों डेटासेट अलग-अलग "दुनियाओं" से आते हैं और आपके विशिष्ट पज़ल के टुकड़ों के साथ फिट होने के लिए समरी कार्डों को समायोजित करता है, भले ही आबादी अलग हो।

3. स्पीड बम्प: बहुत सारे कार्ड = बहुत धीमा

यदि आप लाइब्रेरी के पास मौजूद हर एक समरी कार्ड का उपयोग करने की कोशिश करते हैं (उदाहरण के लिए, आय को 100 छोटे हिस्सों में तोड़ना), तो गणित अविश्वसनीय रूप से भारी हो जाता है। यह एक साथ 10,000 छोटे सुरागों को देखने की कोशिश करने जैसा है। कंप्यूटर अटक जाता है, संख्याएं गड़बड़ा जाती हैं, और गणना करने में बहुत समय लगता है।

सुधार:
लेखकों ने एक "फास्ट-फॉरवर्ड बटन" का आविष्कार किया है।

पुराना तरीका: एक धीमी, पुनरावृत्ति (iterative) प्रक्रिया जहाँ कंप्यूटर अनुमान लगाता है, जाँच करता है, फिर से अनुमान लगाता है और फिर से जाँच करता है जब तक कि वह सही न हो जाए।
नया तरीका: एक "वन-शॉट" एल्गोरिदम। उन्होंने एक गणितीय शॉर्टकट खोज निकाला है जो कंप्यूटर को एक ही चरण में सटीक उत्तर की गणना करने देता है, बिना बार-बार अनुमान लगाने के। यह एक ऐसे जीपीएस (GPS) की तरह है जो एक मील चलने, मैप चेक करने और फिर एक मील और चलने के बजाय तुरंत रास्ता बता देता है।

4. वास्तविक दुनिया का प्रमाण

उन्होंने इसे दो वास्तविक जीवन के पज़लों पर परखा:

आय डेटा: उन्होंने 1979 के सारांश आंकड़ों के साथ 1997 के सर्वेक्षण डेटा को मिलाया। "आउटकम-स्ट्रैटिफाइड" कार्डों (आय स्तरों द्वारा समूह बनाना) का उपयोग करके, उन्हें शिक्षा और लिंग का वेतन पर प्रभाव का बहुत स्पष्ट चित्र मिला, जिसमें पहले की तुलना में बहुत कम त्रुटि थी।
जापान में घरों की कीमतें: उन्होंने 2018 के सारांश आंकड़ों के साथ 2019 के व्यक्तिगत घर बिक्री डेटा को मिलाया। चूंकि घर की कीमतें समय के साथ बदलती हैं ("शिफ्ट"), उन्होंने अपने "यूनिवर्सल अडैप्टर" का उपयोग किया। फिर से, "आउटकम-स्ट्रैटिफाइड" कार्डों ने उन्हें स्टेशन से दूरी या घर की उम्र जैसे कारकों का मूल्य पर प्रभाव डालने वाले कारकों का सबसे सटीक अनुमान दिया।

मुख्य निष्कर्ष

यह पेपर हमें तीन मुख्य बातें बताता है:

"आउटकम" समूहों को अनदेखा करना बंद करें: यदि आप एक शोधकर्ता हैं, तो केवल औसत न बताएं। रिपोर्ट करें कि आपका डेटा परिणाम के आधार पर कैसा दिखता है (उदाहरण के लिए, "उच्च आय वाले लोग कैसे दिखते हैं?")। यह भविष्य के शोध को बेहतर बनाता है।
हम विभिन्न युगों को मिला सकते हैं: हम उनके नए "यूनिवर्सल अडैप्टर" का उपयोग करके पुराने डेटा को नए डेटा के साथ सुरक्षित रूप से मिला सकते हैं, भले ही आबादी बदल गई हो।
हम इसे तेजी से कर सकते हैं: हमें कंप्यूटर द्वारा नंबरों को क्रंच करने के लिए दिनों तक इंतजार करने की जरूरत नहीं है; उनका नया "वन-शॉट" तरीका इसे तत्काल और स्थिर बनाता है।

संक्षेप में, उन्होंने पाया कि सही प्रकार के सुरागों का उपयोग करके हम अपने सांख्यिकीय "पज़लों" को बड़ा, स्पष्ट और हल करने में तेज़ बना सकते हैं।

यहाँ हुआंग, किन और हुआंग के शोध पत्र "Integration of Individual Participant and Aggregate Data Under Dataset Shift: Summary Statistic Comparison and Scalable Computation" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

इंडिविजुअल पार्टिसिपेंट डेटा (IPD) और एग्रीगेट डेटा (AD) का एकीकरण विषम अध्ययनों (heterogeneous studies) में साक्ष्य संश्लेषण (evidence synthesis) के लिए एक शक्तिशाली रणनीति है। हालाँकि, दो महत्वपूर्ण चुनौतियाँ इसकी प्रभावशीलता को सीमित करती हैं:

AD रूपों की दक्षता (Efficiency of AD Forms): मौजूदा साहित्य एकीकरण एल्गोरिदम पर बहुत अधिक ध्यान केंद्रित करता है, लेकिन इस बात के व्यवस्थित मूल्यांकन की कमी है कि AD के विभिन्न रूप (जैसे, मार्जिनल मीन्स बनाम स्ट्रैटिफाइड सारांश) अनुमान दक्षता (estimation efficiency) को कैसे प्रभावित करते हैं। विशेष रूप से, यह स्पष्ट नहीं है कि क्या आउटकम-स्ट्रैटिफाइड सारांश (जो केस-कंट्रोल अध्ययनों में सामान्य हैं) निरंतर परिणामों (continuous outcomes) के लिए कोवेरिएट-स्ट्रैटिफाइड सारांशों की तुलना में बेहतर दक्षता प्रदान करते हैं।
डेटासेट शिफ्ट और स्केलेबिलिटी (Dataset Shift and Scalability): IPD और AD अक्सर अलग-अलग आबादी, समय अवधि या अध्ययन डिजाइनों से आते हैं, जिससे "डेटासेट शिफ्ट" (संयुक्त वितरणों में अंतर) होता है। मानक कंस्ट्रेंड मैक्सिमम लाइकलीहुड एस्टीमेशन (CMLE) फ्रेमवर्क इस विषमता के साथ संघर्ष करते हैं। इसके अलावा, समृद्ध AD (जैसे, कई स्ट्रैटिफाइड सबग्रुप्स) को शामिल करने से उच्च-आयामी बाधा प्रणालियाँ (high-dimensional constraint systems) बन जाती हैं, जिससे लैग्रेंज मल्टीप्लायर की पुनरावृत्ति गणनाओं के कारण संख्यात्मक अस्थिरता (numerical instability) और कम्प्यूटेशनल जटिलता उत्पन्न होती है।

2. कार्यप्रणाली (Methodology)

A. एकीकृत ढांचा: कंस्ट्रेंड मैक्सिमम लाइकलीहुड एस्टीमेशन (CMLE)

लेखक एक CMLE फ्रेमवर्क के भीतर कार्य करते हैं जहाँ AD को जनसंख्या मापदंडों (population parameters) के अनुमान के रूप में माना जाता है जो अनबायस्ड एस्टिमेटिंग इक्वेशंस को संतुष्ट करते हैं।

मॉडल: मान लीजिए कि $Y$ परिणाम (outcome) है और $X$ कोवेरिएट्स (covariates) हैं। सशर्त घनत्व (conditional density) $f(y|x;\beta)$ पैरामेट्रिक है, जबकि $X$ का मार्जिनल वितरण गैर-पैरामेट्रिक (न्युसेंस) है।
बाधाएँ (Constraints): AD निम्नलिखित रूप की बाधाएँ प्रदान करता है: $\sum p_i \Psi(X_i; \beta, \phi, \theta) = 0$ , जहाँ $\phi$ AD सारांश सांख्यिकी को दर्शाता है और $\theta$ न्युसेंस मापदंडों (जैसे, शिफ्ट पैरामीटर) को दर्शाता है।
अनिश्चितता को संभालना: जब AD सैंपल साइज सीमित होते हैं, तो अनिश्चितता को AD अनुमानों के नॉर्मल एप्रोक्सिमेशन पर आधारित एक क्वाड्रेटिक पेनल्टी टर्म के साथ लॉग-लाइकलीहुड को बढ़ाकर मॉडल किया जाता है।

B. डेटासेट शिफ्ट को संबोधित करना

यह शोध पत्र दो प्रकार के शिफ्ट को संभालने के लिए एक सामान्य बायस्ड-सैंपलिंग फॉर्मुलेशन पेश करता है:

कोवेरिएट शिफ्ट (Covariate Shift): $X$ का मार्जिनल वितरण भिन्न है, लेकिन $f(y|x)$ स्थिर रहता है।
प्रायर प्रोबेबिलिटी शिफ्ट (लेबल शिफ्ट): $Y$ का मार्जिनल वितरण भिन्न है, लेकिन $f(x|y)$ स्थिर रहता है।

तंत्र (Mechanism): वे IPD और AD वितरणों को जोड़ने के लिए एक डेंसिटी रेशियो मॉडल $w(x, y) = w_X(x)w_Y(y)$ का उपयोग करते हैं।
अनुमान (Estimation): शिफ्ट फंक्शनों ( $w_X, w_Y$ ) को पैरामेट्रिक रूप से (जैसे, एक्सपोनेंशियल टिल्टिंग) मॉडल किया जाता है और मुख्य मापदंडों $\beta$ के साथ कंस्ट्रेंड लाइकलीहुड के माध्यम से संयुक्त रूप से अनुमानित किया जाता है। यह शिफ्ट के तहत AD के लिए अनबायस्ड एस्टिमेटिंग इक्वेशंस प्राप्त करने की अनुमति देता है।

C. तेज़ गैर-पुनरावृत्ति एल्गोरिदम (Fast Non-Iterative Algorithm)

नेस्टेड ऑप्टिमाइज़ेशन समस्याओं (लैग्रेंज मल्टीप्लायर्स के लिए इनर लूप, $\beta$ के लिए आउटर लूप) को हल करने के बोझ को दूर करने के लिए, लेखक एक वन-स्टेप, नॉन-इटरेटिव एस्टिमेटर प्रस्तावित करते हैं।

व्युत्पत्ति: CMLE और अनकन्स्ट्रेंड MLE के एसिम्प्टोटिक लीनियर एक्सपेंशन पर आधारित।
प्रक्रिया:
1. मानक विधियों (जैसे, न्युसेंस मापदंडों के लिए GMM) का उपयोग करके प्रारंभिक अनुमानक ( $\hat{\beta}_{MLE}$ , $\hat{\phi}$ , $\hat{\theta}$ ) प्राप्त करें।
2. इन प्रारंभिक मानों पर इन्फ्लुएंस फंक्शन और हेसियन/जैकबियन मैट्रिसेस ( $J$ और $\Sigma$ ) की गणना करें।
3. एक ही चरण में एस्टिमेटर को अपडेट करें:
  $\hat{\beta}_{fast} = \hat{\beta}_{MLE} + \text{करेक्शन टर्म जिसमें } J^{-1} \text{ और बाधा अवशेष (constraint residuals) शामिल हैं। }$
लाभ: यह लैग्रेंज मल्टीप्लायर्स के लिए न्यूटन-रैपसन इटरेशन से बचता है, जिससे संख्यात्मक स्थिरता और स्केलेबिलिटी में काफी सुधार होता है।

D. AD प्रकारों की तुलना

अध्ययन तीन श्रेणियों के AD सारांशों की तुलना करता है:

मार्जिनल मीन्स (Marginal Means): $Y$ या $X$ के समग्र माध्य।
कोवेरिएट-स्ट्रैटिफाइड (Covariate-Stratified): $X$ द्वारा परिभाषित उपसमूहों के भीतर $Y$ के माध्य (जैसे, $E[Y|X \in \Omega]$ )।
आउटकम-स्ट्रैटिफाइड (Outcome-Stratified): $Y$ द्वारा परिभाषित उपसमूहों के भीतर $X$ के माध्य (जैसे, $E[X|Y \in \text{interval}]$ )।

3. प्रमुख योगदान (Key Contributions)

AD की दक्षता पदानुक्रम (Efficiency Hierarchy of AD): यह शोध पत्र स्थापित करता है कि आउटकम-स्ट्रैटिफाइड कोवेरिएट सारांश (जैसे, आउटकम क्वाटाइल के भीतर कोवेरिएट के माध्य) कोवेरिएट-स्ट्रैटिफाइड आउटकम सारांश या मार्जिनल मीन्स की तुलना में काफी अधिक अनुमान दक्षता प्रदान करते हैं। यह निरंतर परिणामों के लिए, डेटासेट शिफ्ट के तहत भी, सत्य है।
डेटासेट शिफ्ट का विस्तार: लेखक एक एकीकृत डेंसिटी रेशियो मॉडल का उपयोग करके कोवेरिएट शिफ्ट और प्रायर प्रोबेबिलिटी शिफ्ट दोनों को एक साथ समायोजित करने के लिए CMLE फ्रेमवर्क को सफलतापूर्वक विस्तारित करते हैं, और इन स्थितियों के तहत AD के लिए वैध एस्टिमेटिंग इक्वेशंस निकालते हैं।
स्केलेबल कंप्यूटेशन: प्रस्तावित नॉन-इटरेटिव एल्गोरिदम उच्च-आयामी बाधाओं से जुड़ी संख्यात्मक अस्थिरता को हल करता है, जिससे समृद्ध AD का एकीकरण व्यावहारिक रूप से संभव हो जाता है।
व्यावहारिक अनुशंसा: इनके निष्कर्ष निरंतर एंडपॉइंट्स के लिए, विशेष रूप से, ट्रायल रिपोर्ट और सार्वजनिक रिपॉजिटरी में आउटकम-स्ट्रैटिफाइड सारांश (जैसे, आउटकम क्वाटाइल द्वारा कोवेरिएट मीन्स) की नियमित रिपोर्टिंग का पुरजोर समर्थन करते हैं, ताकि साक्ष्य संश्लेषण को सुगम बनाया जा सके।

4. परिणाम (Results)

सिमुलेशन अध्ययन (Simulation Studies)

बिना शिफ्ट के (No Shift): आउटकम-स्ट्रैटिफाइड सारांशों (विशेष रूप से क्वाटाइल का उपयोग करते हुए, $\hat{\phi}_{X|Y}^{quartile}$ ) ने मार्जिनल मीन्स और कोवेरिएट-स्ट्रैटिफाइड सारांशों की तुलना में लगातार सबसे कम स्टैंडर्ड एरर और उच्चतम सापेक्ष दक्षता दिखाई।
शिफ्ट के साथ (With Shift): कोवेरिएट और प्रायर प्रोबेबिलिटी शिफ्ट दोनों के तहत, प्रस्तावित CMLE आउटकम-स्ट्रैटिफाइड सारांशों के साथ उच्च दक्षता बनाए रखता है। विशेष रूप से, मार्जिनल कोवेरिएट मीन्स ( $\hat{\phi}_X$ ) प्रायर प्रोबेबिलिटी शिफ्ट के तहत बहुत कम या कोई दक्षता लाभ नहीं देते हैं क्योंकि मोमेंट कंडीशंस 'फ्लैट' होती हैं।
एल्गोरिदम प्रदर्शन: नॉन-इटरेटिव एस्टिमेटर ( $\hat{\beta}_{fast}$ ) ने पूर्ण इटरेटिव CMLE के एसिम्प्टोटिक इक्विवेलेंस (asymptotic equivalence) को प्राप्त किया, लेकिन काफी कम कम्प्यूटेशनल समय और बेहतर स्थिरता के साथ।

अनुभवजन्य अनुप्रयोग (Empirical Applications)

आय डेटा (NLSY): जनसांख्यिकी (demographics) का आय पर प्रभाव का विश्लेषण किया गया। बाहरी कोहॉर्ट से आउटकम-स्ट्र terlihat कोवेरिएट मीन्स (क्वाटाइल) को एकीकृत करने से अनकन्स्ट्रेंड MLE की तुलना में स्टैंडर्ड एरर में 61% तक की कमी आई (सापेक्ष दक्षता = 1.61)।
हाउसिंग डेटा (जापान): प्रायर प्रोबेबिलिटी शिफ्ट (बेचे गए घरों का बायस्ड सैंपलिंग) के तहत रियल एस्टेट कीमतों का विश्लेषण किया गया। आउटकम-स्ट्रैटिफाइड सारांशों ने फिर से उच्चतम दक्षता लाभ प्रदान किया, जिससे मानक MLE की तुलना में प्रमुख गुणांकों (जैसे, घर की आयु, फ्लोर एरिया) के लिए स्टैंडर्ड एरर में 20–25% की कमी आई।

5. महत्व (Significance)

पद्धतिगत प्रगति: यह कार्य मशीन लर्निंग अवधारणाओं (डेटासेट शिफ्ट) और बायोस्टैटिस्टिकल मेटा-एनालिसिस (IPD-AD एकीकरण) के बीच के अंतर को पाटता है, जो विषमता को संभालने के लिए एक कठोर सैद्धांतिक ढांचा प्रदान करता है।
व्यावहारिक प्रभाव: यह प्रदर्शित करके कि विशिष्ट प्रकार के सारांश सांख्यिकी (आउटकम-स्ट्रैटिफाइड) अन्य की तुलना में बहुत अधिक मूल्यवान हैं, यह शोध पत्र डेटा क्यूरेटर्स और शोधकर्ताओं के लिए एक ठोस दिशानिर्देश प्रदान करता है। यह तर्क देता है कि निरंतर एंडपॉइंट्स के लिए इन सारांशों को छोड़ देने की वर्तमान प्रथा साक्ष्य संश्लेषण का एक खोया हुआ अवसर है।
कम्प्यूटेशनल व्यवहार्यता: प्रस्तावित एल्गोरिदम जटिल, उच्च-आयामी एग्रीगेट डेटा को एकीकृत करना संभव बनाता है, जो पहले कंस्ट्रेंड लाइकलीहुड विधियों के साथ जुड़ी अत्यधिक कम्प्यूटेशनल लागतों के कारण कठिन था।

निष्कर्षतः, यह शोध पत्र विषम डेटा स्रोतों को एकीकृत करने के लिए एक मजबूत, कुशल और स्केलेबल समाधान प्रदान करता है, और यह सिद्ध करता है कि सारांश सांख्यिकी का प्रकार स्वयं एकीकरण एल्गोरिदम जितना ही महत्वपूर्ण है।