📊 statistics

ProfileGLMM: a R Package Extending Bayesian Profile Regression using Generalised Linear Mixed Models

यह शोध पत्र ProfileGLMM का परिचय देता है, जो एक R पैकेज है जो बेयसियन प्रोफाइल रिग्रेशन (Bayesian profile regression) का विस्तार करता है, जिसमें जनरललाइज्ड लीनियर मिक्स्ड मॉडल्स (Generalised Linear Mixed Models) को एकीकृत करके परिणाम भिन्नता (outcome variation) और क्लस्टर अवलोकनों (cluster observations) की व्याख्या एक साथ की जाती है, जिससे जटिल, सह-संबंधित सह-चरों (correlated covariates) वाले पदानुक्रमित और अनुदैर्ध्य डेटा (hierarchical and longitudinal data) का विश्लेषण सक्षम होता है।

मूल लेखक: Matteo Amestoy, Mark A. van de Wiel, Wessel N. van Wieringen

प्रकाशित 2026-04-23

📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Matteo Amestoy, Mark A. van de Wiel, Wessel N. van Wieringen

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 डॉक्टर हैं जो यह पता लगाने की कोशिश कर रहे हैं कि कुछ लोग बीमार क्यों हो रहे हैं जबकि अन्य स्वस्थ रहते हैं। आपके पास डेटा का एक विशाल ढेर है: उनकी उम्र, वे कहाँ रहते हैं, वे क्या खाते हैं, उनका काम और उनका मेडिकल इतिहास।

समस्या:
यदि आप इन सभी कारकों को एक साथ देखने के लिए एक मानक "रेसिपी" (एक सामान्य सांख्यिकीय मॉडल) का उपयोग करने का प्रयास करते हैं, तो आप भ्रमित हो जाते हैं। क्यों? क्योंकि इनमें से कई कारक आपस में उलझे हुए हैं। उदाहरण के लिए, जो लोग शहरों में रहते हैं, उनके काम और खान-पान भी अलग हो सकते हैं। यह बॉक्सिंग ग्लव्स पहनकर हेडफ़ोन की एक विशाल उलझन को सुलझाने जैसा है। मानक मॉडल अक्सर फंस जाते हैं या आपको एक अस्त-व्यस्त, गलत उत्तर देते हैं।

पुराना समाधान (बायेसियन प्रोफाइल रिग्रेशन):
पहले, सांख्यिकीविदों के पास एक चतुर तरकीब थी जिसे "प्रोफाइल रिग्रेशन" कहा जाता था। प्रत्येक कारक को अलग-अलग देखने के बजाय, उन्होंने मरीजों को उनकी समानताओं के आधार पर "प्रोफाइल" या "पड़ोस" में समूहबद्ध किया।

उपमा: कल्पना कीजिए कि आप बिखरे हुए लेगो (LEGO) ब्रिक्स को केवल रंग या आकार के आधार पर नहीं, बल्कि यह देखकर छाँट रहे हैं कि कौन से ब्रिक्स स्वाभाविक रूप से एक विशिष्ट आकार बनाने के लिए एक साथ फिट बैठते हैं। एक बार जब आपने आकृतियाँ (क्लस्टर्स) बना लीं, तो आप बस पूछते हैं: "क्या 'सिटी अपार्टमेंट' वाले लोग 'सबर्बन हाउस' वाले लोगों की तुलना में अधिक बीमार पड़ते हैं?"

नया समाधान (ProfileGLMM):
यह पेपर एक नया टूल पेश करता है जिसे ProfileGLMM कहा जाता है। यह उस चतुर लेगो-सॉर्टिंग वाली तरकीब को लेता है और इसे दो बड़े अपग्रेड के साथ सुपरचार्ज करता है:

1. "टाइम ट्रैवल" अपग्रेड (बार-बार होने वाले डेटा को संभालना)

पुराना तरीका: पुराना तरीका केवल समय के एक स्नैपशॉट को देख सकता था। यह एक मरीज की एक फोटो लेने और उसके स्वास्थ्य का अनुमान लगाने जैसा था।
नया तरीका: ProfileGLMM लॉन्गीटुडिनल डेटा (longitudinal data) को संभाल सकता है। इसका मतलब है कि यह एक ही व्यक्ति को समय के साथ ट्रैक कर सकता है (एक फोटो के बजाय एक वीडियो की तरह)।

उपमा: कल्पना कीजिए कि आप एक मरीज के जीवन की फिल्म देख रहे हैं। आप उन्हें 20, 30 और 40 की उम्र में देखते हैं। पुराने तरीके ने इन्हें तीन अलग-अलग अजनबियों के रूप में माना। ProfileGLMM जानता है, "हे, यह वही व्यक्ति है!" यह इस तथ्य को ध्यान में रखता है कि 30 की उम्र में आपका स्वास्थ्य 20 की उम्र में आपके स्वास्थ्य से प्रभावित होता है। यह "व्यक्ति की अनूठी कहानी" को "सामान्य रुझानों" से अलग करता है, जिससे एक स्पष्ट तस्वीर मिलती है।

2. "सीक्रेट इंग्रीडिएंट" अपग्रेड (इंटरेक्शन/पारस्परिक क्रिया)

पुराना तरीका: पुराने तरीके ने माना कि एक बार जब आपने किसी को एक "प्रोफाइल" में डाल दिया, तो कहानी वहीं समाप्त हो गई। इसने यह नहीं पूछा कि वह प्रोफाइल अन्य विशिष्ट कारकों के साथ कैसे इंटरैक्ट करती है।
नया तरीका: ProfileGLMM इंटरेक्शन (interactions) की अनुमति देता है। यह पूछ सकता है, "क्या 'सिटी अपार्टमेंट' प्रोफाइल में होना धूम्रपान के प्रभाव को और बदतर बनाता है?"

उपमा: एक कुकिंग शो के बारे में सोचें। पुराने तरीके ने कहा, "इस समूह के लोग तीखा खाना पसंद करते हैं।" नया तरीका कहता है, "इस समूह के लोग तीखा खाना पसंद करते हैं, लेकिन केवल तभी जब वे कॉफी भी पी रहे हों।" यह उन छिपे हुए व्यंजनों को खोजता है जो केवल विशिष्ट सामग्रियों के मिश्रण होने पर ही काम करते हैं।

यह कैसे काम करता है (जादुई मशीन)

यह पैकेज एक कंप्यूटर एल्गोरिदम (गिब्स सैंपलर - Gibbs Sampler) का उपयोग करता है जो एक बहुत ही स्मार्ट, अथक जासूस की तरह काम करता है।

यह अनुमान लगाता है: यह लोगों को अलग-अलग "प्रोफाइल" में बेतरतीब ढंग से समूहबद्ध करता है।
यह जाँचता है: यह देखता है कि क्या ये समूह स्वास्थ्य परिणामों के साथ तर्कसंगत हैं।
यह परिष्कृत करता है: यह लोगों को इधर-उधर खिसकाता है, नए समूह बनाकर, बार-बार, हजारों बार प्रयास करता है।
यह स्थिर होता है: अंततः, यह सभी को समूह बनाने का सबसे स्थिर, तार्किक तरीका खोज लेता है।

एक बार जब इसके पास समूह होते हैं, तो यह प्रत्येक समूह के लिए एक कस्टम "हेल्थ रिपोर्ट" बनाता है, जो विस्तार से बताता है कि विभिन्न कारक (जैसे प्रदूषण या आहार) उन्हें कैसे प्रभावित करते हैं, जबकि यह भी याद रखता है कि कुछ लोगों का अपना अनूठा, व्यक्तिगत स्वास्थ्य इतिहास होता है।

आपको इसकी परवाह क्यों करनी चाहिए?

यह टूल चिकित्सा, समाजशास्त्र और पर्यावरण विज्ञान के शोधकर्ताओं के लिए एक गेम-चेंजर है।

डॉक्टरों के लिए: यह मरीजों के विशिष्ट उपसमूहों को खोजने में मदद करता है जिन्हें विशेष उपचार की आवश्यकता हो सकती है, न कि "एक ही आकार सबके लिए उपयुक्त" (one size fits all) वाले दृष्टिकोण के बजाय।
वैज्ञानिकों के लिए: यह उन्हें शोर (noise) में खोए बिना जटिल, वास्तविक दुनिया के डेटा (जैसे वर्षों तक एक ही लोगों पर वायु प्रदूषण के प्रभावों को ट्रैक करना) का विश्लेषण करने की अनुमति देता है।

संक्षेप में:
ProfileGLMM एक जासूस को टाइम मशीन और आवर्धक लेंस (magnifying glass) देने जैसा है। यह केवल लोगों को समूहों में नहीं बांटता; यह देखता है कि वे समूह समय के साथ कैसे बदलते हैं और उन गुप्त व्यंजनों की खोज करता है जो उनकी जीवनशैली को उनके स्वास्थ्य परिणामों से जोड़ते हैं। यह डेटा की उलझी हुई गांठ को एक स्पष्ट, कार्रवाई योग्य कहानी में बदल देता है।

यहाँ शोध पत्र "ProfileGLMM: a R Package Extending Bayesian Profile Regression using Generalised Linear Mixed Models" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

बेयसियन प्रोफाइल रिग्रेशन एक शक्तिशाली सांख्यिकीय ढांचा है जिसे एक परिणाम चर (outcome variable) और परस्पर निर्भर कोवेरियेट्स (clustering covariates) के आधार पर अवलोकनों को क्लस्टर करने के लिए डिज़ाइन किया गया है। क्रॉस-सेक्शनल डेटा के लिए प्रभावी होने के बावजूद, मौजूदा कार्यान्वयन (जैसे, PReMiuM पैकेज) जटिल आधुनिक डेटासेट पर लागू होने पर दो गंभीर सीमाओं का सामना करते हैं:

पदानुक्रमित/अनुदैर्ध्य संरचनाओं (hierarchical/longitudinal structures) को संभालने में असमर्थता: मानक प्रोफाइल रिग्रेशन स्वतंत्र अवलोकनों को मानता है। यह बार-बार लिए गए मापों या क्लस्टर्ड डेटा (जैसे, अनुदैर्ध्य अध्ययन) में भीतर-विषय सहसंबंधों (within-subject correlations) या अनपेक्षित विषमता (unobserved heterogeneity) को नहीं संभाल सकता है।
इंटरेक्शन मॉडलिंग का अभाव: पिछले तरीके अक्सर लेटेंट क्लस्टर्स (latent clusters) को स्थिर ऑफसेट्स के रूप में देखते हैं, जिससे इन लेटेंट क्लस्टर्स और अन्य अवलोकन योग्य कोवेरियेट्स के बीच जटिल अंतःक्रियाओं (interactions) को मॉडल करने में विफलता होती है।
सह-संबंधित कोवेरियेट्स का उप-इष्टतम प्रबंधन: मानक रिग्रेशन मॉडल में अत्यधिक सह-संबंधित क्लस्टरिंग कोवेरियेट्स को सीधे शामिल करने से सांख्यिकीय अक्षमता उत्पन्न होती है।

2. कार्यप्रणाली (Methodology)

लेखक ProfileGLMM का प्रस्ताव करते हैं, जो बेयसियन प्रोफाइल रिग्रेशन ढांचे के भीतर जनरलाइज्ड लीनियर मिक्स्ड मॉडल्स (GLMMs) को एकीकृत करता है।

सांख्यिकीय ढांचा (Statistical Framework)

यह मॉडल रिग्रेशन कोवेरियेट्स ( $x_i$ ) की स्थिति में, परिणाम ( $y_i$ ) और क्लस्टरिंग कोवेरियेट्स ( $u_i$ ) के संयुक्त वितरण को एक मिश्रण मॉडल (mixture model) में विभाजित करता है:
$p(y_i, u_i | \pi, \theta, x_i, \alpha) = \sum_{c=1}^{C} \pi_c f(y_i, u_i | \theta_c, x_i, \alpha)$

मुख्य घटक शामिल हैं:

असाइनमेंट वितरण ( $f_u$ ): यह क्लस्टरिंग कोवेरियेट्स ( $u_i$ ) को मॉडल करता है। यह निरंतर चरों (Multivariate Gaussian), श्रेणीबद्ध चरों (Multinomial), या दोनों के मिश्रण का समर्थन करता है।
परिणाम वितरण ( $f_y$ ): यह एक नवीन योगदान है। एक साधारण लीनियर मॉडल के बजाय, परिणाम को एक GLMM का उपयोग करके मॉडल किया जाता है:
$y_i = x_{i}^{FE}\beta + x_{i}^{RE}\eta_{g(i)} + x_{i}^{Int}\gamma_c + \epsilon_i$
- फिक्स्ड इफेक्ट्स ( $\beta$ ): मानक रिग्रेशन गुणांक।
- रैंडम इफेक्ट्स ( $\eta$ ): पदानुक्रमित संरचनाओं (जैसे, व्यक्तियों के भीतर बार-बार लिए गए माप) को ध्यान में रखते हैं।
- क्लस्टर इंटरेक्शन ( $\gamma_c$ ): प्रत्येक लेटेंट क्लस्टर $c$ के लिए विशिष्ट पैरामीटर, जो कोवेरियेट्स के प्रभाव को क्लस्टर के अनुसार भिन्न होने की अनुमति देता है।
इनफिनिट मिक्स्चर: क्लस्टर्स की संख्या ( $C$ ) को स्टिक-ब्रेकिंग प्रायर (stick-breaking prior) के साथ एक डिरिचलेट प्रोसेस मिक्स्चर मॉडल (DPMM) का उपयोग करके अनंत माना जाता है। गणनात्मक सुगमता सुनिश्चित करने के लिए, एक ट्रंकेटेड डिरिचलेट प्रोसेस का उपयोग किया जाता है, जो क्लस्टर आवंटन के लिए जटिल 'मेट्रोपोलिस-विदिन-गिब्स' चरणों की आवश्यकता को समाप्त करता है।

अनुमान (Inference)

सैंपलिंग: पोस्टीरियर वितरण से नमूने लेने के लिए एक गिब्स सैंपलर (Gibbs sampler - MCMC) का उपयोग किया जाता है।
पोस्ट-प्रोसेसिंग: MCMC मिश्रण मॉडलों में निहित "लेबल स्विचिंग" (label switching) समस्या को संबोधित करने के लिए, पैकेज एक औसत असमानता मैट्रिक्स (average dissimilarity matrix) की गणना करता है ताकि एक प्रतिनिधि क्लस्टरिंग ( $Z^*$ ) प्राप्त की जा सके। क्लस्टर-विशिष्ट पैरामीटरों को प्रतिनिधि क्लस्टरों के माध्यम से श्रृंखला और अवलोकनों को एकत्रित करके अनुमानित किया जाता है।

3. मुख्य योगदान (Key Contributions)

GLMMs का एकीकरण: प्राथमिक नवाचार बेयसियन प्रोफाइल रिग्रेशन के भीतर आउटकम मॉडल के रूप में GLMMs को शामिल करना है। यह रैंडम इफेक्ट्स को शामिल करके अनुदैर्ध्य और पदानुक्रमित डेटा के विश्लेषण की अनुमति देता है।
इंटरेक्शन मॉडलिंग: ढांचा स्पष्ट रूप से लेटेंट क्लस्टर्स और अवलोकन योग्य कोवेरियेट्स के बीच अंतःक्रियाओं ( $x_{i}^{Int}\gamma_c$ ) को मॉडल करता है, जिससे विभिन्न एक्सपोजर प्रोफाइल्स के बीच विषम प्रभावों का पता लगाने में मदद मिलती है।
पीसवाइज लीनियर फिटिंग: पैकेज एक प्रेडिक्टर को क्लस्टरिंग कोवेरियेट और इंटरेक्शन टर्म दोनों के रूप में मानने की अनूठी क्षमता प्रदर्शित करता है। यह गैर-पैरामीट्रिक पीसवाइज लीनियर फिटिंग को सक्षम बनाता है, जो ब्रेक पॉइंट्स को पूर्व-निर्धारित किए बिना अलग-अलग रैखिक रुझानों वाले रेजिमों को प्रभावी ढंग से खंडित करता है।
सॉफ्टवेयर कार्यान्वयन: ProfileGLMM R पैकेज गणनात्मक दक्षता के लिए Rcpp पर आधारित है, जो न्यूनतम अनिवार्य मापदंडों के साथ एक उपयोगकर्ता के अनुकूल इंटरफेस प्रदान करता है और निरंतर एवं बाइनरी परिणामों का समर्थन करता है।

4. परिणाम (Results)

लेखक दो प्राथमिक उदाहरणों के माध्यम से पद्धति को मान्य करते हैं:

सिम्युलेटेड अनुदैर्ध्य एक्सपोजोम डेटा (Simulated Longitudinal Exposome Data):
- ज्ञात लेटेंट क्लस्टर्स और रैंडम इफेक्ट्स के साथ 1,500 व्यक्तियों के 4,500 अवलोकनों का एक डेटासेट तैयार किया गया था।
- परिणाम: मॉडल ने नौ वास्तविक लेटेंट क्लस्टर्स को सफलतापूर्वक रिकवर किया, फिक्स्ड इफेक्ट्स, रैंडम इफेक्ट्स और क्लस्टर-विशिष्ट इंटरेक्शन टर्म्स का सटीक अनुमान लगाया। प्रतिनिधि क्लस्टर सेंट्रॉइड्स वास्तविक अंतर्निहित मेश ग्रिड से निकटता से मेल खाते थे।
पीसवाइज लीनियर फिट:
- एक सरल डेटासेट का विश्लेषण किया गया जिसमें एक प्रेडिक्टर और एक आउटकम के बीच ज्ञात पीसवाइज लीनर संबंध था।
- परिणाम: मॉडल ने छह विशिष्ट स्थानीय गतिकी (सेगमेंट) की सफलतापूर्वक पहचान की और प्रत्येक सेगमेंट के लिए विशिष्ट लीनियर ट्रेंड का अनुमान लगाया, जो जटिल कार्यात्मक संबंधों को गैर-पैरामीट्रिक रूप से मॉडल करने की इसकी क्षमता को दर्शाता है।

कंप्यूटेशनल प्रदर्शन (Computational Performance):

स्थापित PReMiuM पैकेज के विरुद्ध बेंचमार्क ने दिखाया कि ProfileGLMM कंप्यूटेशनल रूप से प्रतिस्पर्धी है।
12,000 अवलोकनों के लिए, ProfileGLMM ने लगभग 485 सेकंड लिया, जबकि PReMiuM ने (सरलीकृत तुलनीय सेटिंग्स के तहत) 1,031 सेकंड लिए, जो बड़े डेटासेट के लिए बेहतर दक्षता का संकेत देता है।

5. महत्व (Significance)

पद्धतिगत प्रगति: ProfileGLMM, प्रोफाइल रिग्रेशन और मिक्स्ड मॉडलिंग के बीच के अंतर को पाटता है, जिससे महामारी विज्ञान, सामाजिक विज्ञान और नैदानिक परीक्षणों में सामान्य जटिल, सह-संबंधित डेटा संरचनाओं के कठोर विश्लेषण को सक्षम बनाया जा सके।
व्यावहारिक उपयोगिता: उच्च-आयामी, सह-संबंधित कोवेरियेट्स और पदानुक्रमित डेटा को एक साथ संभालकर, यह एक एकीकृत अनुमान रणनीति प्रदान करता है जो अनुक्रमिक दृष्टिकोणों की सांख्यिकीय उप-इष्टतमता से बचती है।
लचीलापन: लेटेंट क्लस्टर्स और कोवेरियेट्स के बीच अंतःक्रियाओं को मॉडल करने, साथ ही पीसवाइज फिटिंग करने की क्षमता, अन्वेषणात्मक डेटा विश्लेषण के नए मार्ग खोलती है जहाँ संबंधों का कार्यात्मक रूप अज्ञात होता है।
पहुंच: पैकेज CRAN पर निःशुल्क उपलब्ध है, जो जटिल डेटा संरचनाों के साथ काम करने वाले शोधकर्ताओं के लिए एक मजबूत, Rcpp-त्वरित उपकरण प्रदान करता है, जिसमें वेरिएबल सिलेक्शन और टाइम-टू-इवेंट आउटकम्स को शामिल करने की भविष्य की योजनाएं हैं।