Causal treatment effect decompositions with time-to-event outcomes under competing events

तकनीकी सारांश: प्रतिस्पर्धी घटनाओं के अंतर्गत समय-से-घटना परिणामों के लिए कारण उपचार प्रभाव अपघटन (Causal Treatment Effect Decompositions)

समस्या विवरण
समय-से-घटना (time-to-event) परिणामों के लिए उपचार प्रभावों का निष्कर्ष निकालना अक्सर प्रतिस्पर्धी घटनाओं (competing events) के कारण जटिल हो जाता है, जो लक्षित घटना (target event) के होने से रोकती हैं। यह समस्या तब अधिक गंभीर हो जाती है जब उपचार स्वयं प्रतिस्पर्धी घटना के होने को प्रभावित करता है। ऐसे परिदृश्यों में, मानक जोखिम-आधारित माप भ्रामक व्याख्याएं दे सकते हैं: एक उपचार लक्षित घटना के विरुद्ध सुरक्षात्मक प्रतीत हो सकता है केवल प्रतिस्पर्धी घटना को त्वरित करके (जिससे लक्षित घटना के होने के लिए उपलब्ध समय कम हो जाता है), या इसके विपरीत, प्रतिस्पर्धी घटना को विलंबित करके हानिकारक प्रतीत हो सकता है। मौजूदा ढांचे, जैसे कि कारण-विशिष्ट और शुद्ध जोखिमों का पृथक्करण या विभाज्य प्रभाव ढांचा (separable effects framework), अक्सर प्रतिबंधात्मक धारणाओं (जैसे, उपचार को स्वतंत्र घटकों में विघटित करने की व्यवहार्यता) पर निर्भर करते हैं या अंतर्निहित तंत्रों को व्यापक रूप से अलग करने में विफल रहते हैं जो स्पष्ट कुल प्रभाव (total effect) को उत्पन्न करते हैं।

कार्यप्रणाली
लेखक प्रतिस्पर्धी घटनाओं की उपस्थिति में लक्षित घटना पर कुल उपचार प्रभाव (TE) के लिए चार-तरफा अपघटन का प्रस्ताव करते हैं। यह दृष्टिकोण एक कारण मॉडल पर आधारित है जो क्रॉस-वर्ल्ड एस्टिमेंड्स (cross-world estimands) का उपयोग करता है।

1. डेटा संरचना और संकेतन: अध्ययन एक असतत-समय मॉडल (discrete-time model) का उपयोग करता है जिसमें बाइनरी उपचार $A$, एक लक्षित घटना संकेतक प्रक्रिया $Y$, एक प्रतिस्पर्धी घटना संकेतक प्रक्रिया $D$, और एक सेंसरिंग प्रक्रिया $C$ है।
2. संयुक्त प्रक्रिया और क्रॉस-वर्ल्ड अनुमानक: मुख्य पद्धतिगत नवाचार एक संयुक्त प्रक्रिया $Z^{a', a''}$ की परिभाषा है जिसे दो घटनाओं के संकेतकों को जोड़कर बनाया गया है, जहाँ काल्पनिक हस्तक्षेपों के तहत प्रतिस्पर्धी घटना को समाप्त कर दिया जाता है। विशेष रूप से, $Y^{a', \emptyset}$ उपचार $a'$ के तहत लक्षित घटना को दर्शाता है जहाँ प्रतिस्पर्धी घटना प्रक्रिया को समाप्त कर दिया गया है, और $D^{\emptyset, a''}$ प्रतिस्पर्धी घटना को दर्शाता है जो उपचार $a''$ के तहत है जहाँ लक्षित घटना को समाप्त कर दिया गया है। संयुक्त प्रक्रिया $Z^{a', a''}$ इन दोनों घटनाओं में से एक के होने तक ट्रैक करती है।
3. चार-तरफा अपघटन: कुल प्रभाव को प्रतिस्पर्धी घटना की उपस्थिति में चार विशिष्ट घटकों में विभाजित किया गया है:
   • नियंत्रित प्रत्यक्ष प्रभाव (Controlled Direct Effect - CDE): एक काल्पनिक दुनिया में उपचार का प्रभाव जहाँ प्रतिस्पर्धी घटना को समाप्त कर दिया गया है।
   • संदर्भ अवरोधन (Reference Interception - $INT_{ref}$): संदर्भ (अनुपचारित) उपचार स्तर के तहत प्रतिस्पर्धी घटना द्वारा लक्षित घटनाओं के अवरोधन से उत्पन्न योगदान।
   • मध्यस्थ अवरोधन (Mediated Interception - $INT_{med}$): संदर्भ स्तर बनाम उपचारित स्तर के तहत प्रतिस्पर्धी घटना पर विचार करने पर अवरोधन प्रभावों में परिवर्तन। यह घटक केवल तभी गैर-शून्य होता है जब उपचार प्रतिस्पर्धी घटना को प्रभावित करता है।
   • शुद्ध अप्रत्यक्ष प्रभाव (Pure Indirect Effect - PIE): अवरुद्ध हिस्सों के बीच का अंतर जो संदर्भ उपचार के तहत अपनी वितरण के अनुसार लक्षित घटना का अनुसरण करती है। यह दर्शाता है कि प्रतिस्पर्धी घटना पर उपचार का प्रभाव लक्षित घटना के जोखिम को कैसे बदलता है।
4. पहचान (Identification): शोध पत्र देखे गए डेटा से जनसंख्या-स्तरीय औसत को पहचानने के लिए आवश्यक धारणाओं का विवरण देता है:
   • विनिमयता (Exchangeability): आधारभूत सहचरों (baseline covariates) के सापेक्ष, नियंत्रित प्रक्रियाएं उपचार असाइनमेंट से स्वतंत्र हैं; प्रक्रियाओं के लिए क्रमिक विनिमेयता बनी रहती है।
   • संगति (Consistency): देखे गए परिणाम देखे गए उपचार के तहत संभावित परिणामों के अनुरूप होते हैं।
   • सकारात्मकता (Positivity): सभी सहचर पैटर्नों के लिए अनुवर्ती अवधि (follow-up) के अंत तक जीवित रहना संभव है।
     इन धारणाओं के तहत, कारण-विशिष्ट जोखिमों (cause-specific hazards) का उपयोग करके घटकों की पहचान की जाती है जो देखे गए डेटा से प्राप्त होते हैं।

मुख्य परिणाम और चित्रण
लेखक सिमुलेशन और दो वास्तविक दुनिया के रैंडमाइज्ड ट्रायल्स के माध्यम से इस अपघटन की उपयोगिता प्रदर्शित करते हैं:

• सिमुलेशन परिदृश्य: तीन परिदृश्यों को यह दर्शाने के लिए सिम्युलेट किया गया कि विभिन्न उपचार-प्रतिस्पर्धी घटना गतिकी के तहत घटक कैसे व्यवहार करते हैं:
  1. उपचार प्रतिस्पर्धी घटना को विलंबित करता है: कुल प्रभाव CDE द्वारा संचालित होता है, लेकिन शुद्ध अप्रत्यक्ष प्रभाव (PIE) एक हानिकारक योगदान पेश करता है क्योंकि प्रतिस्पर्धी घटना को विलंबित करने से लक्षित घटना के लिए अधिक समय मिलता है।
  2. उपचार प्रतिस्पर्धी घटना को त्वरित करता है: कुल प्रभाव लाभकारी होता है। यहाँ, शुद्ध अप्रत्यक्ष प्रभाव (PIE) सकारात्मक योगदान देता है क्योंकि प्रतिस्पर्धी घटना को त्वरित करने से लक्षित घटना के लिए उपलब्ध समय कम हो जाता है।
  3. उपचार प्रतिस्पर्धी घटना को प्रभावित नहीं करता है: मध्यस्थ अवरोधन और शुद्ध अप्रत्यक्ष प्रभाव शून्य हैं, जो यह उजागर करते हैं कि प्रतिस्पर्धी घटना अभी भी संदर्भ अवरोधन के माध्यम से स्पष्ट कुल प्रभाव को प्रभावित करती है।
• अनुप्रयोगात्मक अनुप्रयोग:
  • FINGER ट्रायल (संज्ञानात्मक हानि/CVD): एक जीवनशैली हस्तक्षेप का विश्लेषण करना जहाँ उपचार संभवतः CVD और मृत्यु दोनों को विलंबित करता है। अपघटन ने दिखाया कि नियंत्रित प्रत्यक्ष प्रभाव (CDE) हावी था, जिसमें प्रतिस्पर्धी घटनाओं का न्यूनतम हस्तक्षेप था, जिससे पता चलता है कि CVD पर उपचार का प्रभाव मजबूत है।
  • प्रोस्टेट कैंसर ट्रायल (DES बनाम प्लेसबो): एक उपचार (DES) का विश्लेषण करना जो अन्य कारणों से मृत्यु के जोखिम को बढ़ाता है जबकि प्रोस्टेट कैंसर मृत्यु दर को कम करता है। अपघटन ने खुलासा किया कि जबकि नियंत्रित प्रत्यक्ष प्रभाव (CDE) एक सुरक्षात्मक प्रभाव दिखा रहा था, शुद्ध अप्रत्यक्ष प्रभाव (PIE) भी अन्य-कारण मृत्यु को त्वरित करके प्रोस्टेट कैंसर मृत्यु के लिए समय कम करके स्पष्ट लाभ में योगदान दे रहा था।

महत्व और दावे
यह शोध पत्र दावा करता है कि यह प्रतिस्पर्धी घटनाओं की उपस्थिति में उपचार प्रभावों को चरित्रित करने के लिए एक व्यापक ढांचा प्रदान करता है, जिसमें उस प्रतिबंधात्मक धारणा की आवश्यकता नहीं है कि एक उपचार को स्वतंत्र घटकों में भौतिक रूप से विभाजित किया जा सकता है (जैसा कि विभाज्य प्रभाव ढांचे में आवश्यक है)।

• यांत्रिक अंतर्दृष्टि (Mechanistic Insight): चार-तरफा अपघटन स्पष्ट कुल प्रभाव को आकार देने में प्रतिस्पर्धी घटना की विशिष्ट भूमिका को प्रकट करता है, जो उन तंत्रों के बीच अंतर करता है जहाँ उपचार सीधे लक्षित घटना पर कार्य करता है, प्रतिस्पर्धी घटना के माध्यम से कार्य करता है, या जहाँ प्रतिस्पर्धी घटना लक्षित घटना को बाधित करती है।
• कारण व्याख्यात्मकता (Causal Interpretability): क्रॉस-वर्ल्ड एस्टिमेंड्स पर निर्भर करते हुए, लेखक ऐसे एस्टिमेंड्स को परिभाषित करते हैं जो चिकित्सकीय रूप से व्याख्या योग्य हैं, भले ही उपचार प्रतिस्पर्धी घटना को प्रभावित करता हो।
• लचीलापन: घटकों को अन्य मानक एस्टिमेंड्स, जैसे कि प्राकृतिक प्रत्यक्ष प्रभाव (NDE) और प्राकृतिक अप्रत्यक्ष प्रभाव (NIE), या कुल प्रत्यक्ष प्रभाव (TDE) बनाने के लिए पुनर्संयोजित किया जा सकता है, जिससे शोधकर्ता विशिष्ट अनुसंधान प्रश्नों (जैसे, एटियोलॉजिकल तंत्र बनाम समग्र स्वास्थ्य सुधार) के लिए विश्लेषण को अनुकूलित कर सकते हैं।
• सीमाएँ: लेखक नोट करते हैं कि वर्तमान दृष्टिकोण बेसलाइन सहचरों पर निर्भर है; समय-परिवर्ती भ्रमकारों (time-varying confounders) की उपस्थिति क्रॉस-वर्ल्ड एस्टिमेंड्स के लिए महत्वपूर्ण चुनौतियां पेश करती है, क्योंकि इसके लिए विरोधाभासी उपचार असाइनमेंट के तहत अव्यक्त अनुदैर्घिक प्रक्षेपवक्रों (unobservable longitudinal trajectories) के बारे में धारणाओं की आवश्यकता होगी।

निष्कर्षतः, प्रस्तावित अपघटन उपचार, लक्षित घटनाओं और प्रतिस्पर्धी घटनाओं के बीच जटिल परस्पर क्रिया को ध्यान में रखते हुए चिकित्सकीय रूप से व्याख्या योग्य एस्टिमेंड्स को परिभाषित करने के लिए एक आधार के रूप में कार्य करता है, जो केवल कुल प्रभाव मापों की तुलना में उपचार प्रभावकारिता की अधिक सूक्ष्म समझ प्रदान करता है।