📊 statistics

Assessing covariate-adjusted risk differences in small-sample clinical trials

यह शोध पत्र छोटे-नमूने वाले नैदानिक परीक्षणों में सहचर-समायोजित जोखिम अंतरों (covariate-adjusted risk differences) का अनुमान लगाने वाली विधियों का मूल्यांकन करता है, जिसमें यह पाया गया है कि जबकि मानक g-कंप्यूटेशन दृष्टिकोण अक्सर अनुमानित लक्ष्यों (estimands) और विचरण अनुमान (variance estimation) के बीच बेमेल होने के कारण बढ़े हुए टाइप-I त्रुटि (Type-I error) से ग्रस्त होते हैं, मजबूत वेरिएंट और मेंटल-हेन्ज़ल (Mantel-Haenszel) जैसे शास्त्रीय तरीके बेहतर त्रुटि नियंत्रण प्रदान करते हैं, जिससे अनुमानित लक्ष्यों को उपयुक्त सांख्यिकीय तकनीकों के साथ संरेखित करने के लिए व्यावहारिक सिफारिशें प्राप्त होती हैं।

मूल लेखक: Martin Schnuerch, Alex Ocampo, Klaus Kähler Holst, Christian Stock

प्रकाशित 2026-05-20

📖 7 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Martin Schnuerch, Alex Ocampo, Klaus Kähler Holst, Christian Stock

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 जज हैं जो यह तय करने की कोशिश कर रहे हैं कि क्या एक नई दवा (उपचार A) एक शुगर पिल (उपचार B) से बेहतर काम करती है। एक आदर्श दुनिया में, आप बस आधे लोगों को दवा देंगे और दूसरे आधे को पिल देंगे, फिर गिनेंगे कि कौन ठीक हुआ, और नंबरों की तुलना करेंगे। यह "अनएडजस्टेड" (unadjusted) दृष्टिकोण है।

लेकिन वास्तविक जीवन में, लोग एक जैसे नहीं होते। कुछ बुजुर्ग हैं, कुछ की बीमारी गंभीर है, और कुछ की बीमारी हल्की है। ये अंतर बैकग्राउंड नॉइज़ (background noise) की तरह हैं जो परिणामों को अव्यवस्थित बना सकते हैं। एक स्पष्ट तस्वीर पाने के लिए, सांख्यिकीविद (statisticians) इन अंतरों को "एडजस्ट" करने की कोशिश करते हैं, जिसका अर्थ है यह पूछना: "यदि सभी की उम्र और बीमारी की गंभीरता का मिश्रण एक जैसा होता, तो क्या दवा फिर भी जीतती?"

यह पेपर इस समायोजन (adjustment) को करने के लिए दस अलग-अलग सांख्यिकीय "रेसिपी" (recipes) के बीच एक विशाल स्वाद-परीक्षण प्रतियोगिता (taste-test competition) है, विशेष रूप से छोटे क्लिनिकल ट्रायल्स (जहाँ आपके पास केवल कुछ ही मरीज होते हैं, मान लीजिए 30 से 150) के लिए। लेखक यह पता लगाना चाहते थे कि कौन सी रेसिपी सबसे ईमानदार उत्तर देती है बिना परिणामों के बारे में झूठ बोले।

यहाँ जो उन्होंने पाया है, उसे सरल भाषा में समझाया गया है:

1. लक्ष्य: "रिस्क डिफरेंस" (Risk Difference) को मापना

जटिल गणित (जैसे "ऑड्स रेश्यो", जिसकी तुलना लेखक एक भ्रमित करने वाले मानचित्र से करते हैं जो वास्तविक भूभाग नहीं दिखाता) का उपयोग करने के बजाय, उन्होंने रिस्क डिफरेंस पर ध्यान केंद्रित किया।

उपमा: यदि शुगर पिल लेने वाले 20% लोग ठीक हो जाते हैं, और दवा लेने वाले 40% लोग ठीक हो जाते हैं, तो "रिस्क डिफरेंस" केवल 20% है। यह एक सीधा, ईमानदार नंबर है: "दवा 100 में से 20 अधिक लोगों की मदद करती है।"

2. दावेदार: सांख्यिकीय रेसिपी

लेखकों ने तीन मुख्य प्रकार के तरीकों का परीक्षण किया:

"पुराने स्कूल" के रक्षक (Mantel-Haenszel और Suissa-Shuster):
ये अनुभवी, सतर्क रक्षकों की तरह हैं। वे उन फैंसी गणितीय मॉडलों पर निर्भर नहीं होते जो टूट सकते हैं।
- पक्ष (Pros): वे अविश्वसनीय रूप से विश्वसनीय हैं। वे लगभग कभी भी "भेड़िया आया" (Wolf!) नहीं चिल्लाते जब वहाँ कोई भेड़िया नहीं होता (वे शायद ही कभी गलत अलार्म देते हैं)।
- विपक्ष (Cons): वे थोड़े धीमे और जिद्दी हैं। वे मरीजों की पृष्ठभूमि के बारे में पूरी जानकारी का उपयोग नहीं करते, इसलिए वे कभी-कभी वास्तविक प्रभाव को मिस कर देते हैं (कम पावर)।
"आधुनिक" वास्तुकार (G-Computation):
ये हाई-टेक आर्किटेक्ट्स की तरह हैं जो परिणामों की भविष्यवाणी करने के लिए मरीजों का एक विस्तृत 3D मॉडल बनाते हैं। वे एक कंप्यूटर मॉडल (लॉजिस्टिक रिग्रेशन) का उपयोग करते हैं ताकि यह सिम्युलेट किया जा सके कि यदि सभी की पृष्ठभूमि एक समान होती तो क्या होता।
- पक्ष (Pros): वे बहुत कुशल और शक्तिशाली हो सकते हैं, खासकर यदि आपके पास निरंतर डेटा (जैसे सटीक आयु या रक्तचाप) हो न कि केवल श्रेणियां (जैसे "युवा" या "वृद्ध")।
- विपक्ष (Cons): बहुत छोटे समूहों में, उनके फैंसी मॉडल डगमगा सकते हैं। कभी-कभी वे इतने उत्साहित हो जाते हैं कि वे ऐसे पैटर्न देखने लगते हैं जो वहां हैं ही नहीं (गलत अलार्म)।
"हाइब्रिड" सुधार (Hybrid Fixes):
लेखकों ने "आधुनिक आर्किटेक्ट्स" को ठीक करने के लिए कई "पैच" का परीक्षण किया। कुछ ने पेनल्टी (penalties) का उपयोग किया (जैसे तराजू पर वजन ताकि वह डगमगाए नहीं) या रोबस्ट मैथ (robust math) (सैंडविच एस्टिमेटर्स) का उपयोग किया ताकि उनके मॉडल अधिक मजबूत बन सकें।

3. बड़ी खोज: "स्मॉल सैंपल" (Small Sample) का जाल

सबसे महत्वपूर्ण खोज छोटे ट्रायल्स (N ≤ 150) के बारे में है।

समस्या: जब आपके पास बहुत कम मरीज होते हैं, तो "आधुनिक आर्किटेक्ट" विधियाँ (विशेष रूप से मानक वाली) अपनी आत्मविश्वास को बढ़ा-चढ़ाकर (overestimate) दिखाती हैं।
- रूपक: कल्पना कीजिए कि एक मौसम विज्ञानी के पास केवल तीन दिनों का डेटा है। यदि वे एक मानक फॉर्मूले का उपयोग करते हैं, तो वे कह सकते हैं, "बारिश होने की 99% संभावना है!" जबकि वास्तव में यह केवल 50/50 का मौका है। वे खुद पर बहुत अधिक भरोसा करने लगते हैं। सांख्यिकी में, इसे "टाइप I एरर इन्फ्लेशन" (Type I error inflation) कहा जाता है—यह कहना कि दवा काम करती है जबकि वह शायद नहीं करती।
कारण: पेपर में पाया गया कि यह केवल नमूना छोटा होने के कारण नहीं था; यह इसलिए था क्योंकि अनिश्चितता को मापने के लिए उपयोग किया जाने वाला गणित उस प्रश्न से मेल नहीं खाता था जो पूछा जा रहा था। यह ऐसा था जैसे वजन मापने के लिए स्केल (रूलर) का उपयोग करना। गणित "गलत संरेखित" (misaligned) था।

4. विजेता और हारने वाले

"गलत अलार्म" के राजा: मानक G-computation विधियाँ (विशिष्ट वेरिएंस फॉर्मूलों के साथ) अक्सर बहुत छोटे ट्रायल्स में अलार्म बजा देती थीं। वे परिणाम खोजने के लिए बहुत उत्सुक थीं।
"सुरक्षित" दांव:
- Suissa-Shuster टेस्ट (एक सटीक, गैर-मॉडल आधारित टेस्ट) सबसे रूढ़िवादी (conservative) था। इसने शायद ही कभी गलत अलार्म दिया, लेकिन अपनी अत्यधिक सावधानी के कारण इसने कुछ वास्तविक प्रभावों को भी मिस कर दिया।
- Mantel-Haenszel टेस्ट (एक क्लासिक स्ट्रैटिफाइड विधि) भी बहुत सुरक्षित और विश्वसनीय था, हालांकि यह निरंतर डेटा को अच्छी तरह से हैंडल नहीं कर सकता।
"संतुलित" समाधान:
- लेखकों ने पाया कि यदि आप "आधुनिक आर्किटेक्ट" विधियों को लेते हैं और उनमें रोबस्ट फिक्स (जैसे Liu-Xi वेरिएंस एस्टिमेटर या Firth का पेनल्टी) जोड़ते हैं, तो वे बहुत सुरक्षित हो जाते हैं। वे गलत अलार्म देना बंद कर देते हैं, हालांकि सुरक्षा के बदले वे थोड़े अधिक रूढ़िवादी (कम शक्तिशाली) हो जाते हैं।
- Score टेस्ट और बूटस्ट्रैप (Bootstrap) विधियाँ (डेटा को कई बार फिर से सैंपल करना) एक अच्छा मध्य मार्ग प्रदान करती हैं, हालांकि सबसे छोटे नमूनों में उनमें थोड़ा बहुत बहुत अधिक आशावादी होने की प्रवृत्ति बनी रहती है।

5. अंतिम निर्णय: "काम के अनुसार टूल चुनें"

पेपर यह निष्कर्ष निकालता है कि हर स्थिति के लिए कोई एक "सर्वश्रेष्ठ" विधि नहीं है। यह इस पर निर्भर करता है कि आप किसे महत्व देते हैं:

यदि आपको पूर्ण सुरक्षा (कोई गलत अलार्म नहीं) चाहिए: पुराने स्कूल के डिजाइन-आधारित टेस्ट (Suissa-Shuster या Mantel-Haenszel) पर टिके रहें। वे उबाऊ हैं लेकिन विश्वसनीय हैं।
यदि आप शार्पर उत्तर पाने के लिए मरीज के डेटा का उपयोग करना चाहते हैं: आप आधुनिक G-computation विधियों का उपयोग कर सकते हैं, लेकिन आपको विशिष्ट "रोबस्ट" गणितीय फॉर्मूलों (जैसे Liu-Xi या Score टेस्ट) का उपयोग करना होगा जो गलत अलार्म को नियंत्रित रखते हैं।
स्वर्ण नियम (Golden Rule): आपको यह सुनिश्चित करना चाहिए कि आपका प्रश्न (जो आप मापने की कोशिश कर रहे हैं), आपका कैलकुलेटर (पॉइंट एस्टीमेट), और आपकी सुरक्षा जांच (वेरिएंस) सभी एक ही भाषा बोलते हों। यदि वे मेल नहीं खाते, तो आपके परिणाम भ्रामक होंगे, विशेष रूप से छोटे ट्रायल्स में।

संक्षेप में: छोटे क्लिनिकल ट्रायल्स में, केवल सबसे जटिल सांख्यिकीय टूल को न उठाएं। यदि आप ऐसा करते हैं, तो आपको एक ऐसा परिणाम मिल सकता है जो प्रभावशाली दिखता है लेकिन वास्तव में एक गलत अलार्म है। आपको ऐसा टूल चुनना होगा जो आपके ट्रायल के छोटे आकार के लिए पर्याप्त मजबूत हो और यह सुनिश्चित करना होगा कि आपका गणित आपको यह झूठ न बोले कि आप कितने निश्चित हैं।

तकनीकी सारांश: छोटे-नमूने वाले नैदानिक परीक्षणों में कोवेरिएट-समायोजित जोखिम अंतर का आकलन करना

समस्या विवरण
बाइनरी एंडपॉइंट्स (द्विआधारी परिणाम) रैंडमाइज्ड क्लिनिकल ट्रायल्स (RCTs) में सर्वव्यापी हैं। पारंपरिक रूप से, लॉजिस्टिक रिग्रेशन से प्राप्त कंडीशनल ऑड्स रेश्यो (सप्रतिबंध ऑड्स अनुपात) उपचार प्रभावों के आकलन के लिए मानक रहे हैं। हालांकि, ऑड्स रेश्यो व्याख्यात्मकता संबंधी समस्याओं से ग्रस्त हैं (अर्थात, वे नॉन-कोलैप्सिबल हैं, जिसका अर्थ है कि बिना किसी इंटरेक्शन के भी मार्जिनल और कंडीशनल प्रभाव अलग होते हैं), और वे मजबूत मॉडलिंग धारणाओं पर निर्भर करते हैं। हालिया नियामक मार्गदर्शन, विशेष रूप से अमेरिकी FDA, मार्जिनल एस्टिमेंड्स (जनसंख्या-औसत उपचार प्रभाव) के महत्व पर जोर देता है और दक्षता में सुधार के लिए कोवेरिएट समायोजन को प्रोत्साहित करता है।

परिणामस्वरूप, रिस्क डिफरेंस (RD - जोखिम अंतर) एक अधिक व्याख्या योग्य और कोलैप्सिबल माप के रूप में प्रमुखता से उभरा है। हालांकि, छोटे-नमूने वाले सेटिंग्स ( $N \le 150$ ) में कोवेरिएट-समायोजित जोखिम अंतर के अनुमान और परीक्षण के लिए कार्यप्रणाली अभी भी कम खोजी गई है। छोटे-नमूने वाले परीक्षण, जो फेज II विकास, दुर्लभ बीमारियों और बाल चिकित्सा में सामान्य हैं, विशिष्ट चुनौतियां पेश करते हैं: एसिम्प्टोटिक एप्रोक्सिमेशन (अनंतस्पर्शी सन्निकटन) अक्सर विफल हो जाते हैं, जिससे बायस्ड एस्टिमेटर्स, कम अनुमानित वेरिएंस, गलत कैलिब्रेटेड p-वैल्यू और खराब कॉन्फिडेंस इंटरवल (CI) कवरेज होता है। इसके अतिरिक्त, जी-कंप्यूटेशन (मानकीकरण) दृष्टिकोण, हालांकि लचीले हैं, उन लॉजिस्टिक रिग्रेशन वर्किंग मॉडल्स पर निर्भर करते हैं जो स्पार्स डेटा (विरल डेटा) में सेपरेशन या नॉन-कन्वर्जेंस से ग्रस्त हो सकते हैं। इन संदर्भों में एस्टिमेंड, पॉइंट एस्टिमेटर और वेरिएंस एस्टिमेटर को संरेखित करने के लिए स्थापित सर्वोत्तम प्रथाओं का अभाव है।

कार्यप्रणाली
लेखकों ने दो-आर्म वाले बाइनरी एंडपॉइंट्स वाले RCTs में रिस्क डिफरेंस का अनुमान लगाने और परीक्षण करने के लिए दस सांख्यिकीय विधियों का मूल्यांकन करने के लिए एक व्यापक सिमुलेशन अध्ययन किया।

सिमुलेशन डिज़ाइन: अध्ययन ने एक काल्पनिक परीक्षण का अनुकरण किया जिसमें सरल रैंडमाइजेशन ( $1:1$ ), एक बाइनरी आउटकम $Y$ , और दो बाइनरी कोवेरिएट्स $X_1, X_2$ थे। डेटा को एक लॉजिस्टिक मॉडल के माध्यम से जनरेट किया गया था जिसमें फिक्स्ड मार्जिनल कंट्रोल रिस्पांस प्रोबेबिलिटी (0.20) और बदलते हुए ट्रीटमेंट इफेक्ट्स ( $\delta = 0, 0.15, 0.30$ ) थे। कोवेरिएट प्रोग्नोस्टिक स्ट्रेंथ और कुल सैंपल साइज ( $N \in \{30, 60, 90, 120, 150\}$ ) को बदला गया, जिससे 50,000 रेप्लिकेशन्स के साथ 45 परिदृश्य (scenarios) बने।
टारगेट एस्टिमेंड: सिमुलेशन फ्रेमवर्क ने मार्जिनल ट्रीटमेंट इफेक्ट (MTE) के विरुद्ध प्रदर्शन का मूल्यांकन किया, जिसे जनसंख्या वितरण पर औसत उपचार प्रभाव के रूप में परिभाषित किया गया है।
मूल्यांकित विधियाँ:
1. अनएडजस्टेड: सुइसा-शुस्टर सटीक अनकंडीशनल टेस्ट (MTE को लक्षित करता है)।
2. स्ट्रैटिफाइड (मेंटल-हेन्ज़ेल): कॉकरन-मेंटल-हेन्ज़ेल (CMH) टेस्ट (कंडीशनल ट्रीटमेंट इफेक्ट - CTE को लक्षित करता है); साटो वेरिएंस के साथ MH रिस्क डिफरेंस (कंडीशनल पॉपुलेशन-एवरेज ट्रीटमेंट इफेक्ट - CPATE को लक्षित करता है); संशोधित ग्रीनलैंड-रॉबिंस (mGR) वेरिएंस के साथ MH रिस्क डिफरेंस (MTE को लक्षित करता है)।
3. जी-कंप्यूटेशन (मानकीकरण): छह वेरिएंट्स जो वेरिएंस एस्टिमेशन और वर्किंग मॉडल एडजस्टमेंट्स में भिन्न हैं:
  - गे एट अल (मॉडल-आधारित डेल्टा मेथड; CPATE को लक्षित करता है)।
  - लियू और शी (रोबस्ट सैंडविच वेरिएंस + कोवेरिएट वेरिएबिलिटी टर्म; MTE को लक्षित करता है)।
  - ये एट अल (सेमी-पैरामेट्रिक रोबस्ट वेरिएंस; MTE को लक्षित करता है)।
  - स्टिंग्रिमसन एट अल (नॉन-पैरामेट्रिक बूटस्ट्रैप; MTE को लक्षित करता है)।
  - झांग एट अल (रोबस्ट स्कोर टेस्ट; MTE को लक्षित करता है)।
  - फर्थ (सेपरेशन को संभालने के लिए पेनलाइज्ड लॉजिस्टिक रिग्रेशन; गे के वेरिएंस के साथ युग्मित; CPATE को लक्षित करता है)।

मुख्य योगदान और परिणाम

कंप्यूटेशनल स्थिरता: लॉजिस्टिक रिग्रेशन मॉडल्स का नॉन-कन्वर्जेंस अत्यंत दुर्लभ ( $<0.004\%$ ) था, यहाँ तक कि $N=30$ पर भी। हालांकि, सेपरेशन (परफेक्ट प्रेडिक्शन) मजबूत प्रोग्नोस्टिक कोवेरिएट्स के साथ छोटे नमूनों में बार-बार हुआ (ऊपर $>30\%$ तक $N=30$ पर)। अध्ययन ने पाया कि कोवेरिएट्स द्वारा संचालित सेपरेशन ने जी-कंप्यूटेशन विधियों के प्रदर्शन को महत्वपूर्ण रूप से प्रभावित नहीं किया, जबकि ट्रीटमेंट इंडिकेटर द्वारा संचालित सेपरेशन ने सभी विधियों को प्रभावित किया।
टाइप I एरर कंट्रोल:
- इन्फ्लेशन (वृद्धि): मानक वाल्ड-टाइप इन्फरेंस (गे एट अल, ये एट अल) का उपयोग करने वाले कई जी-कंप्यूटेशन दृष्टिकोण बहुत छोटे नमूनों ( $N=30$ ) में स्पष्ट टाइप I एरर इन्फ्लेशन प्रदर्शित करते हैं, जिसका मुख्य कारण एस्टिमेंड (MTE) और वेरिएंस एस्टिमेटर (कंडीशनल) के बीच मिसअलाइनमेंट के कारण वेरिएंस का कम अनुमान लगाना है।
- कंजर्वेटिज्म (रूढ़िवादिता): रोबस्ट वेरिएंट्स (लियू और शी) और पेनलाइज्ड मॉडल्स (फर्थ) ने छोटे नमों में सख्त टाइप I एरर कंट्रोल (अक्सर 0.05 से नीचे) बनाए रखा, लेकिन इसके बदले में पावर में कमी आई।
- रोबस्टनेस: सुइसा-शुस्टर टेस्ट और CMH टेस्ट ने सभी परिदृश्यों में उत्कृष्ट टाइप I एरर कंट्रोल प्रदर्शित किया, हालांकि पूर्व लगातार सबसे अधिक कंजर्वेटिव रहा।
सांख्यिकीय पावर:
- टाइप I एरर इन्फ्लेटेड विधियों (गे, ये) ने उच्चतम पावर दिखाई, जो उनके उदार (liberal) स्वभाव को दर्शाता है।
- कंजर्वेटिव विधियों (लियू-शी, फर्थ, सुइसा-शुस्टर) ने छोटे नमों में सबसे कम पावर दिखाई।
- जी-कंप्यूटेशन विधियाँ जो स्कोर टेस्ट या बूटस्ट्रैपिंग का उपयोग करती हैं, एक मध्यम मार्ग प्रदान करती हैं।
- विशेष रूप से, श्रेणीबद्ध कोवेरिएट्स के विशिष्ट सेटिंग में, जब सख्त टाइप I एरर कंट्रोल की आवश्यकता होती है, तो जी-कंप्यूटेशन MH टेस्ट की तुलना में पर्याप्त पावर एडवांटेज नहीं दिखाता है। लेखक नोट करते हैं कि निरंतर (continuous) कोवेरिएट्स के साथ जी-कंप्यूटेशन से दक्षता लाभ अधिक स्पष्ट होने की उम्मीद है, जिन्हें इस सिमुलेशन में शामिल नहीं किया गया था।
एस्टिमेशन और कवरेज:
बायस (पूर्वाग्रह): अधिकांश विधियाँ अनबायस्ड थीं। फर्थ-आधारित दृष्टिकोण ने रिस्क डिफरेंस एस्टिमेट में डाउनवर्ड बायस पेश किया (0.50 की ओर श्रिंकेज के कारण) लेकिन बेहतर रूट मीन स्क्वेर्ड एरर (RMSE) प्राप्त किया।
कवरेज: जी-कंप्यूटेशन (गे, ये) और MH रिस्क डिफरेंस के लिए मानक वाल्ड इंटरवल्स ने छोटे नमों में पर्याप्त अंडरकवरेज दिखाया। लियू-शी और फर्थ विधियों ने छोटे नमों में भी उत्कृष्ट कवरेज (निकट नाममात्र 95%) प्रदान किया, अपने कंजर्वेटिव टेस्टिंग व्यवहार के बावजूद।

महत्व और सिफारिशें
यह पेपर तर्क देता है कि छोटे-नमूने वाले कोवेरिएट-समायोजित विश्लेषणों में देखी गई टाइप I एरर इन्फ्लेशन अक्सर एस्टिमेंड और वेरिएंस एस्टिमेटर के बीच मिसअलाइनमेंट को दर्शाती है, न कि स्वयं समायोजन विधि की मौलिक विफलता को। विशेष रूप से, मार्जिनल एस्टिमेंड (MTE) को इन्फर करने के लिए कंडीशनल वेरिएंस एस्टिमेटर (जो कोवेरिएट डिस्ट्रीब्यूशन की परिवर्तनशीलता को अनदेखा करता है) का उपयोग करना एंटी-कंजर्वेटिव परिणामों की ओर ले जाता है।

लेखक निम्नलिखित व्यावहारिक सिफारिशें प्रदान करते हैं:

सख्त टाइप I एरर कंट्रोल के लिए: सुइसा-शुस्टर सटीक अनकंडिशनल टेस्ट अत्यधिक रोबस्ट है लेकिन कोवेरिएट्स को अनदेखा करके दक्षता खो देता है। श्रेणीबद्ध कोवेरिएट्स के लिए, CMH टेस्ट एक रोबस्ट विकल्प है। यदि कोवेरिएट समायोजन आवश्यक है, तो रोबस्ट जी-कंप्यूटेशन (लियू-शी वेरिएंस या फर्थ मॉडल) कंजर्वेटिव एरर कंट्रोल सुनिश्चित करता है।
पावर और एरर कंट्रोल के बीच संतुलन बनाने के लिए: झांग स्कोर टेस्ट या नॉन-पैरामेट्रिक बूटस्ट्रैप के साथ जी-कंप्यूटेशन एक समझौता प्रदान करता है, जो मध्यम एरर इन्फ्लेशन दिखाता है लेकिन कंजर्वेटिव विधियों की तुलना में उच्च पावर प्रदान करता है।
एस्टिमेशन सटीकता के लिए: लियू-शी और फर्थ विधियाँ छोटे नमों में सबसे विश्वसनीय कॉन्फिडेंस इंटरवल कवरेज प्रदान करती हैं, हालांकि फर्थ बायस पेश करता है।
एलाइनमेंट (संरेखण) महत्वपूर्ण है: अध्ययन इस बात पर जोर देता है कि विधि का चयन लक्षित एस्टिमेंड (MTE बनाम CPATE) और इन्फेरेंशियल फ्रेमवर्क द्वारा निर्देशित होना चाहिए। जी-कंप्यूटेशन एस्टिमेशन, टेस्टिंग और इंटरवल कंस्ट्रक्शन के लिए एक एकीकृत ढांचा प्रदान करता है, लेकिन वैध इन्फरेंस सुनिश्चित करने के लिए इन्फेरेंशियल प्रक्रिया (वेरिएंस एस्टिमेटर या टेस्ट स्टैटिस्टिक) को चुने गए एस्टिमेंड के साथ स्पष्ट रूप से संरेखित किया जाना चाहिए।

अध्ययन निष्कर्ष निकालता है कि हालांकि जी-कंप्यूटेशन एक शक्तिशाली ढांचा है, छोटे नमों में इसके अनुप्रयोग के लिए इन्फ्लेटेड एरर रेट्स से बचने के लिए वेरिएंस एस्टिमेटर्स और वर्किंग मॉडल्स के सावधानीपूर्वक चयन की आवश्यकता होती है, और कोई भी एक विधि सभी प्रदर्शन आयामों में हावी नहीं है।

1. लक्ष्य: "रिस्क डिफरेंस" (Risk Difference) को मापना

2. दावेदार: सांख्यिकीय रेसिपी

3. बड़ी खोज: "स्मॉल सैंपल" (Small Sample) का जाल

4. विजेता और हारने वाले

5. अंतिम निर्णय: "काम के अनुसार टूल चुनें"

इसी तरह के और पेपर