Robust inference for risk heterogeneity under group imbalance

तकनीकी सारांश: समूह असंतुलन के तहत जोखिम विषमता के लिए सुदृढ़ अनुमान (Robust Inference)

समस्या विवरण
बायोमेडिकल डेटा में, जनसंख्या-स्तर की विषमता (heterogeneity) सर्वव्यापी है, जहाँ जनसांख्यिकीय या नैदानिक उपसमूहों में जोखिम पैटर्न काफी भिन्न हो सकते हैं। एक महत्वपूर्ण चुनौती तब उत्पन्न होती है जब समूह असंतुलन (group imbalance) की स्थिति में इन असमानताओं का विश्लेषण किया जाता है, जहाँ एक उपसमूह (अल्पसंख्यक) दूसरे (बहुसंख्यक) की तुलना में बहुत कम प्रतिनिधित्व रखता है। जोखिम विषमता का पता लगाने के लिए मौजूदा दृष्टिकोण, जैसे कि मानक संभावना-आधारित (likelihood-based) विधियाँ या रैखिक समायोजन ढाँचे (जैसे, माईटी एट अल., 2024), इस संदर्भ में दो प्राथमिक सीमाओं का सामना करते हैं:

1. मॉडल मिसस्पेसिफिकेशन (Model Misspecification) के प्रति संवेदनशीलता: ये विधियाँ अक्सर बहुसंख्यक समूह के लिए एक आधारभूत मॉडल (baseline model) पर निर्भर करती हैं। यदि यह आधारभूत मॉडल गलत (misspecified) है, तो विषमता के परिणामी अनुमान पक्षपाती (biased) होंगे।
2. नियमितीकरण पूर्वाग्रह (Regularization Bias): उच्च-आयामी (high-dimensional) सेटिंग्स में, नियमितकृत अनुमान (जैसे, लासो/Lasso) आवश्यक है लेकिन यह गुणांकों को शून्य की ओर सिकोड़कर (shrink) पूर्वाग्रह उत्पन्न करता है। यह विशेष रूप से अल्पसंख्यक समूह के लिए समस्याग्रस्त है, जहाँ नमूना आकार छोटा होता है, और बहुसंख्यक समूह के न्युसेंस पैरामीटर (nuisance parameter) अनुमान से उत्पन्न होने वाला पूर्वाग्रह विषमता के अनुमानों तक पहुँच जाता है।

लेखक एक ऐसा अनुमान ढांचा विकसित करने का लक्ष्य रखते हैं जो बड़ी संख्या में सह-चरों (covariates), संभावित अल्प-प्रतिनिधित्व और गैर-रैखिक संबंधों वाले उपसमूहों में सह-चर-समायोजित विषमता को संभाल सके, और विश्वसनीय सांख्यिकीय अनुमान (कॉन्फिडेंस इंटरवल और p-वैल्यू) प्रदान कर सके।

कार्यप्रणाली (Methodology)
यह शोध पत्र नेमन ऑर्थोगोनैलिटी (Neyman orthogonality) (चेर्नोज़ुकोव एट अल., 2018) पर आधारित एक सुदृढ़ अनुमान ढांचे का प्रस्ताव करता है। मुख्य उद्देश्य सह-चरों $X$ के सापेक्ष, एक अल्पसंख्यक समूह ($T=0$) और एक बहुसंख्यक समूह ($T=1$) के बीच जोखिम के अंतर को दर्शाने वाले पैरामीटर वेक्टर $\beta$ का अनुमान लगाना है।

• मॉडल फॉर्मूलेशन: विषमता को लिंक-ट्रांसफॉर्म स्केल पर सह-चरों के एक रैखिक फलन के रूप में मॉडल किया गया है:
  $$\gamma(E[Y|X, T=0]) - \gamma(E[Y|X, T=1]) = \alpha^T X$$
  यहाँ, $\gamma$ एक पूर्व-निर्धारित लिंक फंक्शन है (जैसे, बाइनरी परिणामों के लिए लॉजिट)। पैरामीटर रुचि का $\beta$ हिस्सा $\alpha$ का एक उपसमुच्चय है, जबकि बहुसंख्यक समूह के लिए आधारभूत जोखिम फलन $\xi(X)$ और शेष गुणांक $\delta$ को न्युसेंस पैरामीटर्स (nuisance parameters) माना गया है।

• नेमन ऑर्थोगोनल स्कोर: न्युसेंस पैरामीटर्स ($\xi, \delta, \pi$) में अनुमान त्रुटियों के विरुद्ध मजबूती प्राप्त करने के लिए, लेखक एक स्कोर फंक्शन $S(Z, \beta, \delta, \xi, \pi)$ का निर्माण करते हैं जो नेमन ऑर्थोगोनैलिटी की स्थिति को पूरा करता है। यह स्थिति सुनिश्चित करती है कि स्कोर फंक्शन न्युसेंस पैरामीटर्स में छोटे परिवर्तनों के प्रति स्थानीय रूप से असंवेदनशील है। स्कोर को न्युसेंस पैरामीटर्स के सापेक्ष लॉस फंक्शन के डेरिवेटिव को शामिल करने वाले सुधार पद (correction term) को शामिल करके रैखिक समायोजन दृष्टिकोण से व्युत्पन्न किया गया है।

• अनुमान प्रक्रिया:

  1. न्युसेंस अनुमान: बहुसंख्यक समूह के डेटा का उपयोग करके आधारभूत मॉडल $\hat{\xi}$ का अनुमान लगाएं, और उपयुक्त नियमितकृत या मशीन लर्निंग विधियों का उपयोग करके न्युसेंस गुणांक $\hat{\delta}$ और प्रोपेंसिटी स्कोर $\hat{\pi}$ का अनुमान लगाएं।
     2. डिबायस्ड अनुमान (Debiased Estimation): स्कोर समीकरण $\sum S(Z_i, \beta, \hat{\delta}, \hat{\xi}, \hat{\pi}) = 0$ के लिए $\beta$ को हल करें। चूंकि यह समीकरण एक निहित (implicit) समीकरण है, इसलिए समाधान को अनुमानित करने के लिए एक पुनरावृत्ति एल्गोरिदम (एल्गोरिदम 1) प्रदान किया गया है।
     3. वेरिएंस अनुमान: सैंडविच एस्टिमेटर फॉर्मूला का उपयोग करके एसिम्प्टोटिक वेरिएंस का अनुमान लगाया जाता है, जिससे वैध कॉन्फिडेंस इंटरवल का निर्माण संभव होता है।

• सैद्धांतिक गारंटी: सीमित सह-चरों और न्युसेंस पैरामीटर अनुमानकों के विशिष्ट अभिसरण दरों (convergence rates) (जो $\sqrt{N}$ से धीमी हो सकती हैं) की धारणाओं के तहत, प्रस्तावित डिबायस्ड एस्टिमेटर $\hat{\beta}_{debias}$ को सुसंगत (consistent) और एसिम्प्टोटिक रूप से सामान्य (asymptotically normal) दिखाया गया है। अनुमान के लिए प्रभावी नमूना आकार अल्पसंख्यक समूह के आकार द्वारा निर्धारित होता है।

प्रमुख योगदान

1. सुदृढ़ अनुमान उपकरण: यह ढांचा जोखिम विषमता पर सांख्यिकीय अनुमान करने के लिए एक विधि प्रदान करता है जो आधारभूत मॉडल के मिसस्पेसिफिकेशन और नियमितीकरण पूर्वाग्रह दोनों के प्रति सुदृढ़ है।
2. असंतुलन को संभालना: यह स्पष्ट रूप से उन परिदृश्यों को संबोधित करता है जहाँ उपसमूह गंभीर रूप से कम प्रतिनिधित्व रखते हैं, जो क्लिनिकल डेटासेट में एक सामान्य समस्या है।
3. लचीलापन: यह विधि $\xi(\cdot)$ के लिए विशिष्ट एल्गोरिदम के प्रति उदासीन (agnostic) है, बशर्ते कि वे अभिसरण दर की शर्तों को पूरा करते हों। यह जेनेरालाइज्ड लीनियर मॉडल्स के माध्यम से विभिन्न प्रकार के परिणामों (बाइनरी, निरंतर, काउंट) का समर्थन करती है।
4. डिबायसिंग तंत्र: मानक दो-चरणीय प्रक्रियाओं के विपरीत, यह दृष्टिकोण नेमन ऑर्थोगोनल स्कोर के माध्यम से नियमितीकरण पूर्वाग्रह और न्युसेंस पैरामीटर पूर्वाग्रह दोनों के सुधार को एकीकृत करता है।

परिणाम

• सिमुलेशन अध्ययन:

  • लेखकों ने $N=30,000$ और विभिन्न अल्पसंख्यक समूह अनुपातों ($10\%, 20\%, 40\%$) के साथ डेटा का सिमुलेशन किया।
  • पूर्वाग्रह में कमी: प्रस्तावित डिबायस्ड एस्टिमेटर ने सभी स्तरों के समूह असंतुलन और आधारभूत मॉडल विकल्पों (पेनलाइज्ड GLM, XGBoost, न्यूरल नेटवर्क) में लगभग शून्य पूर्वाग्रह प्राप्त किया। इसके विपरीत, मानक रैखिक समायोजन एस्टिमेटर ने पर्याप्त पूर्वाग्रह प्रदर्शित किया, विशेष रूप से तब जब अल्पसंख्यक समूह छोटा था या आधारभूत मॉडल मिसस्पेसिफाइड था।
  • अनुमान की वैधता: डिबायस्ड एस्टिमेटर से निर्मित 95% कॉन्फिडेंस इंटरवल ने नाममात्र 95% स्तर के करीब अनुभवजन्य कवरेज प्राप्त किया। QQ-प्लॉट्स ने एस्टिमेटर की एसिम्प्टोटिक नॉर्मलिटी की पुष्टि की।
  • वेरिएंस: जैसा कि अपेक्षित था, अल्पसंख्यक समूह का अनुपात घटने के साथ वेरिएंस बढ़ गया, लेकिन एस्टिमेटर स्थिर रहा।

• डेटा अनुप्रयोग (eICU डेटाबेस):

  • इस पद्धति को Caucasian रोगियों और अल्प-प्रतिनिधित्व वाले समूहों (एशियाई, हिस्पैनिक, नेटिव अमेरिकन) के बीच इन-हॉस्पिटल मृत्यु दर के विश्लेषण के लिए eICU सहयोगी अनुसंधान डेटाबेस पर लागू किया गया।
  • निष्कर्ष: मानक रैखिक समायोजन विधियों (Lasso का उपयोग करते हुए) ने सभी विषमता गुणांकों को शून्य की ओर सिकोड़ दिया, जिससे महत्वपूर्ण अंतर का पता लगाने में विफलता मिली।
  • खोज: प्रस्तावित विधि ने उन नैदानिक रूप से सार्थक विषमताओं की पहचान की जिन्हें मानक विधियों ने छोड़ दिया था:
    • नेटिव अमेरिकन रोगी जिन्हें ओवरडोज (Overdose) के साथ भर्ती किया गया था, उनमें Caucasian की तुलना में मृत्यु दर का काफी अधिक एडजस्टेड लॉग-ऑड्स देखा गया।
    • एशियाई रोगी जिन्हें कार्डियक अरेस्ट (Cardiac Arrest) के साथ भर्ती किया गया था, उनमें मृत्यु का जोखिम काफी अधिक था।
    • हिस्पैनिक रोगी जिन्होंने डायबिटिक कीटोएसिडोसिस (DKA) के साथ प्रवेश किया, उनमें मृत्यु का जोखिम काफी अधिक पाया गया।
  • ये निष्कर्ष इन स्थितियों के संबंध में मौजूदा साहित्य के अनुरूप हैं।

महत्व और दावे
यह शोध पत्र दावा करता है कि प्रस्तावित ढांचा प्रिसिजन मेडिसिन और स्वास्थ्य समानता अनुसंधान के लिए एक महत्वपूर्ण प्रगति प्रदान करता है। समूह असंतुलन और उच्च-आयामी सह-चरों की उपस्थिति में विश्वसनीय अनुमान सक्षम करके, यह विधि शोधकर्ताओं को उन "नैदानिक रूप से सार्थक" विषमताओं को उजागर करने की अनुमति देती है जो अन्यथा मानक नियमितकृत दृष्टिकोणों में निहित पूर्वाग्रह के कारण छिप जाती हैं। लेखक इस बात पर जोर देते हैं कि उनके दृष्टिकोण के लिए बहुसंख्यक समूह के जोखिम मॉडल के सटीक स्पेसिफिकेशन की आवश्यकता नहीं है, जो इसे वास्तविक दुनिया के बायोमेडिकल डेटा विश्लेषण के लिए एक व्यावहारिक और सुदृढ़ उपकरण बनाता है जहाँ ऐसे मॉडल अक्सर जटिल और अपूर्ण होते हैं। यह कार्यप्रणाली बाइनरी परिणामों से परे विस्तृत है, जो स्वास्थ्य सेवा सेटिंग्स में निरंतर और काउंट डेटा के लिए व्यापक प्रयोज्यता का सुझाव देती है।