Powerful Multivariate Sensitivity Analysis via Sample Splitting in an Observational Study of the Effects of Poverty on Cardiovascular Disease Risk Factors

तकनीकी सारांश: नमूना विभाजन (Sample Splitting) के माध्यम से शक्तिशाली बहुभिन्नरूपी संवेदनशीलता विश्लेषण (Multivariate Sensitivity Analysis)

समस्या विवरण
अवलोकनात्मक अध्ययनों (observational studies) में, जो कई परिणामों (बहुभिन्नरूपी सेटिंग्स) पर एक एक्सपोज़र के कारणत्मक प्रभावों का आकलन करते हैं, शोधकर्ता अक्सर एक वैश्विक शून्य परिकल्पना (global null hypothesis) का परीक्षण करना चाहते हैं (कि एक्सपोज़र का किसी भी परिणाम पर कोई प्रभाव नहीं है)। अनकहे कन्फाउंडिंग (unmeasured confounding) के विरुद्ध शक्ति और मजबूती को बेहतर बनाने के लिए एक सामान्य रणनीति परिणाम-विशिष्ट परीक्षण सांख्यिकीओं (test statistics) के रैखिक संयोजन (linear combination) का निर्माण करना है। हालाँकि, इस इष्टतम रैखिक संयोजन को खोजने के लिए मौजूदा विधियाँ—जैसे कि शेफ़े प्रोजेक्शन (Scheffé projections) या बाधित वेरिएंट (जैसे कोहेन एट अल., 2020; रोसेनबाम, 2016) का उपयोग करने वाली विधियाँ—मल्टीपल टेस्टिंग के लिए सुधार की मांग करती हैं। ये सुधार संदर्भ वितरणों (जैसे कि ची-बार-स्क्वेर्ड) पर निर्भर करते हैं जिनके क्रिटिकल मान परिणामों की संख्या ($K$) के साथ बढ़ते हैं। जैसे-जैसे $K$ बढ़ता है, ये क्रिटिकल मान तेजी से सख्त होते जाते हैं, जिससे सांख्यिकीय शक्ति (statistical power) कम हो जाती है और मजबूत साक्ष्य होने पर भी वैश्विक शून्य परिकल्पना को खारिज करना कठिन हो जाता है। इसके अतिरिक्त, इन वितरणों के मूल्यांकन का कम्प्यूटेशनल बोझ $K$ के साथ बढ़ता है।

कार्यप्रणाली (Methodology)
लेखक एक नवीन संवेदनशीलता विश्लेषण ढांचा प्रस्तावित करते हैं जो परीक्षण सांख्यिकी के चयन और अनुमान चरण (inference step) को अलग करने के लिए नमूना विभाजन (sample splitting) का उपयोग करता है। यह प्रक्रिया इस प्रकार कार्य करती है:

1. डेटा विभाजन: मैच किए गए डेटासेट को यादृच्छिक रूप से एक योजना (पायलट) नमूने (planning/pilot sample) और एक विश्लेषण नमूने (analysis sample) में विभाजित किया जाता है।
2. योजना चरण (Planning Phase): योजना नमूने पर, शोधकर्ता अनकहे पूर्वाग्रह (unmeasured bias) के प्रति संवेदनशीलता को अधिकतम करने (अर्थात, रोसेनबाम संवेदनशीलता मॉडल के तहत सबसे खराब स्थिति वाले p-मान को न्यूनतम करने) के लिए परीक्षण सांख्यिकीओं के रैखिक संयोजन (जो संभाव्यता सिम्प्लेक्स, $\Delta_+$ के भीतर सीमित है) को पहचानने के लिए एक अनुकूलन समस्या को हल करता है। इससे एक अनुमानित इष्टतम भार वेक्टर (weight vector), $\hat{\lambda}_{plan}$ प्राप्त होता है।
3. अनुमान चरण (Inference Phase): वेक्टर $\hat{\lambda}_{plan}$ को विश्लेषण नमूने के लिए पूर्व-निर्धारित (pre-specified) माना जाता है। शोधकर्ता इस निश्चित रैखिक संयोजन का उपयोग करके विश्लेषण नमूने पर संवेदनशीलता विश्लेषण संचालित करता है।
4. सांख्यिकीय औचित्य: क्योंकि संयोजन विश्लेषण डेटा के सापेक्ष पूर्व-निर्धारित है, इसलिए शून्य परिकल्पना के तहत परीक्षण सांख्यिकी एक मानक सामान्य वितरण (Standard Normal distribution) का अनुसरण करती है, न कि $K$ पर निर्भर जटिल ची-बार-स्क्वेर्ड वितरण का। यह एक मानक क्रिटिकल वैल्यू (जैसे $\alpha=0.05$ के लिए 1.645) के उपयोग की अनुमति देता है जो परिणामों की संख्या से स्वतंत्र है।

सैद्धांतिक योगदान
यह शोध पत्र एक महत्वपूर्ण सैद्धांतिक अंतराल को संबोधित करता है: नमूना विभाजन आमतौर पर एक "मिनिमैक्स गैप" (minimax gap) पेश करता है जहाँ शोधकर्ता को प्रकृति (अनकहे कन्फाउंडर) के कार्य करने से पहले एक रणनीति के लिए प्रतिबद्ध होना पड़ता है, जिससे संभावित रूप से पूर्ण-नमूना विधियों की तुलना में कम शक्ति प्राप्त होती है (जैसा कि फॉगार्टी और स्मॉल, 2016 द्वारा नोट किया गया है)।

• मिनिमैक्स प्रमेय (Minimax Theorem): लेखक एक नया मिनिमैक्स प्रमेय (प्रमेय 1) सिद्ध करते हैं जो यह दर्शाता है कि विशेष मामले में जहाँ रैखिक संयोजनों का सेट संभाव्यता सिम्प्लेक्स ($\Delta_+$) है, अनुकूलन का क्रम (शोधकर्ता पहले बनाम प्रकृति पहले) मायने नहीं रखता है। मिनिमैक्स समानता बनी रहती है:
  $$\min_{\varrho \in P_\Gamma} \sup_{\lambda \in \Delta_+} F(\lambda, \varrho) = \sup_{\lambda \in \Delta_+} \min_{\varrho \in P_\Gamma} F(\lambda, \varrho)$$
• अनंत शक्ति (Asymptotic Power): एक उपप्रमेय (प्रमेय 2) के रूप में, वे प्रदर्शित करते हैं कि उनके नमूना-विभाजन दृष्टिकोण का डिज़ाइन संवेदनशीलता (डिज़ाइन सेंसिटिविटी—उनके नमूना-विभाजन दृष्टिकोण का एसिम्प्टोटिक लिमिट) पूर्ण-नमूना विकल्पों के समान है। इस प्रकार, यह विधि केवल अनुमान के लिए डेटा के एक उपसमुच्चय का उपयोग करने के बावजूद अपनी अनंत शक्ति (asymptotic power) का त्याग नहीं करती है।

सिमुलेशन परिणाम
$I=300$ मैच किए गए जोड़े और बदलते परिणामों की संख्या $K \in \{5, 15, 25\}$ तथा सहसंबंध $\rho \in \{0, 0.2\}$ के साथ व्यापक सिमुलेशन अध्ययन किए गए।

• परिमित नमूना शक्ति (Finite Sample Power): नमूना-विभाजन विधि ने कोहेन एट अल. (2020) के पूर्ण-नमूना कार्यान्वयन की तुलना में लगातार उच्च शक्ति प्रदर्शित की, विशेष रूप से जैसे-जैसे $K$ बढ़ा। इसका श्रेय $K$-निर्भर क्रिटिकल वैल्यू के बचाव को दिया जाता है।
• ओरेकल (Oracle) के साथ तुलना: जबकि एक "ओरेकल" (जो पूर्व में इष्टतम संयोजन जानता है) ने सर्वश्रेष्ठ प्रदर्शन किया, नमूना-विभाजन दृष्टिकोण पूर्ण-नमूना प्रतिस्पर्धी से काफी बेहतर रहा और कई व्यवस्थाओं में ओरेकल के प्रदर्शन के करीब पहुँच गया।
• सहसंबंध प्रभाव: प्रस्तावित विधि का शक्ति लाभ तब सबसे अधिक स्पष्ट था जब परिणाम असंबद्ध या कमजोर रूप से सहसंबंधित थे, हालांकि यह मध्यम सकारात्मक निर्भरता के साथ भी श्रेष्ठ बना रहा।

अनुप्रयोग: गरीबी और हृदय रोग (CVD) जोखिम
इस विधि को NHANES डेटा (1999-2016) का उपयोग करके बच्चों और किशोरों में हृदय रोग (CVD) जोखिम कारकों पर गरीबी (परिभाषित: परिवार का गरीबी आय अनुपात < 1) के प्रभावों के अध्ययन पर लागू किया गया।

• अध्ययन डिजाइन: 4,027 मैच किए गए जोड़ों को एक पायलट नमूने (25%) और एक विश्लेषण नमूने (75%) में विभाजित किया गया।
• परिणाम: अध्ययन में शरीर की संरचना, शारीरिक गतिविधि, लिपिड और तंबाकू जोखिम (कोटिनिन स्तर) सहित 9 परिणामों की जांच की गई।
• निष्कर्ष:
  • नमूना-विभाजन दृष्टिकोण ने $\Gamma=1$ पर सभी आयु/लिंग स्तरों के लिए वैश्विक शून्य परिकल्पना को खारिज कर दिया, जबकि पूर्ण-नमूना तुलनात्मक विधि ने केवल 8-11 वर्ष के लड़कों के लिए ही वैश्विक शून्य को खारिज किया।
  • विधि ने सभी स्तरों में तंबाकू जोखिम (कोटिनिन स्तर) और किशोरों के लिए तीव्र अवकाश-समय शारीरिक गतिविधि (LTPA) पर गरीबी के महत्वपूर्ण प्रतिकूल प्रभावों की पहचान की।
  • मजबूती (Robustness): तंबाकू जोखिम के संबंध में निष्कर्ष $\Gamma \approx 2.25$ (संवेदनशीलता मान $\approx 3.05$) तक अनकहे कन्फाउंडिंग के प्रति मजबूत थे। इसके विपरीत, शारीरिक गतिविधि और शरीर की संरचना के संबंध में निष्कर्ष छोटे पूर्वाग्रहों के प्रति संवेदनशील थे (जो $\Gamma \approx 1.05$–$1.15$ पर विफल हो गए)।
  • तुलना: इसी डेटासेट पर पूर्ण-नमूना संवेदनशीलता विश्लेषण ने समग्र परिकल्पना के लिए बहुत कम संवेदनशीलता मान ($\approx 1.67$) दिया, जो इस डेटासेट के लिए मौजूदा बहुभिन्नरूपी विधियों में निहित शक्ति हानि को दर्शाता है।

महत्व
यह शोध पत्र दावा करता है कि इसका प्राथमिक योगदान कई परिणामों वाले अवलोकनात्मक अध्ययनों में शक्तिशाली बहुभिन्नरूपी संवेदनशीलता विश्लेषण करने के लिए एक व्यावहारिक और सैद्धांतिक रूप से सुदृढ़ ढांचा प्रदान करना है। नमूना विभाजन और एक नए मिनिमैक्स प्रमेय का लाभ उठाकर, यह विधि:

1. शक्ति को पुनः प्राप्त करती है: यह उच्च-आयामी सेटिंग्स में $K$-निर्भर क्रिटिकल वैल्यू से जुड़ी गंभीर शक्ति हानि से बचती है।
2. वैधता बनाए रखती है: यह बिना किसी ऐसे एसिम्प्टोटिक सुधार के वैध $\alpha$-स्तर का अनुमान प्रदान करती है जो परिणाम स्थान (outcome space) के आयाम पर निर्भर करता है।
3. डेटा-संचालित डिजाइन को सक्षम बनाती है: यह शोधकर्ताओं को अंतिम अनुमान की वैधता से समझौता किए बिना पायलट नमूने का उपयोग परिणाम चयन और परीक्षण सांख्यिकी (जैसे विशिष्ट आहार घटकों या आयु-विशिष्ट प्रभावों की पहचान करना) को परिष्कृत करने के लिए करने की अनुमति देती है।

लेखक निष्कर्ष निकालते हैं कि हालांकि गरीबी और CVD पर उनके विशिष्ट निष्कर्षों की मजबूती काफी हद तक तंबाकू जोखिम पर प्रभाव द्वारा संचालित है, फिर भी यह पद्धतिगत ढांचा सफलतापूर्वक उन प्रभावों का पता लगाने में सक्षम है जहाँ पारंपरिक बहुभिन्नरूपी संवेदनशीलता विश्लेषण शक्ति की कमी के कारण विफल हो सकते हैं।