Efficient Cumulative Incidence Estimation in Biobank Studies Using All Prevalent and Incident Events

तकनीकी सारांश: बायोबैंक अध्ययनों में कुशल संचयी घटना अनुमान (Efficient Cumulative Incidence Estimation)

समस्या विवरण
यह शोध पत्र जनसंख्या-आधारित बायोबैंक डेटा का उपयोग करके एक विशिष्ट बीमारी के लिए संचयी घटना फलन (Cumulative Incidence Function - CIF) के अनुमान की चुनौती को संबोधित करता है। बायोबैंक अध्ययन आमतौर पर एक विशिष्ट आयु विंडो $[R_L, R_U]$ (जैसे, यूके बायोबैंक में 40-69 वर्ष की आयु) के भीतर विषयों को भर्ती करते हैं और उनका अग्रिम रूप से (prospectively) अनुसरण करते हैं। यह डिज़ाइन दो महत्वपूर्ण सांख्यिकीय जटिलताओं को जन्म देता है:

1. बायां ट्रंकेशन (Left Truncation): व्यक्ति केवल तभी देखे जाते हैं यदि वे अपनी भर्ती आयु $R_i$ तक जीवित रहते हैं। फलस्वरूप, घटना का अनुमान $R_L$ तक जीवित रहने की स्थिति पर लगाया जाना चाहिए, जिसे $G_1(t | T_2 > R_L)$ के रूप में दर्शाया गया है।
2. प्रचलित बनाम घटनात्मक मामले (Prevalent vs. Incident Cases): डेटा में "प्रचलित मामले" (वे व्यक्ति जिन्हें भर्ती से पहले रोग निदान हुआ था) और "घटनात्मक मामले" (जो भर्ती के बाद निदान हुए) शामिल हैं। इसके अतिरिक्त, बीमारी गैर-घातक (non-terminal) है; व्यक्ति निदान के बाद मर सकते हैं या अध्ययन के अंत तक जीवित रह सकते हैं।

मौजूदा विधियाँ इन कारकों के संयोजन को कुशलतापूर्वक संभालने में विफल रहती हैं। मानक लेफ्ट-ट्रंकेशन समायोजित एलन-जोहानसन (Aalen-Johansen - AJ) एस्टिमेटर प्रचलित मामलों को बाहर कर देता है, जो प्रभावी रूप से एक अलग लक्ष्य का अनुमान लगाता है: $R_L$ पर रोग-मुक्त होने की स्थिति में CIF ($G_1(t | T_1 > R_L, T_2 > R_L$)। इनवर्स प्रोबेबिलिटी वेटिंग (IPW) विधियाँ, जैसे कि चांग और त्ज़ेंग (2006), वैकुलेनको-लागुन एट अल. (2017), और गोर्फिन एट अल. (2025) (GZS) द्वारा विकसित विधियाँ, प्रचलित मामलों को शामिल करने का प्रयास करती हैं लेकिन महत्वपूर्ण सीमाओं से ग्रस्त हैं। विशेष रूप से, GZS एस्टिमेटर केवल उन बीमारी के मामलों को सकारात्मक द्रव्यमान (positive mass) आवंटित करता है जहाँ व्यक्ति फॉलो-अप अवधि के दौरान मर गया था। यह उन परिदृश्यों में पर्याप्त पूर्वाग्रह (bias) और अक्षमता पैदा करता है जहाँ निदान के बाद उत्तरजीविता लंबी होती है (जो स्तन कैंसर जैसी बीमारियों की एक सामान्य विशेषता है), क्योंकि कई प्रचलित और घटनात्मक मामले अध्ययन के अंत में जीवित रहते हैं और इस प्रकार GZS विधि द्वारा त्याग दिए जाते हैं।

कार्यप्रणाली (Methodology)
लेखक एक नया, पूर्णतः नॉनपैरामेट्रिक CIF एस्टिमेटर प्रस्तावित करते हैं, जिसे $\hat{G}_1(t^*_1)$ के रूप में चिन्हित किया गया है, जिसे बीमारी के सभी देखे गए मामलों (दोनों प्रचलित और घटनात्मक) को शामिल करने के लिए डिज़ाइन किया गया है, चाहे व्यक्ति अध्ययन के दौरान मरा हो या फॉलो-अप के अंत तक जीवित रहा हो।

इस एस्टिमेटर का निर्माण इलनेस-डेथ मॉडल (बीमारी-मृत्यु मॉडल/सेमी-कॉम्पिटिंग रिस्क) के भीतर किया गया है, जहाँ संक्रमण स्वस्थ (0) से रोगग्रस्त (1) और रोगग्रस्त (1) से मृत (2), या सीधे स्वस्थ (0) से मृत (2) की ओर होता है। प्रस्तावित विधि का मुख्य भाग डेटा के सशर्त संयुक्त घनत्व (conditional joint density) से प्राप्त वेटिंग स्कीम (weighting scheme) है। एस्टिमेटर का रूप इस प्रकार है:
$$\hat{G}_1(t^*_1) = \frac{1}{n} \sum_{i=1}^n \delta_{1i} I(V_{1i} \le t^*_1) \hat{Q}(V_{1i})$$
जहाँ $\delta_{1i}$ बीमारी की शुरुआत को दर्शाता है, $V_{1i}$ पहली घटना (निदान या मृत्यु) का देखा गया समय है, और $\hat{Q}$ एक डेटा-संचालित वेट फंक्शन है।

निरंतरता (consistency) सुनिश्चित करने के लिए, $\hat{Q}$ को एक अनुमानित फलन $\hat{B}(V_{1i})$ के व्युत्क्रम (inverse) के रूप में चुना गया है, जो निम्नलिखित को ध्यान में रखता है:

• जीवित रहने की स्थिति में भर्ती आयु का वितरण ($f_{R|R \le T_2}$)।
• मृत्यु का उत्तरजीविता फलन ($S_{T_2}$)।
• बीमारी की शुरुआत के बाद मृत्यु का सशर्त उत्तरजीविता ($S_{T_2|T_1}$)।
• भर्ती से सेंसरिंग तक के समय का वितरण ($S_W$)।

$S_{T_2|T_1}$ का सशर्त उत्तरजीविता फलन एक कर्नेल-आधारित नॉनपैरामेट्रिक रिग्रेशन दृष्टिकोण (बेरान के एस्टिमेटर का नेल्सन-आलेन संस्करण) का उपयोग करके अनुमानित किया जाता है। कर्नेल के लिए बैंडविड्थ का चयन मार्टिंगेल अवशेषों (martingale residuals) पर आधारित $K$-फोल्ड क्रॉस-वैलिडेशन प्रक्रिया के माध्यम से चुना जाता है।

प्रमुख योगदान

1. नया एस्टिमेटर: यह शोध पत्र पहला पूर्णतः नॉनपैरामेट्रिक और सुसंगत (consistent) CIF एस्टिमेटर प्रस्तुत करता है जो इलनेस-डेथ मॉडल में सभी बीमारी के मामलों का उपयोग करता है, जिसमें प्रचलित मामले और अध्ययन के अंत तक जीवित रहने वाले लोग दोनों शामिल हैं।
2. सैद्धांतिक गुण: लेखक प्रस्तावित एस्टिमेटर की निरंतरता (consistency) और एसिम्प्टोटिक नॉर्मलिटी (asymptotic normality) स्थापित करते हैं। वे इसके इन्फ्लुएंस फंक्शन के स्पष्ट सूत्र प्रदान करते हैं, जिससे पॉइंटवाइज कॉन्फिडेंस इंटरवल और सिमलटेनियस कॉन्फिडेंस बैंड्स का निर्माण संभव होता है।
3. दक्षता लाभ (Efficiency Gains): डेटा का उपयोग करने (विशेष रूप से प्रचलित मामलों और दीर्घकालिक जीवित बचे लोगों को शामिल करके) जो पिछले तरीकों द्वारा त्याग दिया जाता है, यह नई विधि काफी उच्च दक्षता प्राप्त करती है, जिसके परिणामस्वरूप संकीर्ण विश्वास अंतराल (confidence intervals) प्राप्त होते हैं।
4. सॉफ्टवेयर कार्यान्वयन: प्रस्तावित एस्टिमेटर को लागू करने के लिए एक R पैकेज, illdthCIF1, प्रदान किया गया है।

परिणाम

• सिमुलेशन अध्ययन: लेखकों ने बीमारी की शुरुआत, मृत्यु और सेंसरिंग के विभिन्न वितरणों वाले विभिन्न परिदृश्यों में व्यापक सिमुलेशन किए।
  • निदान के बाद उत्तरजीविता के सापेक्ष कम फॉलो-अप वाले परिदृश्यों में (जहाँ कई रोगी जीवित रहते हैं), GZS एस्टिमेटर गंभीर पूर्वाग्रह प्रदर्शित करता है, जो CIF का कम अनुमान लगाता है। प्रस्तावित एस्टिमेटर काफी हदतः निष्पक्ष (unbiased) रहा, जिसमें विशिष्ट विन्यास में केवल मामूली पूर्वाग्रह देखा गया जो नमूना आकार के साथ कम हो जाता है।
  • लंबे फॉलो-अप वाले परिदृश्यों में, GZS एस्टिमेटर निष्पक्ष था, लेकिन प्रस्तावित एस्टिमेटर ने कम मानक विचलन (उच्च दक्षता) प्रदर्शित किया।
  • प्रस्तावित विधि ने अधिकांश परिदृश्यों में पॉइंटवाइज कॉन्फिडेंस इंटरवल और सिमलटेनियस कॉन्फिडेंस बैंड्स के लिए संतोषजनक कवरेज प्रदान किया।
• यूके बायोबैंक अनुप्रयोग: इस विधि को यूके बायोबैंक से स्तन और अन्य कैंसर के डेटा (लगभग 2,50,000 महिला प्रतिभागियों) पर लागू किया गया।
  • स्तन कैंसर के लिए, जहाँ निदान के बाद उत्तरजीविता अक्सर लंबी होती है, GZS एस्टमेटर ने AJ और प्रस्तावित तरीकों की तुलना में CIF का व्यवस्थित रूप से कम अनुमान लगाया।
  • प्रस्तावित एस्टिमेटर और AJ एस्टिमेटर ने स्तन कैंसर के लिए समान पॉइंट अनुमान उत्पन्न किए, लेकिन प्रस्तावित विधि ने काफी संकीर्ण कॉन्फिडेंस बैंड प्रदान किए। विशेष रूप से, स्तन कैंसर के लिए 95% सिमलटेनियस कॉन्फिडेंस बैंड की औसत चौड़ाई AJ (0.0068) से घटकर प्रस्तावित विधि (0.0035) हो गई, जो लगभग दो गुना दक्षता लाभ का प्रतिनिधित्व करती है।
  • कम पोस्ट-डायग्नोसिस सर्वाइवल वाले कैंसर (जैसे फेफड़े, ल्यूकेमिया) के लिए, तीनों विधियों ने समान अनुमान दिए, क्योंकि मृत्यु अधिक पूर्ण रूप से देखी गई थी।

महत्व
यह शोध पत्र दावा करता है कि इसका प्राथमिक महत्व बायोबैंक विश्लेषण में एक पद्धतिगत अंतर को पाटने में निहित है। जबकि बायोबैंक दुर्लभ बीमारियों और दीर्घ-विलंबता (long-latency) एंडपॉइंट्स के अध्ययन के लिए अभूतपूर्व शक्ति प्रदान करते हैं, मानक एस्टिमेटर या तो मूल्यवान प्रचलित डेटा को त्याग देते हैं (AJ) या लंबे समय तक जीवित रहने वाले (GZS) का हिसाब रखने में विफल रहते हैं। प्रस्तावित विधि निदान के बाद के लंबे जीवन को ध्यान में रखते हुए, भर्ती उत्तरजीविता की स्थिति में बीमारी की घटना का कुशल और सुसंगत अनुमान लगाने के लिए पूर्ण उपलब्ध डेटा का उपयोग करती है। यह विशेष रूप से स्तन कैंसर जैसी बीमारियों के लिए महत्वपूर्ण है, जहाँ प्रचलित मामलों या दीर्घकालिक जीवित बचे लोगों को अनदेखा करने से पक्षपाती या अक्षम अनुमान प्राप्त होते हैं। लेखक जोर देते हैं कि उनका दृष्टिकोण बायोबैंक अध्ययनों के वास्तविक सशर्त अनुमान (conditional estimand) के साथ संरेखित है और सांख्यिकीय दक्षता को अधिकतम करता है।