📊 statistics

Triage Score: A Counterfactual Risk Assessment Instrument

यह शोध पत्र "ट्राइएज स्कोर" (triage scores) का प्रस्ताव करता है, जो योगात्मक प्रतितथ्यात्मक उपयोगिताओं (additive counterfactual utilities) पर आधारित जोखिम मूल्यांकन उपकरणों की एक नई श्रेणी है, जो हस्तक्षेप के तहत संभावित परिणामों को शामिल करके पारंपरिक जोखिम स्कोर की सीमाओं को दूर करती है ताकि अधिक नैतिक और व्यावहारिक रूप से सूचित निर्णय लेने में सक्षम बनाया जा सके।

मूल लेखक: Kosuke Imai, Sooahn Shin, D. James Greiner, Ryan Halen

प्रकाशित 2026-06-23

📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Kosuke Imai, Sooahn Shin, D. James Greiner, Ryan Halen

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 डॉक्टर हैं जो यह तय करने की कोशिश कर रहे हैं कि किसी मरीज को गहन चिकित्सा इकाई (ICU) में भर्ती किया जाए या नहीं।

पुराना तरीका: "जोखिम स्कोर" (Risk Score)
वर्तमान में, कई अस्पताल एक "जोखिम स्कोर" का उपयोग करते हैं। यह एक मौसम पूर्वानुमान की तरह है जो केवल यह भविष्यवाणी करता है कि क्या होगा यदि आप घर पर अपना छाता छोड़ देते हैं।

यह मरीज को देखता है और कहता है, "यदि हम कुछ नहीं करते हैं, तो इस व्यक्ति के बहुत बीमार होने की 80% संभावना है।"
क्योंकि स्कोर अधिक है, डॉक्टर उन्हें ICU में भर्ती कर लेते हैं।

समस्या:
जोखिम स्कोर में एक अंधा मोड़ (blind spot) है। यह आपको बताता है कि क्या होगा यदि आप हस्तक्षेप नहीं करते हैं, लेकिन यह नहीं बताता कि क्या होगा यदि आप हस्तक्षेप करते हैं।

शायद मरीज वैसे भी बीमार हो जाता, चाहे ICU में ही क्यों न होता।
शायद मरीज वास्तव में ठीक था, और ICU में भर्ती करने से केवल उन्हें तनाव और संक्रमण (एक "बैकलैश") हुआ।
जोखिम स्कोर सभी उच्च स्कोर वाले लोगों के साथ एक जैसा व्यवहार करता है, यह नजरअंदाज करते हुए कि कुछ लोगों को वास्तव में ICU की आवश्यकता नहीं थी, जबकि कुछ को ICU द्वारा बचाया जा सकता था।

नया तरीका: "ट्राइएज स्कोर" (Triage Score)
लेखक इस पेपर में एक नया टूल प्रस्तावित करते हैं जिसे ट्राइएज स्कोर कहा जाता है। इसे केवल एक मौसम पूर्वानुमान के रूप में नहीं, बल्कि एक सिम्युलेटर के रूप में सोचें जो हर एक मरीज के लिए एक साथ दो फिल्में चलाता है:

फिल्म A: क्या होगा यदि हम उन्हें अकेला छोड़ दें?
फिल्म B: क्या होगा यदि हम उन्हें ICU में भेज दें?

ट्राइएज स्कोर इन दो फिल्मों की तुलना करता है ताकि "पछतावे" (regret) को ध्यान में रखते हुए एक "स्कोर" की गणना की जा सके।

"सुरक्षित" मरीज: यदि फिल्म A (कोई ICU नहीं) दिखाती है कि वे स्वस्थ रहते हैं, और फिल्म B (ICU) भी दिखाती है कि वे स्वस्थ रहते हैं, तो ट्राइएज स्कोर कहता है: "उन्हें ICU में न भेजें। यह संसाधनों की बर्बादी है और इससे उन्हें नुकसान हो सकता है।"
"रोकने योग्य" मरीज: यदि फिल्म A दिखाती है कि वे बीमार हो जाते हैं, लेकिन फिल्म B दिखाती है कि वे स्वस्थ रहते हैं, तो ट्राइएज स्कोर कहता है: "उन्हें ICU में भेजें! उन्हें बचाने का यही एकमात्र तरीका है।"
"निराशाजनक" मरीज: यदि फिल्म A दिखाती है कि वे बीमार हो जाते हैं, और फिल्म B में भी वे बीमार ही दिखते हैं (शायद बीमारी बहुत उन्नत है), तो ट्राइएज स्कोर कहता है: "ICU से कोई मदद नहीं मिलेगी। हमें आराम देने वाली देखभाल (comfort care) पर ध्यान केंद्रित करना चाहिए।"

वास्तविक दुनिया का परीक्षण: बेल (Bail) प्रणाली
लेखकों ने इस विचार का परीक्षण यूटा (Utah) में न्यायाधीशों और जमानत (bail) निर्णयों से जुड़े एक वास्तविक प्रयोग का उपयोग करके किया।

सेटअप: न्यायाधीशों को यादृच्छिक रूप से (randomly) या तो एक मानक "सार्वजनिक सुरक्षा मूल्यांकन" (PSA) जोखिम स्कोर देखने के लिए या इसे न देखने के लिए आवंटित किया गया था। PSA उन्हें बताता था कि जमानत मिलने पर अपराधी के नया अपराध करने की कितनी संभावना है।
पुराने सिस्टम की खामी: PSA केवल इस जोखिम को देखता था कि यदि प्रतिवादी को रिहा किया जाता है तो वह दोबारा अपराध करने की कितनी संभावना रखता है। इसने यह नहीं पूछा: "यदि हम उन्हें जेल में डालते हैं, तो क्या वे अपराध करना बंद कर देंगे? या क्या वे केवल अधिक क्रोधित हो जाएंगे और बाहर आने पर अधिक अपराध करेंगे?"
ट्राइएज दृष्टिकोण: लेखकों ने अपने नए गणित का उपयोग करके "क्या होगा अगर" वाले परिदृश्यों को देखने के लिए किया। उन्होंने पूछा:
- कौन चाहे जो भी हो, दोबारा अपराध करेगा? (निराशाजनक)
- कौन केवल रिहा होने पर अपराध करेगा, लेकिन जेल जाने पर रुक जाएगा? (रोकने योग्य)
- कौन केवल जेल जाने पर अपराध करेगा, लेकिन रिहा होने पर साफ रहेगा? (बैकलैश/प्रतिक्रिया)

बड़ी खोज
जब लेखकों ने डेटा पर ट्राइएज स्कोर के तर्क को लागू किया, तो उन्होंने पाया कि "सर्वश्रेष्ठ" निर्णय इस बात पर निर्भर करता है कि आप किन चीजों की कितनी परवाह करते हैं।

यदि आप केवल अपराध को रोकने की परवाह करते हैं (पुराने जोखिम स्कोर वाले तरीके से), तो आप बहुत से लोगों को जेल में डाल सकते हैं।
लेकिन यदि आप ट्राइएज स्कोर का उपयोग करते हैं और कहते हैं, "मुझे वास्तव में उस व्यक्ति को जेल में डालने पर पछतावा है जिसने वैसे भी अपराध नहीं किया होता," तो इष्टतम रणनीति बदल जाती है। आप अधिक लोगों को रिहा कर सकते हैं क्योंकि आप महसूस करते हैं कि जेल भेजना वास्तव में अपराध को नहीं रोकता है—यह केवल पैसा बर्बाद करता है और नुकसान पहुंचाता है।

निष्कर्ष (Takeaway)
लेखक तर्क देते हैं कि हमें केवल एक एकल भविष्यवाणी (क्या होगा यदि हम कुछ नहीं करते हैं) के आधार पर निर्णय लेना बंद करने की आवश्यकता है। इसके बजाय, हमें एक ट्राइएज स्कोर की आवश्यकता है जो कुछ करने और कुछ न करने के बीच के अंतर को तौलता है। यह निर्णय लेने वालों को यह समझने में सक्षम बनाता है कि वास्तव में किसे मदद की जरूरत है, किसे मदद से नुकसान हो सकता है, और किसे मदद की बिल्कुल आवश्यकता नहीं है, जिससे अंततः सभी के लिए बेहतर परिणाम मिलते हैं।

तकनीकी सारांश: ट्राइएज स्कोर (Triage Score): एक काउंटरफैक्चुअल रिस्क असेसमेंट इंस्ट्रूमेंट

समस्या विवरण
जोखिम मूल्यांकन उपकरण (रिस्क स्कोर) उच्च-दांव वाले क्षेत्रों जैसे कि आपराधिक न्याय और चिकित्सा में किसी अवांछित परिणाम (जैसे, पुन: गिरफ्तारी या बीमारी) की संभावना की भविष्यवाणी करने के लिए व्यापक रूप से तैनात किए जाते हैं, जो बिना किसी हस्तक्षेप के एक आधारभूत निर्णय (baseline decision) के तहत होता है। जबकि उच्च स्कोर आमतौर पर हस्तक्षेपों (जैसे, नकद जमानत या गहन देखभाल) को प्रेरित करते हैं, यह दृष्टिकोण कल्याण के अधिकतमकरण (welfare maximization) के साथ एक मौलिक विसंगति से ग्रस्त है। रिस्क स्कोर केवल एक एकल आधारभूत (बिना हस्तक्षेप के) के तहत परिणामों की भविष्यवाणी करते हैं, जो वैकल्पिक निर्णयों के तहत काउंटरफैक्चुअल परिणामों को ध्यान में रखने में विफल रहते हैं। फलस्वरूप, वे उन व्यक्तियों के बीच अंतर करने में असमर्थ हैं जिनके लिए एक हस्तक्षेप परिणामों को सार्थक रूप से बदल सकता है और उनके लिए जिनके लिए यह नहीं बदलेगा। यह सीमा नैतिक और व्यावहारिक ट्रेड-ऑफ (tradeoffs) को अस्पष्ट करती है, जैसे कि उस व्यक्ति को अनावश्यक रूप से हिरासत में लेने से जुड़ा पछतावा (regret) जो मुक्त किए जाने पर पुनः अपराध नहीं करता। मौजूदा ढांचे अक्सर "चयनात्मक लेबल" (selective labels) पर निर्भर करते हैं (वे परिणाम जो केवल उन लोगों के लिए देखे जाते हैं जिन्होंने एक विशिष्ट निर्णय प्राप्त किया है), जो वैकल्पिक नीतियों के मूल्यांकन को जटिल बनाता है।

कार्यप्रणाली
लेखक ट्राइएज स्कोर पर आधारित एक ढांचे का प्रस्ताव करते हैं, जो काउंटरफैक्चुअल रिस्क असेसमेंट इंस्ट्रूमेंट्स का एक वर्ग है, जिसे अपेक्षित उपयोगिता (expected utility) को अधिकतम करने के उद्देश्य के साथ निर्णय लेने को संरेखित करने के लिए डिज़ाइन किया गया है। मानक रिस्क स्कोर के विपरीत, जो केवल आधारभूत संभावित परिणाम $Y(d_0)$ पर निर्भर करते हैं, ट्राइएज स्कोर योगात्मक काउंटरफैक्चुअल उपयोगिता (additive counterfactual utilities) से निर्मित होते हैं जो वैकल्पिक निर्णयों के तहत संभावित परिणामों के संयुक्त वितरण (joint distribution) पर निर्भर करते हैं।

काउंटरफैक्चुअल उपयोगिता ढांचा:
- यह ढांचा प्रिंसिपल स्ट्रैटिफिकेशन (Frangakis and Rubin, 2002) का उपयोग करता है, जो संयुक्त संभावित परिणामों $(Y(0), Y(1), \dots, Y(K_D-1))$ के आधार पर स्तरों (strata) को परिभाषित करता है। बाइनरी सेटिंग में, इन स्तरों में शामिल हैं: सेफ (किसी भी निर्णय के तहत कोई परिणाम नहीं), बैकलैश (केवल हस्तक्षेप के तहत परिणाम), प्रिवेंटेबल (केवल बिना हस्तक्षेप के परिणाम), और होपलेस (किसी भी निर्णय के तहत परिणाम)।
- उपयोगिताओं को योगात्मक रूप से परिभाषित किया गया है: $u(d, y) = u^d_{y_d} + \sum_{d' \neq d} \tilde{u}^{d'}_{y_{d'}}$ । पहला पद प्राप्त परिणाम की मानक उपयोगिता का प्रतिनिधित्व करता है, जबकि दूसरा पद वैकल्पिक निर्णय $d'$ के तहत होने वाले परिणाम से जुड़ी काउंटरफैक्चुअल उपयोगिता (या "पछतावा") को दर्शाता है।
- यह योगात्मक संरचना ढांचे को उन मामलों के बीच अंतर करने की अनुमति देती है जहाँ हस्तक्षेप वास्तव में निवारक (preventive) है बनाम उन मामलों के लिए जहाँ यह अनावश्यक है (जैसे, एक "सेफ" प्रतिवादी पर नकद जमानत लगाना)।
पहचान और अनुमान (Identification and Estimation):
- अनकन्फाउंडेडनेस (Unconfoundedness) (अवलोकित सहचरों के दिए गए होने पर संभावित परिणामों और निर्णयों की सशर्त स्वतंत्रता) की धारणा के तहत, लेखक स्थापित करते हैं कि अपेक्षित काउंटरफैक्चुअल उपयोगिता पॉइंट-आइडेंटिफाइड है, भले ही संभावित परिणामों का पूर्ण संयुक्त वितरण देखा न गया हो।
- यह ढांचा अपेक्षित उपयोगिता का अनुमान लगाने के लिए ऑगमेंटेड इनवर्स प्रोबेबिलिटी वेटिंग (AIPW) एस्टिमेटर्स का उपयोग करता है। यह दृष्टिकोण 'डबली रोबस्ट' (doubly robust) है, जिसके लिए निर्णय मॉडल (न्यायाधीश के निर्णय की संभावना) और आउटकम मॉडल दोनों का सुसंगत अनुमान आवश्यक है।
- उच्च-आयामी, असंरचित टेक्स्ट डेटा (विशेष रूप से प्रोबेबल-कॉज़ एफिडेविट) को संभालने के लिए, जो न्यायिक निर्णयों को प्रभावित (confound) करते हैं, लेखक GenAI-संचालित अनुमान (GPI) को एकीकृत करते हैं। लार्ज लैंग्वेज मॉडल्स (जैसे, Llama3) और ड्रैगननेट (DragonNet) जैसे आर्किटेक्चर का उपयोग करके, वे टेक्स्ट से लो-डायमेंशनल डीकॉफेंडर (deconfounders) निकालते हैं ताकि अनऑब्जर्व्ड हेटेरोजेनिटी को एडजस्ट किया जा सके, जिससे स्ट्रक्चर्ड कोवेरिएट्स के अकेले होने की तुलना में अनकन्फाउंडेडनेस की धारणा अधिक विश्वसनीय रूप से संतुष्ट होती है।
पॉलिसी लर्निंग:
- यह ढांचा एक अनुभवजन्य उपयोगिता अधिकतमकरण समस्या को हल करके इष्टतम निर्णय नियमों को सीखने में सक्षम बनाता है। बाइनरी निर्णयों के लिए, इसे भारित वर्गीकरण (weighted classification) समस्या के रूप में पुनर्गठित किया जाता है; मल्टीक्लास निर्णयों के लिए, इसमें प्रत्येक कोवेरिएट प्रोफाइल के लिए उच्चतम अनुमानित अपेक्षित उपयोगिता वाले निर्णय का चयन करना शामिल है।

अनुभवजन्य अनुप्रयोग और परिणाम
इस कार्यप्रणाली को यूटा (Utah) में एक रैंडमाइज्ड कंट्रोल्ड ट्रायल (RCT) में लागू किया गया है, जो पब्लिक सेफ्टी असेसमेंट (PSA) का मूल्यांकन करता है, जो कि एक प्रीट्रायल रिस्क स्कोर है। इस अध्ययन में, न्यायाधीशों को PSA अनुशंसाएँ प्राप्त करने या न प्राप्त करने के लिए रैंडमली असाइन किया गया था। डेटासेट में 9,855 प्रथम-गिरफ्तारी के मामले शामिल हैं जिनमें परिणाम के रूप में न्यू क्रिमिनल एक्टिविटी (NCA), न्यू वायलेंट क्रिमिनल एक्टिविटी (NVCA), और फेल्योर टू अपीयर (FTA) को मापा गया है।

उपयोगिता विनिर्देश (Utility Specification): लेखक उपयोगिता मापदंडों को परिभाषित करते हैं जिसमें निर्णयों की लागत (जैसे, नकद जमानत की लागत), अवांछित परिणामों की लागत, और काउंटरफैक्चुअल परिणामों के लिए पछतावा (regret) पैरामीटर शामिल हैं।
तुलनात्मक विश्लेषण: अध्ययन तीन प्रणालियों की तुलना करता है: ह्यूमन-अलोन (मानव-मात्र), ह्यूमन-विद-PSA (मानव+PSA के साथ), और ट्राइएज स्कोर ढांचे से प्राप्त ऑप्टिमल डिसीजन ट्री पॉलिसी।
मुख्य निष्कर्ष:
- उपयोगिता मापदंडों के प्रति संवेदनशीलता: पसंदीदा निर्णय नियम (Human बनाम Human+PSA) उपयोगिता मापदंडों के विनिर्देश के प्रति अत्यधिक संवेदनशील है, विशेष रूप से नकद जमानत की लागत और अनावश्यक हिरासत से जुड़े पछतावे के प्रति।
- रिस्क स्कोर से विचलन: मानक रिस्क स्कोर फ्रेमवर्क के तहत (जो बेसलाइन रिस्क के आधार पर स्ट्रेटा को संक्षिप्त करता है), इष्टतम नीति अक्सर ट्राइएज स्कोर फ्रेमवर्क द्वारा प्राप्त नीति से काफी भिन्न होती है। ट्राइएज स्कोर फ्रेमवर्क यह पहचानता है कि "सेफ" प्रतिवादियों (वे जो बिना किसी हस्तक्षेप के पुनः अपराध नहीं करते) के लिए नकद जमानत हानिकारक हो सकती है, जो एक सूक्ष्म अंतर है जिसे मानक रिस्क स्कोरिंग में खो दिया जाता है।
- नीतिगत निहितार्थ: विश्लेषण यह प्रदर्शित करता है कि एल्गोरिथमिक अनुशंसाओं के मूल्य के संबंध में निष्कर्ष पूर्ण नहीं हैं, बल्कि वे चुने गए काउंटरफैक्चुअल परिणामों के नैतिक भार पर निर्भर करते हैं। उदाहरण के लिए, जब अनावश्यक हिरासत के लिए पछतावा अधिक होता है, तो ट्राइएज फ्रेमवर्क अक्सर मानक रिस्क-आधारित दृष्टिकोणों की तुलना में नकद जमानत के उपयोग को कम करने वाली नीतियों का पक्ष लेता है।

योगदान और महत्व
यह शोध पत्र तीन प्राथमिक योगदान देता है:

सैद्धांतिक सामान्यीकरण (Theoretical Generalization): यह मानक रिस्क स्कोर के एक सामान्यीकरण के रूप में ट्राइएज स्कोर को पेश करता है, जो एकल बेसलाइन परिणाम की भविष्यवाणी करने के बजाय निर्णयों का मूल्यांकन करने के लिए संभावित परिणामों के संयुक्त वितरण पर ध्यान केंद्रित करता है। यह पछतावे जैसे नैतिक विचारों को स्पष्ट रूप से शामिल करने की अनुमति देता है।
मेथोडोलॉजिकल एडवांसमेंट: यह काउंटरफैक्चुअल उपयोगिताओं के तहत इष्टतम नीतियों का मूल्यांकन करने और सीखने के लिए एक सांख्यिकीय निर्णय-सैद्धांतिक ढांचा प्रदान करता है, जो अनकन्फाउंडेडनेस के तहत पहचान परिणामों को स्थापित करता है और सेमीपैरामेट्रिक एस्टिमेटर्स (AIPW) विकसित करता है जो GenAI के माध्यम से उच्च-आयामी टेक्स्ट कॉन्फंडर्स को समायोजित करते हैं।
अनुभवजन्य प्रदर्शन: यूटा RCT के माध्यम से, यह पेपर यह दर्शाता है कि पारंपरिक रिस्क स्कोर मूल्यांकन, ट्राइएज-आधारित दृष्टिकोणों की तुलना में पर्याप्त रूप से भिन्न और संभावित रूप से उप-इष्टतम नीति अनुशंसाएं दे सकते हैं। यह रेखांकित करता है कि "सर्वश्रेष्ठ" निर्णय नियम चुने गए उपयोगिता संरचना (नैतिक और व्यावहारिक ट्रेड-ऑफ) के अधीन है।

दावे और सीमाएं
लेखक ट्राइएज स्कोर को किसी एक सेटिंग के लिए विशिष्ट उपकरण के रूप में नहीं, बल्कि एक सामान्य निर्णय-सहायता ढांचे के रूप में प्रस्तुत करते हैं। वे स्पष्ट रूप से कहते हैं कि वे यूटा अनुप्रयोग के लिए कोई विशिष्ट ट्राइएज स्कोर विकसित नहीं करते हैं, बल्कि समृद्ध उपयोगिता संरचनाओं को कैप्चर करने की फ्रेमवर्क की क्षमता को प्रदर्शित करते हैं। पेपर स्वीकार करता है कि परिणामों की वैधता अनकन्फाउंडेडनेस धारणा पर निर्भर करती है, जिसे उनके अनुप्रयोग में पूर्ण न्यायिक जानकारी (PC एफिडेविट सहित) की उपलब्धता और टेक्स्ट-आधारित कॉन्फंडर्स को एडजस्ट करने के लिए GPI के उपयोग द्वारा विश्वसनीय बनाया गया है। लेखक सुझाव देते हैं कि भविष्य के कार्य को नीति निर्माताओं के साथ उपयोगिता मापदंडों के वास्तविक दुनिया के निष्कर्षण (elicitation) और गतिशील, अनुक्रमिक निर्णय लेने वाली सेटिंग्स में ढांचे के विस्तार पर ध्यान केंद्रित करना चाहिए।

इसी तरह के और पेपर