📊 statistics

Cohen's f or Mean Standardized Differences? Assessing Covariate Balance with Multivalued Treatments

यह शोध पत्र बहु-मूल्य वाले उपचारों (multivalued treatments) में कोवेरिएट संतुलन का आकलन करने के लिए कोहेन के f (Cohen's f) और मानकीकृत माध्य अंतर (SMD) को विस्तारित करने हेतु एक स्टेटा (Stata) कमांड प्रस्तुत करता है, जो सिमुलेशन के माध्यम से यह प्रदर्शित करता है कि कोहेन का f, माध्य पूर्ण SMD (mean absolute SMD) की तरह ही अनुमानित पूर्वाग्रह (estimation bias) को प्रभावी ढंग से ट्रैक करता है और वर्तमान में प्रचलित लेकिन कम इष्टतम अधिकतम SMD (maximum SMD) दृष्टिकोण के लिए एक सैद्धांतिक रूप से सुदृढ़ विकल्प प्रदान करता है।

मूल लेखक: Ariel Linden

प्रकाशित 2026-08-12

📖 10 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Ariel Linden

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 जासूस हैं जो एक रहस्य सुलझाने की कोशिश कर रहे हैं: "क्या नई दवा ने वास्तव में मरीज को ठीक किया, या वे पहले से ही स्वाभाविक रूप से स्वस्थ थे?" चिकित्सा अनुसंधान की दुनिया में, वैज्ञानिक लोगों के विभिन्न समूहों की तुलना करते हैं—जैसे कि दवा A लेने वाले, दवा B लेने वाले, या प्लेसबो (placebo) लेने वाले, ताकि सच्चाई का पता लगाया जा सके। लेकिन एक पेंच है: परिणामों की तुलना करने से पहले, उन्हें यह सुनिश्चित करना होता है कि समूह निष्पक्ष हों। यदि "दवा A" वाला समूह युवा, फिट एथलीटों से भरा है, जबकि "प्लेसबो" समूह सर्दी से पीड़ित बुजुर्गों से भरा है, तो तुलना टूट जाती है। इसे कोवेरिएट बैलेंस (covariate balance) कहा जाता है।

लंबे समय तक, जब वैज्ञानिक केवल दो समूहों की तुलना करते थे, तो उनके पास निष्पक्षता जांचने के लिए एक सटीक उपकरण था जिसे स्टैंडर्डाइज्ड मीन डिफरेंस (SMD) कहा जाता था। इसे एक "निष्पक्षता रूलर" (fairness ruler) के रूप में सोचें जो यह मापता है कि दो समूहों के औसत आयु या स्वास्थ्य स्कोर के बीच कितनी दूरी है। यदि संख्या छोटी है (जैसे 0.1), तो समूह संतुलित हैं; यदि यह बड़ी है, तो वे संतुलित नहीं हैं। लेकिन क्या होता है जब आपके पास तीन या अधिक समूह होते हैं? अचानक, पुराना रूलर काम नहीं करता। आप केवल उन जोड़ों (pairwise) के बीच की दूरी को मापकर और फिर B और C के बीच की दूरी को मापकर यह नहीं कह सकते कि काम हो गया। आपको एक एकल, "ओम्निबस" (omnibus) स्कोर की आवश्यकता है—एक मास्टर गेज जो एक साथ बता सके कि समूहों का पूरा कमरा कितना निष्पक्ष है। अब तक, शोधकर्ता उन युग्मों (pairwise) को संयोजित करने के लिए अनुमान लगा रहे थे, या कोहेन के f (Cohen's f) नामक एक सांख्यिकीय उपकरण का उपयोग कर रहे थे, जिसे मूल रूप से एक अलग प्रकार की गणितीय समस्या के लिए डिज़ाइन किया गया था। यह शोध पत्र एक सरल, महत्वपूर्ण प्रश्न पूछता है: तीन या अधिक उपचारों की तुलना करते समय, कौन सा टूल सबसे अच्छा "निष्पक्षता रूलर" है?

महान निष्पक्षता रूलर का मुकाबला

इस अध्ययन में, डॉ. एरियल लिंडन ने "सर्वश्रेष्ठ मल्टी-ग्रुप निष्पक्षता रूलर" का खिताब पाने वाले दो मुख्य दावेदारों का परीक्षण करने के लिए एक विशाल डिजिटल सिमुलेशन लैब स्थापित की। एक तरफ हमारे पास स्टेटस क्वो (Status Quo) है, जो मूल रूप से "सभी अंतरों का औसत" (Average of All Differences) विधि है। कल्पना कीजिए कि आपके पास तीन टीमें हैं: लाल, नीली और हरी। स्टेटस क्वो विधि लाल और नीले के बीच का अंतर, फिर नीले और हरे के बीच, फिर लाल और हरे के बीच के अंतर को मापती है, और फिर या तो उन अंतरों का औसत निकालती है या रिपोर्ट करने के लिए सबसे बड़ा अंतर चुन लेती है। यह एक शिक्षक की तरह है जो छात्रों के हर जोड़े को देखकर ग्रेड देता है और कहता है, "ठीक है, उनकी ऊंचाई में औसत अंतर कम है," या "खैर, सबसे लंबा और सबसे छोटा बच्चा बहुत अलग है, इसलिए कक्षा असंतुलित है।"

दूसरी ओर कोहेन का f (Cohen's f) है, एक क्लासिक सांख्यिकीय उपकरण जो दशकों से मौजूद है लेकिन आमतौर पर प्रयोगों में भिन्नता (variance) के विश्लेषण के लिए उपयोग किया जाता है। डॉ. लिंडेन ने महसूस किया कि इस उपकरण को कई समूहों के लिए "निष्पक्षता रूलर" के रूप में पुनरुद्देश्यित किया जा सकता है। केवल अंतरों का औसत निकालने के बजाय, कोहेन का f अंतरों का "रूट-मीन-स्क्वायर" (root-mean-square) की गणना करता है। इसे एक मनोरंजक रूपक से उपयोग करने के लिए: यदि स्टेटस क्वो विधि धावकों के समूह की औसत गति लेने जैसा है, तो कोहेन का f समूह की कुल ऊर्जा की गणना करने जैसा है। यह उन धावकों पर विशेष ध्यान देता है जो बहुत आगे या बहुत पीछे हैं, लेकिन वे उन्हें प्रत्येक समूह में लोगों की संख्या के आधार पर भार (weight) देते हैं।

सिमुलेशन की दौड़

यह देखने के लिए कि कौन सा रूलर वास्तव में काम करता है, डॉ. लिंडेन ने केवल वास्तविक डेटा ही नहीं देखा; उन्होंने एक आभासी दुनिया बनाई। उन्होंने विभिन्न लक्षणों (कुछ सामान्य, कुछ विषम, या कुछ हाँ/नहीं वाले लक्षण) वाले हजारों नकली मरीज बनाए और उन्हें 3, 4, या 6 अलग-अलग उपचार समूहों में विभाजित किया। फिर उन्होंने "कन्फाउंडिंग" (confounding) पेश किया—जो अनिश्चितता या पक्षपात के लिए एक फैंसी शब्द है—यह सुनिश्चित करके कि कुछ समूहों को जानबूझकर बीमार या स्वस्थ मरीजों को दिया गया। उन्होंने इन समूहों का परीक्षण दो स्थितियों में किया: एक जहाँ समूह पूरी तरह से संतुलित थे (जैसे कि एक रैंडम लॉटरी) और एक जहाँ वे विषम थे (जैसे कि एक फिक्स्ड गेम)।

फिर उन्होंने इन समूहों को "प्रोपेंसिटी स्कोर वेटिंग" (propensity score weighting) प्रक्रिया के माध्यम से चलाया। कल्पना कीजिए कि यह एक डिजिटल स्केल है जो कम प्रतिनिधित्व वाले लोगों को अधिक महत्व देकर और अधिक प्रतिनिधित्व वाले लोगों को कम महत्व देकर समूहों को फिर से संतुलित करने की कोशिश करता है, प्रभावी रूप से समूहों को फिर से निष्पक्ष बनाता है। लक्ष्य यह देखना था: कौन सा रूलर (कोहेन का f या औसत/मैक्स SMD) यह भविष्यवाणी करने में बेहतर था कि अंतिम उपचार परिणाम वास्तव में कितने पक्षपाती थे?

परिणाम: प्रथम स्थान के लिए टाई, लेकिन एक ट्विस्ट के साथ

सिमुलेशन के परिणाम दिलचस्प थे। जब डॉ. लिंडेन ने यह जांचा कि प्रत्येक रूलर ने वास्तविक "पक्षपात" (अंतिम चिकित्सा निष्कर्ष में त्रुटि) की कितनी अच्छी भविष्यवाणी की, तो कोहेन का f और औसत SMD दोनों प्रथम स्थान के लिए टाई रहे।

सहसंबंध (Correlation): दोनों उपकरण पक्षपात को ट्रैक करने में अविश्वसनीय रूप से अच्छे थे। जब समूह असंतुलित थे, तो दोनों संख्याएँ बढ़ गईं। जब समूह संतुलित थे, तो दोनों कम हो गईं। सभी डेटा को देखते हुए, वास्तविक त्रुटि के साथ दोनों का सहसंबंध लगभग 0.93 था। केवल "सही ढंग से भारित" (correctly weighted) समूहों को देखने पर भी, दोनों लगभग 0.79 के आसपास रहे।
हारने वाला: "मैक्सिमम SMD" (वह विधि जो केवल सबसे खराब जोड़ी को चुनती है और बाकी को अनदेखा करती है) सबसे कमजोर था। यह समग्र पक्षपात की भविष्यवाणी करने में सबसे कम विश्वसनीय था। यह उस शिक्षक की तरह है जो केवल उस एक छात्र की परवाह करता है जो परीक्षा में फेल हुआ और इस तथ्य को अनदेखा कर देता है कि बाकी पूरी क्लास ने बहुत अच्छा किया; यह एक खराब जोड़ी के प्रति बहुत संवेदनशील है और बड़े चित्र को मिस कर देता है।

तो, क्या इसका मतलब है कि कोहेन का f वह जादुई गोली है जो सब कुछ बदल देगी? बिल्कुल नहीं। शोध पत्र स्पष्ट रूप से इस विचार को खारिज करता है कि कोहेन का f सटीकता के मामले में "बेहतर" है। यह पुराने तरीके के समान ही प्रदर्शन करता है। हालाँकि, शोध पत्र एक बहुत ही महत्वपूर्ण खोज करता है: स्केल (Scale/पैमाना)।

"सेब और संतरे" की समस्या

यहाँ सबसे महत्वपूर्ण निष्कर्ष है: आप कोहेन के f के नंबरों की सीधे तुलना स्टैंडर्डाइज्ड मीन डिफरेंस (SMD) के नंबरों से नहीं कर सकते।

कल्पना कीजिए कि आपके पास दो थर्मामीटर हैं। एक सेल्सियस में तापमान मापता है, और दूसरा फारेनहाइट में। यदि आप फारेनहाइट थर्मामीटर पर "20" देखते हैं, तो आप जानते हैं कि यह बहुत ठंडा है। लेकिन यदि आप सेल्सियस थर्मामीटर पर "20" देखते हैं, तो आप जानते हैं कि दिन गर्म है। आप सीधे तौर पर यह नहीं कह सकते कि "20" दोनों में समान है।

शोध पत्र गणितीय रूप से सिद्ध करता है कि कोहेन का f और औसत SMD उन अलग-अलग थर्मामीटरों की तरह हैं।

यदि आपके पास 3 समूह हैं, तो कोहेन का f औसत SMD के आकार का लगभग 0.63 गुना होगा।
यदि आपके पास 6 समूह हैं, तो कोहेन का f औसत SMD के आकार का लगभग 0.77 गुना होगा।

इसका अर्थ यह है कि यदि कोई शोधकर्ता SMD के 0.10 को देखने का आदी है और सोचता है, "ठीक है, यह एक छोटा, स्वीकार्य असंतुलन है," तो वे कोहेन के f के 0.10 को देखकर वही बात नहीं कह सकते। वास्तव में, एक कोहेन का f का 0.10, समूहों की संख्या के आधार पर, SMD के 0.10 की तुलना में एक बड़ा असंतुलन दर्शा सकता है। शोध पत्र सीधे कोहेन के f पर पुराने "0.10 नियम" को लागू करने के खिलाफ चेतावनी देता है।

"ग्रुप साइज" का जाल

वहाँ एक और मोड़ है। कोहेन के f में एक अंतर्निहित विशेषता है जो पुराने तरीके में नहीं है: यह समूहों को उनके आकार के आधार पर भार (weight) देता है।

बड़ा समूह: यदि सबसे बड़ा समूह (मान लीजिए, 80% मरीज) थोड़ा असंतुलित है, तो कोहेन का f इसके बारे में जोर से चिल्लाएगा।
छोटा समूह: यदि एक बहुत छोटा समूह (मान लीजिए, 5% मरीज) बहुत अधिक असंतुलित है, तो कोहेन का f शायद इसके बारे में धीरे से फुसफुसाएगा, क्योंकि यह कम लोगों की संख्या के कारण "भारित" (weighted down) है।

शोध पत्र इसे हार्ट फेलियर के एक वास्तविक अध्ययन के उदाहरण के साथ स्पष्ट करता है। वेटिंग (भार देने) से पहले, सबसे बड़ा असंतुलन विशाल "कंट्रोल" समूह और एक छोटे "रिमोट मॉनिटरिंग" समूह के बीच था। पुराने तरीके (औसत SMD) ने इसे एक बड़ी समस्या (0.134) के रूप में देखा। कोहेन का f ने भी इसे देखा, लेकिन क्योंकि कंट्रोल समूह बहुत बड़ा था, संख्या छोटी दिखी (0.065)। दोनों सहमत थे कि समूह असंतुलित थे, लेकिन संख्याएँ अलग थीं।

लेखक का तर्क है कि यह वेटिंग एक "मौलिक विकल्प" (substantive choice) है। यदि आप पूरी आबादी की परवाह करते हैं, तो कोहेन का f बेहतरीन है क्योंकि यह उन समूहों पर ध्यान केंद्रित करता है जो सबसे अधिक महत्वपूर्ण हैं (बड़े समूह)। लेकिन यदि आप एक दुर्लभ उपचार की परवाह करते जो केवल कुछ लोगों को मिलता है, तो कोहेन का f इस तथ्य को छिपा सकता है कि उन कुछ लोगों के साथ अन्याय हो रहा है।

निर्णय

तो, एक शोधकर्ता को क्या करना चाहिए?

घबराएं नहीं: कोhen का f, मल्टी-ग्रुप अध्ययनों में संतुलन की जांच करने के लिए एक वैध, सैद्धांतिक रूप से सुदृढ़ उपकरण है। यह पुराने तरीकों की तरह ही पक्षपात को ट्रैक करता है।
रूलरों को न मिलाएं: कोहेन के f के लिए पुराने "0.10" कटऑफ का उपयोग कभी न करें। इनके पैमाने अलग हैं।
विवरण देखें: शोध पत्र सुझाव देता है कि यदि आप कोहेन का f का उपयोग करते हैं, तो आपको नंबरों का ब्रेकडाउन (breakdown) भी रिपोर्ट करना चाहिए। आपको "पर-लेवल" स्कोर (प्रत्येक विशिष्ट समूह कैसा प्रदर्शन कर रहा है) और "पेयरवाइज" स्कोर (प्रत्यों जोड़ी कैसी है) देखने की आवश्यकता है। यदि आप केवल एकल "कोहेन का f" नंबर देखते हैं, तो आप उस विशिष्ट समूह को मिस कर सकते हैं जो मुसीबत में है।

अंत में, शोध पत्र सुझाव देता है कि कोहेन का f जासूस के टूलकिट में एक शक्तिशाली नया जुड़ाव है, जो एक साथ कई समूहों को देखने का गणितीय रूप से सुंदर तरीका प्रदान करता है। लेकिन किसी भी अच्छे उपकरण की तरह, इसके साथ निर्देश भी आते हैं: स्केल को पढ़ना सीखें, और मामला सुलझा हुआ घोषित करने से पहले हमेशा विवरणों की जाँच करें।

तकनीकी सारांश: बहु-मूल्य वाले उपचारों (Multivalued Treatments) के साथ कोवेरिएट संतुलन का आकलन करना

समस्या विवरण
तुलनात्मक-प्रभावशीलता अनुसंधान (comparative-effectiveness research) में, जहाँ बहु-मूल्य वाले उपचार ( $k \ge 3$ समूह) शामिल हैं, कोवेरिएट संतुलन (covariate balance) के आकलन के लिए कोई स्थापित सर्वव्यापी मानक (omnibus standard) मौजूद नहीं है। प्रचलित अभ्यास सभी समूह संयोजनों के लिए युग्मवार मानकीकृत माध्य अंतर (pairwise standardized mean differences - SMD) की गणना करना और फिर इन मानों के औसत या अधिकतम मान को रिपोर्ट करना है। हालांकि यह मॉडल चयन के लिए प्रभावी है, लेकिन इस एकत्रीकरण का कोहेन के $d$ (जो दो-समूह तुलनाओं के लिए मानक है) के साथ कोई सीधा सैद्धांतिक संबंध नहीं है, और यह स्थापित "नगण्य असंतुलन" सीमा (जैसे, $|SMD| < 0.1 $) को$ k > 2$ समूहों के लिए विस्तारित करने का कोई सिद्धांतगत तरीका भी प्रदान नहीं करता है। इसके अलावा, इन एकत्रित SMD मेट्रिक्स की अन्य प्रभाव-आकार सामान्यीकरणों (जैसे, कोहेन के $f$ ) के विरुद्ध डाउनस्ट्रीम उपचार-प्रभाव पूर्वाग्रह (treatment-effect bias) की भविष्यवाणी करने की क्षमता के संबंध में औपचारिक रूप से तुलना नहीं की गई है।

कार्यप्रणाली
यह शोध पत्र बहु-मूल्य वाले उपचारों के लिए एक सर्वव्यापी संतुलन सांख्यिकी के रूप में कोहेन के $f$ का प्रस्ताव करता है और उसका मूल्यांकन करता है, जिसे मनमाने ढंग से भारित (weighted) और कोवेरिएट-समायोजित मॉडलों तक विस्तारित किया गया है।

सांख्यिकीय ढांचा:
- कोहेन का $f$ : इसे प्रत्येक समूह के संयुक्त माध्य (pooled mean) से उनके मानकीकृत विचलन के भारित वर्ग-मूल-माध्य वर्ग (weighted root-mean-square) के रूप में परिभाषित किया गया है: $f = \sqrt{\sum w_j d_j^2}$ , जहाँ $w_j$ समूह भार हैं और $d_j$ मानकीकृत विचलन हैं।
- कार्यान्वयन: लेखक $f$ की गणना को साधारण एक-तरफ़ा ANOVA से आगे बढ़ाकर फिट किए गए मॉडलों (जैसे, सामान्यीकृत प्रोपेंसिटी स्कोर वेटिंग) तक विस्तारित करते हैं, जिसके लिए स्टेटा (Stata) कमांड esizereg का उपयोग किया जाता है। यह सुनिश्चित करता है कि $f$ को कच्चे नमूना माध्यों के बजाय समायोजित भविष्य कहने वाले मार्जिन (adjusted predictive margins) से प्राप्त किया जा सके, जिससे कोवेरिएट समायोजन और वेटिंग के तहत इसकी वैधता बनी रहे।
- विघटन (Decomposition): यह विधि विशिष्ट असंतुलन के स्रोतों की पहचान करने के लिए प्रति-स्तर विघटन ( $d_j$ ) और युग्मवार तुलना ( $d_{jj'}$ ) प्रदान करती है।
- सैद्धांतिक संबंध: लेखक एक सटीक गणितीय संबंध व्युत्पन्न करते हैं जो यह दर्शाता है कि $f$ , युग्मवार SMDs का एक आकार-भारित द्विघात फलन (size-weighted quadratic function) है, जबकि औसत पूर्ण SMD ( $|d|$ ) एक रैखिक, भारहीन औसत है। वे सिद्ध करते हैं कि समान समूह भारों के तहत, $f/|d|$ का अनुपात $k$ और समूह माध्यों के अंतराल द्वारा निर्धारित एक विशिष्ट न्यूनतम मान रखता है।
सिमुलेशन अध्ययन:
- डिज़ाइन: $k \in \{3, 4, 6\}$ उपचार समूहों और $N \in \{200, 500, 2000, 10000\}$ नमूना आकारों के साथ एक सिमुलेशन अध्ययन आयोजित किया गया।
- स्थितियाँ: डेटा को विभिन्न कन्फाउंडिंग स्ट्रेंथ ( $\gamma$ ) और समूह संतुलन परिदृश्यों (समान बनाम असमान) के तहत उत्पन्न किया गया। प्रोपेंसिटी स्कोर का अनुमान सही ढंग से निर्दिष्ट (correctly specified) और गलत तरीके से निर्दिष्ट (misspecified - इंटरैक्शन टर्म को छोड़कर) मॉडलों के तहत लगाया गया।
- वैधीकरण: कोहेन के $f$ के प्रदर्शन की तुलना वास्तविक डाउनस्ट्रीम उपचार-प्रभाव अनुमानों के पूर्वाग्रह (bias) के साथ सहसंबंध करके, औसत पूर्ण SMD ( $|d|$ ) और अधिकतम पूर्ण SMD ( $|d|_{max}$ ) से की गई।
- मजबूती (Robustness): एक माध्यमिक परिदृश्य में गैर-रेखीय/इंटरैक्शन आउटकम मॉडल का परीक्षण किया गया ताकि यह सुनिश्चित हो सके कि निष्कर्ष रेखीय आउटकम संरचना के आर्टिफैक्ट नहीं हैं।

मुख्य परिणाम

पूर्वाग्रह ट्रैकिंग (Bias Tracking): कोहेन का $f$ , औसत पूर्ण SMD ( $|d|$ ) के समान ही डाउनस्ट्रीम अनुमान पूर्वाग्रह को ट्रैक करता है। पूलिंग विश्लेषण में, $f$ और पूर्वाग्रह के बीच सहसंबंध $r = 0.93$ था, जो $|d|$ ( $r = 0.94$ ) के लगभग समान है। दोनों ने अधिकतम पूर्ण SMD ( $|d|_{max}$ ) से बेहतर प्रदर्शन किया, जिसका सहसंबंध सबसे कमजोर ( $r \approx 0.92$ ) था। यह रैंकिंग सही ढंग से निर्दिष्ट, गलत तरीके से निर्दिष्ट, और अनवेटेड आर्म्स के साथ-साथ गैर-रेखीय आउटकम परिदृश्य में भी स्थिर रही।
स्केल विसंगति (Scale Discrepancy): $f$ और $|d|$ संख्यात्मक रूप से तुलनीय नहीं हैं। $f/|d|$ का अनुपात हमेशा 1 से कम होता है और यह समूहों की संख्या ( $k$ ) तथा समूह आकार के संतुलन पर निर्भर करता है। उदाहरण के लिए, $k=3$ पर, अनुपात लगभग 0.63 है, जो $k=6$ पर बढ़कर 0.77 हो जाता है। फलस्वरूप, पारंपरिक SMD थ्रेशोल्ड (जैसे, 0.1) को सीधे $f$ पर लागू नहीं किया जा सकता है।
वेटिंग संवेदनशीलता: $f$ और $|d|$ के बीच का संबंध समूह आकारों से प्रभावित होता है। चूंकि $f$ समूह के आकार ( $w_j$ ) द्वारा विचलन को भारित करता है, इसलिए बड़े समूहों में असंतुलन, छोटे समूहों के असंतुलन की तुलना में समग्र सांख्यिकी में अधिक योगदान देता है। इसके विपरीत, $|d|$ सभी युग्मों को समान मानता है।
मजबूती: $f$ और $|d|$ का तुलनात्मक प्रदर्शन तब भी स्थिर रहा जब आउटकम मॉडल में ऐसे गैर-रेखीय पद और इंटरैक्शन शामिल थे जिन्हें प्रथम-मोमेंट बैलेंस डायग्नोस्टिक्स द्वारा नहीं पकड़ा जा सका।

महत्व और सिफारिशें
यह शोध पत्र निष्कर्ष निकालता है कि कोहेन का $f$ बहु-मूल्य वाले उपचारों में कोवेरिएट संतुलन का आकलन करने के लिए एक सैद्धांतिक रूप से आधारित, वैध सर्वव्यापी सांख्यिकी है, जो दो-समूह $d$ ढांचे का सीधा सामान्यीकरण प्रदान करता है।

रिपोर्टिंग मानक: लेखक $f$ के साथ इसके प्रति-स्तर और युग्मवार विघटन को रिपोर्ट करने की सिफारिश करते हैं। केवल सर्वव्यापी $f$ पर निर्भर रहने से विशिष्ट युग्मों में गंभीर असंतुलन छिप सकता है, विशेष रूप से यदि वह असंतुलन छोटे समूहों में हो जहाँ $f$ का आकार-वेटिंग योगदान को कम कर देता है।
थ्रेशोल्ड (सीमाएँ): शोधकर्ताओं को मानक SMD थ्रेशोल्ड (जैसे, 0.1) को सीधे $f$ पर लागू नहीं करना चाहिए। चूंकि स्केल व्यवस्थित रूप से भिन्न है, इसलिए जांचकर्ताओं को अपने अध्ययन डिजाइन में $f$ और पूर्वाग्रह के बीच के विशिष्ट संबंध के आधार पर अपने स्वयं के संतुलन थ्रेशोल्ड विकसित करने चाहिए, न कि युग्मवार SMDs के लिए कैलिब्रेट किए गए थ्रेशोल्ड को आयात करना चाहिए।
डायग्नोस्टिक विकल्प: हालांकि $f$ और $|d|$ पूर्वाग्रह को ट्रैक करने में समान प्रदर्शन करते हैं, वे अलग-अलग दृष्टिकोण प्रदान करते हैं। $f$ समूह के आकार द्वारा भारित असंतुलन के समग्र पैटर्न के प्रति संवेदनशील है, जबकि $|d|$ एक भारहीन औसत प्रदान करता है। $|d|_{max}$ समग्र पूर्वाग्रह को ट्रैक करने के लिए सबसे कम विश्वसनीय है क्योंकि इसमें उच्च सैंपलिंग वेरिएंस होता है, हालांकि यह अभी भी एकल सबसे खराब मामले वाले युग्म का सबसे प्रत्यक्ष डिटेक्टर बना हुआ है।

अध्ययन इस बात पर जोर देता है कि जबकि $f$ संतुलन के आकलन के लिए एक एकीकृत, प्रभाव-आकार-आधारित सारांश प्रदान करता है, डायग्नोस्टिक का चुनाव पारदर्शी होना चाहिए, और उपचार कंट्रास्ट (जैसे, दुर्लभ उपचार आर्म्स) का विशिष्ट सारगर्भित महत्व यह तय करने में मार्गदर्शन करना चाहिए कि आकार-भारित या भारहीन मेट्रिक्स को प्राथमिकता दी जाए।