Quantifying and visualising heterogeneity in cumulative adverse childhood experiences scores

यहाँ प्रीप्रिंट "Quantifying and visualising heterogeneity in cumulative adverse childhood experiences scores" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

संचयी जोखिम दृष्टिकोण (cumulative risk approach) प्रतिकूल बाल जीवन अनुभवों (Adverse Childhood Experiences - ACEs) के लिए अनुसंधान और नीति में एक प्रमुख ढांचा है, जहाँ व्यक्तियों को प्रतिकूल घटनाओं की एक सरल गणना (जैसे, 0, 1, 2, 3, या ≥4 ACEs) द्वारा वर्गीकृत किया जाता है।

• मुख्य मुद्दा: यह स्कोरिंग पद्धति समान ACE गणना वाले व्यक्तियों को एक सजातीय (homogenous) समूह मानती है, जिससे उनके विशिष्ट एक्सपोजर प्रोफाइल में मौजूद व्यापक गुणात्मक विषमता (qualitative heterogeneity) छिप जाती है।
• परिणाम: ACEs के समान गणना के भीतर अलग-अलग संयोजन (combinations) स्वास्थ्य परिणामों (जैसे, अवसाद के लिए एक विशिष्ट 3-ACE संयोजन दूसरे की तुलना में उच्च जोखिम अनुपात रख सकता है) के लिए बहुत अलग जोखिम उठा सकते हैं। वर्तमान विधियाँ इन "संयोजन विस्फोटों" (2^10 = 1,024 संभावित पैटर्न) को पकड़ने में विफल रहती हैं, जिससे नैदानिक और नीतिगत सेटिंग्स में जोखिम के गलत वर्गीकरण और भ्रामक निष्कर्षों की संभावना बनी रहती है।
• अंतराल (Gap): हालांकि पिछले अध्ययनों ने इस विषमता को नोट किया है, लेकिन बड़े नमूनों में देखे गए संभावित पैटर्न के अनुपात को व्यवस्थित रूप से मापने, या जटिल सह-घटन (co-occurrences) को मैप करने के लिए कोई मानकीकृत विज़ुअलाइज़ेशन तकनीक उपलब्ध नहीं थी।

2. कार्यप्रणाली (Methodology)

इस अध्ययन ने 2023 नेशनल सर्वे ऑफ चिल्ड्रन्स हेल्थ (NSCH) के क्रॉस-सेक्शनल विश्लेषण का उपयोग किया, जो संयुक्त राज्य अमेरिका के घरों का एक राष्ट्रीय स्तर का, एड्रेस-आधारित सर्वेक्षण है।

• नमूना (Sample):
  • कुल पात्र घर: 70,187।
  • पूर्ण साक्षात्कार: 55,162।
  • विश्लेषणात्मक नमूना: 51,468 बच्चे (कुल का 93.3%) जिनके पास सभी 10 ACE मदों (items) पर पूर्ण डेटा है।
  • सह-घटन विश्लेषण के लिए उपसमूह: ≥2 ACEs वाले 7,897 बच्चे।
• माप (10 ACEs):
  • देखभाल करने वाले की रिपोर्ट के माध्यम से आकलित: आर्थिक कठिनाई, माता-पिता का तलाक/अलगाव, घरेलू मानसिक बीमारी, घरेलू नशीली दवाओं का सेवन, माता-पिता का कारावास, घरेलू हिंसा, नस्लीय भेदभाव, पड़ोस की हिंसा, स्वास्थ्य/विकलांगता-आधारित भेदभाव, और माता-पिता की मृत्यु।
  • नोट: आर्थिक कठिनाई को 4-बिंदु पैमाने से कोड किया गया था (बाइनरी: 0 = कभी नहीं/शायद ही कभी; 1 = कुछ हद तक अक्सर/बहुत अक्सर)।
• विश्लेषणात्मक दृष्टिकोण:
  1. संयोजन कवरेज (Combinatorial Coverage - CC): एक नया मेट्रिक जिसे एक विशिष्ट एक्सपोजर श्रेणी के भीतर सैद्धांतिक रूप से संभव सह-घटन पैटर्न के अनुपात के रूप में परिभाषित किया गया है।
     • सूत्र: $CC_k = \frac{\text{Observed Patterns}}{\text{Possible Patterns}}$
     • श्रेणियों पर लागू: 2 ACEs ($k=2$), 3 ACEs ($k=3$), और ≥4 ACEs ($k \ge 4$)।
  2. विज़ुअलाइज़ेशन (UpSet Plot): सेट इंटरसेक्शन (set intersections) को विज़ुअलाइज़ करने के लिए उपयोग किया गया। वेन आरेख (Venn diagrams) के विपरीत, UpSet प्लॉट्स एक बाइनरी मैट्रिक्स और बार चार्ट का उपयोग करते हैं, जो "संयोजन विस्फोट" को प्रभावी ढंग से संभालते हैं।
     • थ्रेशोल्ड (Threshold): पठनीयता और सांख्यिकीय स्थिरता सुनिश्चित करने के लिए प्रदर्शन को अनवेटेड $n \ge 30$ वाले इंटरसेक्शन तक सीमित किया गया।
     • वेटिंग (Weighting): प्लॉट संरचना के लिए अनवेटेड काउंट का उपयोग किया गया; शीर्ष पैटर्न के जनसंख्या प्रसार के लिए सर्वे-वेटेड अनुमान प्रदान किए गए।
  3. सॉफ्टवेयर: R (पैकेज: ggplot2, ComplexUpset, naniar)।

3. मुख्य परिणाम (Key Results)

विश्लेषण से पता चला कि संचयी ACE स्कोर एक्सपोजर पैटर्न में एक विशाल संरचनात्मक विविधता को छिपा देते हैं।

• संयोजन कवरेज (विषमता का परिमाणीकरण):
  • 2 ACEs: 45/45 संभावित पैटर्न देखे गए ($CC_2 = 1.00$)। सभी सैद्धांतिक संयोजन मौजूद हैं।
  • 3 ACEs: 110/120 संभावित पैटर्न देखे गए ($CC_3 = 0.917$)।
  • ≥4 ACEs: 427/848 संभावित पैटर्न देखे गए ($CC_{\ge 4} = 0.504$)।
  • कुल मिलाकर: तीन श्रेणियों में देखे गए 1,013 में से 582 संयोजन।
• जोखिम का संकेंद्रण (Concentration of Risk):
  • 582 विशिष्ट संयनों में से, केवल 50 पैटर्न ही डिस्प्ले थ्रेशोल्ड ($n \ge 30$) को पूरा करते थे।
  • इन 50 पैटर्न ने ≥2 ACEs वाले जनसंख्या का 66% (5,204 बच्चे) कवर किया।
  • शेष 34% बच्चे 532 दुर्लभ संयनों में बिखरे हुए थे।
• प्रमुख पैटर्न:
  • माता-पिता का तलाक/अलगाव सबसे आवर्तक मद था, जो 50 में से 34 शीर्ष पैटर्न में दिखाई दिया।
  • घरेलू नशीली दवाओं का सेवन 23 पैटर्न में दिखा; घरेलू मानसिक बीमारी 20 पैटर्न में।
  • सबसे सामान्य 2-ACE जोड़ी: तलाक/अलगाव + आर्थिक कठिनाई (वेटेड $N \approx 1.28$ मिलियन)।
  • सबसे सामान्य 3-ACE त्रिक (Triad): तलाक/अलगाव + नशीली दवाओं का सेवन + मानसिक बीमारी (वेटेड $N \approx 247$ हजार)।
  • सबसे सामान्य ≥4-ACE क्लस्टर: उपरोक्त त्रिक + माता-पिता का कारावास, घरेलू हिंसा, और पड़ोस की हिंसा।
• संवेदनशीलता विश्लेषण (Sensitivity Analysis): आर्थिक कठिनाई के लिए कम सख्त थ्रेशोल्ड का उपयोग करने से 3-ACE और ≥4-ACE श्रेणियों के लिए कवरेज कम हो गया, जो पुष्टि करता है कि कोडिंग विकल्प देखे गए पैटर्न को महत्वपूर्ण रूप से प्रभावित करते हैं।

4. मुख्य योगदान (Key Contributions)

1. विषमता का परिमाणीकरण: डेटासेट में वास्तव में कितना 'सैद्धांतिक जोखिम स्थान' (theoretical risk space) भरा हुआ है, इसे मापने के लिए एक सरल, व्याख्या योग्य मेट्रिक के रूप में Combinatorial Coverage (CC) को पेश किया। यह केवल प्रसार दरों से आगे बढ़कर एक्सपोजर प्रोफाइल की "समृद्धि" (richness) को मैप करता है।
2. विज़ुअलाइज़ेशन नवाचार: ACE अनुसंधान में पहली बार UpSet plot का सफल अनुप्रयोग किया। यह उपकरण जटिल सेट इंटरसेक्शन को विज़ुअलाइज़ करने में सक्षम है, जिससे शोधकर्ता देख सकते हैं कि कौन सी विशिष्ट वस्तुएं एक साथ क्लस्टर होती हैं, बिना वेन आरेख की दृश्य अव्यवस्था के।
3. मास्किंग का अनुभवजन्य प्रमाण: यह प्रदर्शित किया कि मानक "≥4 ACEs" श्रेणी के भीतर, देखे गए पैटर्न सैद्धांतिक संभावनाओं के केवल ~50% को कवर करते हैं, और पैटर्न का एक छोटा समूह (50) अधिकांश जनसंख्या को कैप्चर करता है, जबकि बाकी अत्यधिक व्यक्तिगत (idiosyncratic) हैं।

5. महत्व और निहितार्थ (Significance and Implications)

• अनुसंधान: अध्ययन तर्क देता है कि ACEs को एक एकल गणना या कुछ लेटेंट क्लासेज (जैसे, "खतरा" बनाम "वंचन") में कम करना अपर्याप्त हो सकता है। भविष्य के शोध को पैटर्न-विशिष्ट विश्लेषण (जैसे, केवल गणना के बजाय विशिष्ट संयोजनों का विश्लेषण करना) का उपयोग करना चाहिए ताकि विभेदक परिणामों को बेहतर ढंग से समझा जा सके।
• नैदानिक अभ्यास (Clinical Practice): ये निष्कर्ष स्वास्थ्य सेवा में सरल ACE स्क्रीनिंग टूल की उपयोगिता को चुनौती देते हैं। दो बच्चों के पास "4 का ACE स्कोर" हो सकता है, लेकिन उनके जोखिम प्रोफाइल पूरी तरह से अलग हो सकते हैं। लेखक सुझाव देते हैं कि नैदानिक मार्ग सामान्य उच्च-स्कोर श्रेणियों के बजाय विशिष्ट उच्च-प्रचलन वाले संयोजनों (जैसे, तलाक + नशीली दवाओं का सेवन) के लिए तैयार किए जाने चाहिए।
• नीति: संचयी स्कोर पर निर्भर वर्तमान स्क्रीनिंग नीतियां कम भविष्य कहनेवाला सटीकता (उच्च फाल्स पॉजिटिव/नेगेटिव) रख सकती हैं क्योंकि वे प्रतिकूलता की विशिष्ट प्रकृति को अनदेखा करती हैं। लेखक ACE अध्ययनों में CC और UpSet प्लॉट्स के नियमित रिपोर्टिंग की सिफारिश करते हैं ताकि जोखिम के निष्कर्ष निकालने से पहले विषमता को स्पष्ट किया जा सके।
• सीमाएँ: इस अध्ययन में मूल ACE मदों जैसे शारीरिक/यौन शोषण को शामिल नहीं किया गया था (इस विशिष्ट NSCH संस्करण में अन्य घरेलू व्यवधान मदों द्वारा प्रतिस्थापित किया गया था) और यह देखभाल करने वाले की पूर्वव्यापी रिपोर्ट (retrospective caregiver reports) पर निर्भर था, जो भविष्योन्मुखी (prospective) डेटा से भिन्न हो सकता है।

निष्कर्ष: पेपर यह निष्कर्ष निकालता है कि जबकि संचयी ACE स्कोर व्यापक महामारी विज्ञान के रुझानों के लिए उपयोगी हैं, वे महत्वपूर्ण विषमता को छिपा देते हैं। Combinatorial Coverage और UpSet plots का संयोजन प्रतिकूल बाल अनुभवों की वास्तविक जटिलता को प्रकट करने के लिए एक आवश्यक नैदानिक उपकरण प्रदान करता है, जो पैटर्न-विशिष्ट हस्तक्षेपों की ओर बढ़ने का आह्वान करता है।