State-dependent non-identifiability of the reproduction number under adaptive behavior: an empirical characterization from COVID-19 mobility

तकनीकी सारांश: अनुकूलनशील व्यवहार के तहत प्रजनन संख्या की अवस्था-निर्भर अनिश्चितता (Non-Identifiability)

समस्या विवरण
बुनियादी प्रजनन संख्या ($R_0$) को पारंपरिक रूप से एक अदिश (scalar) के रूप में परिभाषित किया जाता है जो पूरी तरह से सुग्राही जनसंख्या में माध्यमिक संक्रमणों की अपेक्षित संख्या को दर्शाता है। हालाँकि, यह परिभाषा अंतर्निहित रूप से यह मानती है कि संपर्क दरें जनसंख्या के स्थिर गुण हैं। वास्तविकता में, संपर्क व्यवहार अंतर्जात (endogenous) है; व्यक्ति कथित महामारी जोखिम के जवाब में अपने व्यवहार को अनुकूलित करते हैं। जैसा कि पूर्ववर्ती महामारी विज्ञान-आर्थिक सिद्धांत द्वारा उल्लेख किया गया है, $R_0$ एक अपरिष्कृत (reduced-form) मात्रा है जो रोगजनक जीव विज्ञान और अनुकूलनशील मेजबान व्यवहार को मिला देती है। फलस्वरूप, एक व्यवहारिक शासन (behavioral regime) के तहत प्राप्त अनुमान दूसरे शासन के तहत संचरण का वर्णन नहीं कर सकते। इस कार्य द्वारा पहचाना गया केंद्रीय अनुभवजन्य अंतराल व्यवहार संबंधी प्रतिक्रिया फलन (यह कि जोखिम के साथ संपर्क कैसे बदलता है) को सीधे देखने में असमर्थता है और इसके परिणामस्वरूप देखे गए संचरण को जैविक और व्यवहारिक घटकों में विभाजित करने की अक्षमता है। जबकि पिछले साहित्य ने ट्रांसमिशन मॉडल को फिट करने के लिए गतिशीलता डेटा (mobility data) का एक बहिर्जात (exogenous) इनपुट के रूप में उपयोग किया है, यह दृष्टिकोण प्रति-तथ्यात्मक (counterfactual) प्रश्नों (जैसे, "क्या होगा यदि कोई वेरिएंट अधिक संक्रामक हो?") को संबोधित करने में विफल रहता है क्योंकि यह मानता है कि व्यवहार परिवर्तित महामारी प्रक्षेपवक्र (epidemic trajectory) के बावजूद उसी पथ का अनुसरण करेगा।

कार्यप्रणाली
यह अध्ययन न्यूयॉर्क शहर और अमेरिकी राज्यों के दैनिक मामलों, अस्पताल में भर्ती होने और मृत्यु के आंकड़ों का उपयोग करता है, जिसे संपर्क के प्रॉक्सी के रूप में गूगल कम्युनिटी मोबिलिटी रिपोर्ट्स के साथ जोड़ा गया है। कार्यप्रणाली चार चरणों में आगे बढ़ती है:

1. व्यवहार संबंधी प्रतिक्रिया अनुमान: लेखक एक व्यवहार संबंधी प्रतिक्रिया फलन, $R(x)$ का अनुमान लगाते हैं, जो कथित जोखिम (7-दिवसीय औसत रिपोर्ट की गई मृत्यु) को संपर्क स्तरों ($C(t)$) के साथ मैप करता है। वे नॉनलीन लीस्ट स्क्वायर्स का उपयोग करके $C(t) = C_{min} + \frac{C_0 - C_{min}}{1 + x/K}$ के रूप में एक संतृप्ति फलन (saturating function) को फिट करते हैं, जहाँ $x$ एक लैग्ड (lagged) जोखिम है। यह आर्थिक महामारी विज्ञान में प्रस्तावित अग्रगामी अनुकूलन मॉडलों का एक अनुभवजन्य एनालॉग प्रदान करता है।
2. अवलोकन संबंधी समानता निर्माण (Observational Equivalence Construction): लेखक $\lambda \in [0, 1]$ द्वारा अनुक्रमित मॉडलों का एक एक-पैरामीटर परिवार निर्मित करते हैं।
   • $\lambda = 0$ एक पूर्णतः बहिर्जात मॉडल का प्रतिनिधित्व करता है जहाँ संपर्क वास्तविक पथ पर स्थिर रहता है।
   • $\lambda = 1$ एक पूर्णतः अंतर्जात मॉडल का प्रतिनिधित्व करता है जहाँ संपर्क प्रति-तथ्यात्मक जोखिम के प्रति पुनः प्रतिक्रिया करता है।
   • मध्यवर्ती मान आंशिक अंतर्जातता (partial endogeneity) का प्रतिनिधित्व करते हैं।
     महत्वपूर्ण रूप से, तथ्यात्मक महामारी प्रक्षेपवक्र ($f=1$) के लिए, इस परिवार के सभी मॉडल समान घटना वक्र (incidence curves) और समान स्पष्ट $R_0$ मान उत्पन्न करते हैं क्योंकि प्रति-तथ्यात्मक जोखिम शब्द लुप्त हो जाता है।
3. अनिश्चितता (Non-Identifiability) का प्रमाण: लेखक सिद्ध करते हैं कि पैरामीटर $\lambda$ (अंतर्जातता का अंश) तथ्यात्मक विंडो पर देखे गए डेटा $(y(t), C(t))$ से पहचाना नहीं जा सकता है। जबकि संयुक्त ट्रांसमिशन दर $\beta C(t)$ की पहचान की जा सकती है, जैविक संवेदनशीलता ($\beta$) और व्यवहार संबंधी प्रतिक्रिया के बीच का विभाजन संभव नहीं है।
4. प्रति-तथ्यात्मक विश्लेषण और क्रॉस-क्षेत्रीय पैनल: लेखक ट्रांसमिशनशीलता ($f$) को बदलकर प्रति-तथ्यात्मक परिदृश्यों का अनुकरण करते हैं ताकि "पहचाने गए सेट स्पैन" (identified set span)—अर्थात $\lambda$ परिवार के बीच परिणामों में विचलन (पीक ऊंचाई, अंतिम आकार)—को मापा जा सके। वे फिर 51 अमेरिकी क्षेत्राधिकारों के एक पैनल का विश्लेषण करते हैं कि क्या उन स्थितियों की आवश्यकताएं (उच्च जोखिम-संवेदनशीलता और गैर-संतृप्त व्यवहार) सह-घटित होती हैं जो एक बड़े व्यवहारिक सुधार के लिए आवश्यक हैं।

प्रमुख योगदान

• प्रतिक्रिया फलन का अनुभवजन्य लक्षण वर्णन: यह अध्ययन गतिशीलता डेटा का उपयोग करके संपर्क-जोखिम प्रतिक्रिया फलन का प्रत्यक्ष अनुभवजन्य अनुमान प्रदान करता है, जो संतृप्ति के साथ एक एकदिशीय गिरावट की पुष्टि करता है, जो अग्रगामी व्यवहारिक सिद्धांतों के अनुरूप है।
• अवस्था-निर्भर अनिश्चितता का प्रमाण: शोधपत्र यह प्रदर्शित करता है कि एकल महामारी प्रक्षेपवक्र से जैविक और व्यवहार के बीच का विभाजन मौलिक रूप से अनिश्चित (non-identifiable) है। "स्थिर-संपर्क" $R_0$ केवल एक अवलोकन संबंधी समानता वर्ग का एक सिरा है जो डेटा को पूरी तरह से फिट करता है लेकिन विचलित भविष्यवाणियां देता है।
• "R₀ क्या हटा देता है" का लक्षण वर्णन: लेखक उस व्यवहारिक सामग्री को परिमाणित करते हैं जिसे मानक $R_0$ अनुमानों द्वारा छोड़ दिया जाता है। वे पाते हैं कि यह "हटाया गया" भाग अवस्था-निर्भर और एकदिष्ट (unimodal) है: यह तब नगण्य होता है जब महामारी हल्की होती है (व्यवहार आधार रेखा पर रहता है) या गंभीर होती है (व्यवहार पहले से ही संतृप्त है), और मध्यम गंभीरता पर अधिकतम होता है जहाँ व्यवहार प्रतिक्रिया वक्र के तीव्र भाग पर होता है।
• मामूली सुधारों के लिए अनुभवजन्य स्पष्टीकरण: क्रॉस-क्षेत्रीय विश्लेषण के माध्यम से, शोधपत्र जोखिम-संवेदनशीलता और व्यवहारिक गैर-संतृप्ति के बीच एक नकारात्मक सहसंबंध ($r = -0.57$) प्रकट करता है। उच्च संवेदनशीलता वाले क्षेत्राधिकारों ने अपनी गतिशीलता में कमी को पहले ही संतृप्त कर दिया था, जबकि हेडरूम (headroom) वाले क्षेत्रों में कमजोर संवेदनशीलता थी। यह संरचनात्मक भ्रम (confounding) COVID-19 की पहली लहर के विशिष्ट संदर्भ में $R_0$ के मामूली सुधार की व्याख्या करता है।

परिणाम

• व्यवहार संबंधी प्रतिक्रिया: NYC में, जैसे-जैसे कथित जोखिम बढ़ा, संपर्क 0.857 के बेसलाइन से 0.347 के फ्लोर तक गिर गया, जिसमें हाफ-सैचुरेशन पॉइंट 7.3 मृत्यु/दिन था। यह फिट विभिन्न जोखिम प्रॉक्सी और समय अवधियों में सुदृढ़ था।
• स्पष्ट बनाम सुधारा गया $R_0$: "स्पष्ट" $R_0$ (स्थिर संपर्क मानते हुए) और "सुधारा गया" $R_0$ (आधारभूत व्यवहार को ध्यान में रखते हुए) लगभग समान ($\approx 2.7$) थे क्योंकि प्रारंभिक संचरण महत्वपूर्ण व्यवहारिक अनुकूलन से पहले हुआ था। पूर्वाग्रह स्वयं अदिश अनुमान में नहीं है, बल्कि अनिश्चित विभाजन में है।
• प्रति-तथ्यात्मक विचलन: एक प्रति-तथ्यात्मक ट्रांसमिशनशीलता कमी ($f=0.8$) के तहत, पहचाने गए सेट द्वारा अस्पताल में भर्ती होने के अनुपात का स्पैन लगभग 0.18 (~20% का उतार-चढ़ाव) था, जबकि अंतिम हमला दर (final attack rate) काफी हद तक अपरिवर्तित रही (स्पैन < 2.5%)। यह इंगित करता है कि अनुकूलित व्यवहार उछाल के समय और ऊंचाई को महत्वपूर्ण रूप से नया आकार देता है, लेकिन कुल संचयी घटनाओं पर सीमित प्रभाव डालता है।
• क्रॉस-स्टेट कन्फाउंडिंग: अमेरिकी राज्यों के विश्लेषण ने दिखाया कि "बड़े-हटाव वाला" चतुर्थांश (उच्च संवेदनशीलता + उच्च गैर-संतृप्ति) खाली था। फलस्वरूप, पूरे क्षेत्र में व्यवहारिक सुधार का अनुभवजन्य परिमाण छोटा था।

महत्व और दावे
यह शोधपत्र इस चेतावनी को फिर से परिभाषित करने का दावा करता है कि $R_0$ अनुकूलित व्यवहार को "छिपाता" है। लेखक तर्क देते हैं कि $R_0$ अपने देखे गए शासन के लिए अदिश मान में "पक्षपाती" (biased) नहीं है, बल्कि "अपूर्ण" है क्योंकि इसका विभाजन अनिश्चित है। यह अपूर्णता इन-सेंप (in-sample) में अदृश्य है लेकिन आउट-ऑफ-सेंप प्रति-तथ्यात्मकों के लिए परिणामी है।

इस कार्य का महत्व है:

1. संरचनात्मक लक्षण वर्णन: $R_0$ द्वारा छोड़ी गई व्यवहारिक सामग्री के एक अस्पष्ट चेतावनी के बजाय एक सटीक संरचनात्मक परिभाषा प्रदान करना।
2. व्यावहारिक सीमांकन: यह प्रदर्शित करना कि हालांकि व्यवहारिक प्रभाव वास्तविक और संरचनात्मक रूप से चरित्र योग्य है, लेकिन COVID-19 के संदर्भ में यह अनुभवजन्य रूप से मामूली है।
3. परिचालन मार्गदर्शन: चिकित्सकों के लिए नियम प्रदान करना: वर्तमान लहर का वर्णन करने के लिए बहिर्जात मॉडलों का उपयोग करना सुरक्षित है, लेकिन प्रति-तथ्यात्मक योजना (विशेष रूप से पीक सर्ज क्षमता के संबंध में) के लिए पहचाने गए सेट स्पैन को स्वीकार करना या प्रतिक्रिया फलन का स्पष्ट अनुमान लगाना आवश्यक है। लेखक चेतावनी देते हैं कि यहाँ पाया गया छोटा अनुभवजन्य सुधार एक गंभीर महामारी की पहली लहर के लिए विशिष्ट है और अलग व्यवहारिक शासन या हल्के रोगजनकों के लिए लागू नहीं हो सकता है।