How Much Non-response Matters? Diagnosis Prevalence Estimates in Survey Participants Versus the Total Sample

तकनीकी सारांश: सर्वेक्षण प्रतिभागियों बनाम कुल नमूने में निदान व्यापकता अनुमान

समस्या विवरण
जनसंख्या-आधारित सर्वेक्षण रोग की व्यापकता (prevalence) का अनुमान लगाने के लिए एक प्राथमिक स्रोत हैं, फिर भी पिछले कुछ दशकों में घटती प्रतिक्रिया दर ने गैर-प्रतिक्रिया पूर्वाग्रह (non-response bias) के संबंध में महत्वपूर्ण चिंताएं पैदा की हैं। यह पूर्वाग्रह तब होता है जब भागीदारी की संभावना स्वास्थ्य स्थिति या निदान की आवृत्ति से जुड़ी होती है। जबकि पिछले अध्ययनों ने स्वास्थ्य दावों के डेटा और सर्वेक्षण डेटा की तुलना की है, वे अक्सर असंबंधित नमूनों पर निर्भर थे या केवल उत्तरदाताओं तक ही सीमित थे, जिससे यह मापने की उनकी क्षमता सीमित हो गई कि अध्ययन में भागीदारी स्वयं व्यापकता अनुमानों को कैसे विकृत करती है। पूरे आमंत्रित नमूने के लिए नैदानिक जानकारी का उपयोग करके गैर-प्रतिक्रिया पूर्वाग्रह का प्रत्यक्ष मूल्यांकन करने की आवश्यकता है, न कि केवल सहभागी उप-नमूने का, ताकि सर्वेक्षण-आधारित अनुमानों की सामान्यीकरण क्षमता (generalizability) निर्धारित की जा सके, विशेष रूप से मध्यम प्रतिक्रिया दरों वाले परिवेश में।

कार्यप्रणाली
इस अध्ययन में "OptDatPMH" परियोजना के डेटा का उपयोग किया गया, जिसमें BARMER (एक बड़ा जर्मन वैधानिक स्वास्थ्य बीमा कोष) के स्वास्थ्य दावों के डेटा के साथ सर्वेक्षण डेटा को जोड़ा गया।

• अध्ययन जनसंख्या: BARMER बीमित जनसंख्या (आयु ≥18) से 26,000 व्यक्तियों का एक स्तरीकृत यादृच्छिक नमूना (stratified random sample) लिया गया था (लिंग, 5-वर्षीय आयु समूहों और संघीय राज्य द्वारा परिभाषित 512 स्तरों में राष्ट्रीय स्तर पर प्रतिनिधि)।
• सर्वेक्षण प्रक्रिया: अक्टूबर 2021 में प्रतिभागियों को एक लिखित स्वास्थ्य प्रश्नावली (18 पृष्ठ, ~20–30 मिनट) भरने के लिए आमंत्रित किया गया था। दो अनुस्मारकों (reminders) के बाद, 7,110 प्रश्नावली वापस प्राप्त हुईं (27.3% प्रतिक्रिया दर)। अमान्य प्रतिक्रियाओं के लिए निष्कासन के बाद, अंतिम विश्लेषणात्मक कुल नमूना (TS) में 25,977 व्यक्ति शामिल थे, जिनमें से 7,087 सहभागी उप-नमूना (PS) बने।
• डेटा स्रोत:
  • सर्वेक्षण डेटा: स्व-रिपोर्ट किए गए निदान और सामाजिक-जनसांख्यिकीय विवरण।
  • स्वास्थ्य दावा डेटा: सर्वेक्षण से पिछले चार तिमाहियों (Q4/2020–Q3/2021) के लिए बाह्य रोगी (outpatient) और इनपेशेंट रिकॉर्ड से ICD-10 कोड। एक निदान को तब मौजूद माना गया यदि वह कम से कम एक तिमाही में पुष्ट निदान (M1Q मानदंड) के रूप में प्रलेखित था।
• सांख्यिकीय विश्लेषण: TS और PS दोनों के लिए व्यापकता अनुमानों की गणना की गई। अध्ययन ने 2021 की जर्मन जनसंख्या वितरण (लिंग, आयु, क्षेत्र) को दर्शाने वाले जनसंख्या-आधारित भार (weights) का उपयोग किया, क्योंकि नमूनाकरण के समय सटीक अंतिम जनसंख्या वितरण अज्ञात था।
  • भारित डेटा के लिए अंतरों का परीक्षण ची-स्क्वायर (chi-square) परीक्षणों का उपयोग करके किया गया।
  • दुर्लभ रोगों पर अत्यधिक जोर दिए बिना विचलन को प्रदर्शित करने के लिए, लेखकों ने "कुल माध्य के प्रतिशत के रूप में अंतर" (DPTM) मीट्रिक पेश किया, जिसे कुल नमूने में समग्र व्यापकता के प्रतिशत के रूप में व्यक्त किया गया है।
  • विश्लेषण ICD अध्यायों, ICD समूहों और नौ चयनित विशिष्ट निदानों के स्तर पर किए गए।

प्रमुख योगदान

• प्रत्यक्ष तुलना ढांचा: यह अध्ययन एक सामान्य सैंपलिंग फ्रेम और लिंक्ड क्लेम डेटा का उपयोग करके प्रतिभागियों और कुल आमंत्रित नमूने के बीच निदान व्यापकता की एक दुर्लभ, प्रत्यक्ष तुलना प्रदान करता है, जो असंबंधित नमोंों का उपयोग करने वाले पिछले अध्ययनों की सीमाओं को दूर करता है।
• पूर्वाग्रह का परिमाणीकरण: यह मानक जनसांख्यिकीय भार के बाद व्यापक श्रेणी (ICD अध्याय और समूह) में भागीदारी के चयनात्मक प्रभाव द्वारा व्यापकता अनुमानों के विरूपण को मात्रात्मक रूप से मापता है।
• मीट्रिक विकास: DPTM मीट्रिक का परिचय निम्न-व्यापकता वाले उप-समूहों में सापेक्ष अंतरों पर ध्यान केंद्रित करने के दोषों से बचते हुए, पूर्ण और सापेक्ष विचलन को प्रदर्शित करने के लिए एक संतुलित दृष्टिकोण प्रदान करता है।

परिणाम

• भागीदारी पैटर्न: महिलाओं (30.1%) में पुरुषों (24.5%) की तुलना में भागीदारी अधिक थी और यह आयु के साथ बढ़ती गई (≥65 वर्ष के लिए 37.9% बनाम <45 वर्ष के लिए 18.2%)।
• समग्र स्तर (ICD अध्याय):
  • अनवेटेड (unweighted) अनुमानों ने अधिकांश ICD अध्यायों के लिए प्रतिभागियों और कुल नमूने के बीच महत्वपूर्ण अंतर दिखाए, जिसमें प्रतिभागियों में आमतौर पर उच्च व्यापकता देखी गई।
  • लिंग, आयु और क्षेत्र के लिए भारित करने के बाद, समग्र स्तर पर अंतर आम तौर पर कम थे। हालांकि, 22 में से 11 ICD अध्यायों में अभी भी सांख्यिकीय रूप से महत्वपूर्ण अंतर थे। इनमें से 10 में, प्रतिभागियों के बीच व्यापकता अधिक बनी रही।
  • अपवाद (मानसिक विकार): ICD अध्याय V (मानसिक और व्यवहार संबंधी विकार) प्राथमिक अपवाद था, जिसमें प्रतिभागियों के बीच कुल नमूने की तुलना में कम व्यापकता अनुमान देखे गए।
• विशिष्ट निदान:
  • मानसिक स्वास्थ्य: प्रतिभागियों के संबंध में जैविक मानसिक विकारों (F00-F09), पदार्थ के उपयोग से संबंधित विकारों (F10-F19), और मूड विकारों (F30-F39) के लिए महत्वपूर्ण कम अनुमान पाया गया।
  • चयनित स्थितियां: नौ चयनित निदानों में से तीन ने महत्वपूर्ण अंतर दिखाए: डिमेंशिया (प्रतिभागी: 0.6% बनाम कुल: 1.4%), अल्कोहल-संबंधित विकार (1.5% बनाम 1.9%), और चिंता विकार (6.8% बनाम 7.6%)। डिमेंशिया में सबसे अधिक विचलन देखा गया।
  • सोमैटिक रोग: भारित करने के बाद, चयनित सोमेटिक रोगों (जैसे मधुमेह, मोटापा, उच्च रक्तचाप, हृदय गति रुकना) में से किसी में भी कुल नमूने और प्रतिभागियों के बीच सांख्यिकीय रूप से महत्वपूर्ण अंतर नहीं दिखा।
• उप-समूह विश्लेषण: DPTM मूल्यों के हीटमैप ने अधिकांश आयु/लिंग उप-समूहों में सोमेटिक अध्यायों में ओवरएस्टिमेशन (अति-अनुमान) की एक सामान्य प्रवृत्ति की पुष्टि की, जिसमें मानसिक विकारों और विशिष्ट उप-समूहों (जैसे रक्त विकारों में महिलाएं ≥70, जन्मजात विकारों में पुरुष) के लिए उल्लेखनीय अपवाद भी शामिल हैं।

महत्व और दावे
यह शोध पत्र निष्कर्ष निकालता है कि इस विशिष्ट सेटिंग में, मानक जनसांख्यिकीय भार (लिंग, आयु, क्षेत्र) के बाद कई सामान्य निदानों के लिए चयनात्मक भागीदारी का व्यापकता अनुमानों पर केवल सीमित प्रभाव पड़ा।

• सर्वेक्षणों की मजबूती: 27.3% की मध्यम प्रतिक्रिया दर के बावजूद, कई सामान्य सोमेटिक निदानों के लिए सर्वेक्षण-आधारित व्यापकता अनुमान अक्सर माने जाने वाले अनुमानों की तुलना में अधिक मजबूत प्रतीत होते हैं। निष्कर्ष बताते हैं कि घटती प्रतिक्रिया दर इन स्थितियों के लिए महामारी विज्ञान संबंधी वैधता (epidemiological validity) से अनिवार्य रूप से समझौता नहीं करती है।
• भारित करने की भूमिका (Role of Weighting): मानक भार, भागीदारी-संबंधी विरूपण के एक बड़े हिस्से को नियंत्रित करता है, हालांकि निदान-विशिष्ट पूर्वाग्रह बना रहता है।
• कमजोर समूह: अध्ययन रेखांकित करता है कि कुछ मानसिक विकारों (विशेष रूप से डिमेंशिया और पदार्थ के उपयोग) के लिए निदान-विशिष्ट गैर-प्रतिक्रिया पूर्वाग्रह एक प्रासंगिक चिंता बनी हुई है। इन स्थितियों के लिए, प्रभावित व्यक्तियों के बीच कम भागीदारी के कारण कम अनुमान (underestimation) होता है जिसे भारित करना पूरी तरह से ठीक नहीं कर पाता है।
• निहितार्थ: परिणाम इस सामान्य निष्कर्ष को चुनौती देते हैं कि कम प्रतिक्रिया दर स्वचालित रूप से जनसंख्या-आधारित सर्वेक्षणों को अमान्य कर देती है। हालांकि, वे चेतावनी देते हैं कि विशिष्ट मानसिक स्वास्थ्य स्थितियों और कमजोर आबादी के लिए, पूर्वाग्रह एक गंभीर मुद्दा बना हुआ है जिसके लिए सावधानीपूर्वक व्याख्या की आवश्यकता है।