When scalar endpoints cannot identify multidomain stabilization: estimand-aligned trajectory summaries for chronic longitudinal trials

कल्पना कीजिए कि आप एक जासूस हैं जो यह सुलझाने की कोशिश कर रहे हैं कि समय के साथ एक मरीज के स्वास्थ्य में कैसे बदलाव आता है। चिकित्सा अनुसंधान की दुनिया में, वैज्ञानिक अक्सर "रैंडमाइज्ड कंट्रोल्ड ट्रायल्स" (यादृच्छिक नियंत्रित परीक्षण) चलाते हैं, जो किसी नए इलाज को पुराने इलाज से बेहतर देखने के लिए सावधानीपूर्वक नियोजित किए गए प्रयोगों की तरह होते हैं। आमतौर पर, यह तय करने के लिए कि दवा विजेता है या नहीं, शोधकर्ता एक विशिष्ट चीज़ चुनते हैं जिसे मापा जाना है—जैसे कि दर्द का स्कोर या फेफड़ों का परीक्षण—और अध्ययन की शुरुआत में मरीज के स्कोर की तुलना अध्ययन के अंत में उसके स्कोर से करते हैं। इसे "स्केलर एंडपॉइंट" (scalar endpoint) कहा जाता है। यह एक धावक के समय को केवल शुरुआत और फिनिश लाइन पर चेक करने जैसा है, बीच में जो कुछ भी हुआ उसे अनदेखा कर देता है।

लेकिन यहाँ पेचीदा हिस्सा है: कई पुरानी बीमारियाँ, जैसे चिंता (anxiety), पीठ का दर्द, या फेफड़ों की समस्या, केवल एक नंबर के बारे में नहीं होतीं। वे एक जटिल ऑर्केस्ट्रा की तरह हैं जहाँ लक्षण, दैनिक कार्यक्षमता और शरीर का रसायन विज्ञान सब मिलकर काम करते हैं। यदि कोई डॉक्टर केवल शुरुआत और अंत को देखता है, तो वह उस अस्त-व्यस्त, ऊबड़-खाबड़ या यहाँ तक कि खतरनाक सफर को मिस कर सकता है जिससे मरीज गुजरा है। यह शोध एक बड़ा सवाल पूछता है: यदि दो समूहों के मरीज शुरुआत और अंत में बिल्कुल एक जैसे दिखते हैं, तो क्या इसका मतलब यह है कि उनका अनुभव भी बिल्कुल एक जैसा था? लेखक सुझाव देते हैं कि उत्तर अक्सर "नहीं" होता है, और केवल शुरुआत और अंत के नंबरों पर निर्भर रहने से यह महत्वपूर्ण विवरण छिप सकते हैं कि मरीज का स्वास्थ्य वास्तव में कितना स्थिर या अस्थिर था।

---

प्लॉट ट्विस्ट: जब फिनिश लाइन झूठ बोलती है

इस शोध लेख में, लेखक रॉबर्ट लुंडबर्ग और उनकी टीम गणितीय जासूसों की तरह काम करते हैं, जो इस खामी की जांच कर रहे हैं कि हम अक्सर चिकित्सा उपचारों का मूल्यांकन कैसे करते हैं। वे तर्क देते हैं कि जब हम एक जटिल, बहु-आयामी कहानी को अंत में एक एकल संख्या में सिकोड़ देते हैं, तो हम कहानी का सार खो देते हैं।

मरीज के स्वास्थ्य की यात्रा को एक फिल्म के रूप में सोचें। उपचार को आंकने का मानक तरीका यह है कि शुरुआती दृश्य (बेसलाइन) और अंतिम दृश्य (एंडपॉइंट) को देखें और पूछें, "क्या नायक बेहतर हुआ?" यदि अंत में नायक खुश दिखता है, तो हम कहते हैं कि फिल्म सफल रही। लेकिन क्या होगा यदि फिल्म के बीच में, नायक डरा हुआ था, वह खाई से गिरा, फिर वापस उठा, और फिर अंत में मुस्कुराया? या क्या होगा यदि वह पूरे समय खुश था, लेकिन क्रेडिट रोल होने से ठीक पहले अचानक कांपने लगा? यदि आप केवल पहले और अंतिम फ्रेम की तुलना करते हैं, तो दोनों फिल्में एक जैसी दिखती हैं। लेकिन पात्रों का अनुभव पूरी तरह से अलग था।

लेखक गणितीय रूप से सिद्ध करते हैं कि यह केवल एक भावना नहीं है; यह एक संरचनात्मक तथ्य है। वे दिखाते हैं कि यदि आपके पास मापने के लिए कम से कम दो अलग-अलग चीजें हैं (जैसे दर्द और नींद) और आप उन्हें कम से कम तीन बार देखते हैं (शुरुआत, मध्य, अंत), तो आप दो पूरी तरह से अलग "फिल्में" (ट्रैजेक्टरीज) रख सकते हैं जो फिनिश लाइन पर बिल्कुल एक ही स्कोर पर समाप्त होती हैं। गणित के शब्दों में, वे इसे "नॉन-इंजेक्टिविटी" (non-injectivity) कहते हैं, जो एक फैंसी तरीका है यह कहने का कि "कई अलग-अलग रास्ते एक ही मंजिल तक ले जा सकते हैं।"

तीन केस स्टडीज: चिंता, पीठ दर्द और फेफड़े

यह दिखाने के लिए कि यह केवल एक सिद्धांत नहीं है, टीम ने चिंता, पुराने पीठ दर्द और सीओपीडी (COPD) नामक फेफड़ों की बीमारी से जुड़े तीन वास्तविक चिकित्सा परीक्षणों को देखा। उन्होंने हर मरीज के कच्चे डेटा (raw data) को नहीं देखा; इसके बजाय, उन्होंने मेडिकल जर्नल्स में पहले से प्रकाशित सारांशित संख्याओं का उपयोग किया।

1. चिंता का परीक्षण (Anxiety Trial): माइंडफुलनेस और एस्सिटालोप्राम (escitalopram) नामक दवा के बीच तुलना करने वाले एक अध्ययन में, दोनों समूहों का सप्ताह 8 और सप्ताह 24 में चिंता का स्कोर बिल्कुल समान था। मानक "शुरुआत बनाम अंत" के नियम के अनुसार, उपचार समान थे। हालाँकि, जब लेखकों ने कहानी के मध्य को देखा, तो उन्होंने पाया कि दवा समूह में पहले कुछ हफ्तों में बहुत तेजी से सुधार हुआ, जबकि माइंडफुलनेस समूह को अधिक समय लगा। उन्होंने यह भी देखा कि दवा समूह को सप्ताह 4 में पैनिक लक्षणों में महत्वपूर्ण लाभ मिला जो अंत तक गायब हो गया। उपचार की "फिल्म" अलग थी, भले ही "अंत" एक ही था।
2. पीठ दर्द का परीक्षण (Back Pain Trial): यहाँ, मरीजों ने कम दर्द की सूचना दी, लेकिन लेखकों ने नोट किया कि दर्द से राहत के साथ-साथ नींद में सुधार और दर्द निवारक दवाओं की कम आवश्यकता भी हुई। एकल दर्द स्कोर ने इस पूरी कहानी को नहीं बताया कि मरीजों के जीवन में कैसे सुधार हुआ।
3. फेफड़ों की बीमारी (COPD) का परीक्षण: यहाँ "फिल्म" वाला उदाहरण वास्तव में नाटकीय हो जाता है। इस अध्ययन ने फेफड़ों की दो प्रकार की दवाओं की तुलना की। जबकि मानक फेफड़ों के कार्य परीक्षण ने एक अंतर दिखाया, लेखकों ने "क्लिनिकली इम्पॉर्टेंट डिटरियोरेशन" (CID) नामक अवधारणा पर प्रकाश डाला। यह एक मिश्रित स्कोर है जो फेफड़ों के कार्य, लक्षणों और फ्लेयर-अप्स (अचानक बढ़ते लक्षणों) को एक साथ देखता है। उन्होंने पाया कि भले ही एक एकल फेफड़ों का परीक्षण ठीक लग रहा हो, लेकिन नए उपचार पर मौजूद मरीजों के लिए "बुरा दिन" या स्वास्थ्य में अचानक गिरावट आने की संभावना बहुत कम थी। एकल संख्या ने उस सुरक्षा जाल को मिस कर दिया जो नया ड्रग प्रदान कर रहा था।

सिमुलेशन: यह कितनी बार होता है?

लेखकों ने केवल पिछले अनुभवों को देखना ही नहीं रोका; उन्होंने यह देखने के लिए एक कंप्यूटर सिमुलेशन बनाया कि वास्तविक जीवन में यह "छिपा हुआ अंतर" कितनी बार होता है। उन्होंने हजारों नकली परीक्षण बनाए जिनमें मरीजों की अलग-अलग संख्या, चेक-अप की अलग-अलग संख्या और लक्षणों के जुड़ने के अलग-अलग तरीके थे।

उन्होंने कुछ आश्चर्यजनक पाया: आप जितनी बार मरीज की जांच करेंगे, आपके द्वारा छिपे हुए अंतरों को मिस करने की संभावना उतनी ही कम होगी।

• केवल तीन चेक-अप (शुरुआत, मध्य, अंत) वाले छोटे परीक्षणों में, "छिपा हुआ विचलन" लगभग 52% से 57% बार हुआ। इसका मतलब है कि इन आधे से अधिक छोटे परीक्षणों में, दो उपचार अंत में समान दिख सकते हैं लेकिन मरीजों को स्थिर रखने के मामले में पूरी तरह से अलग हो सकते हैं।
• जब उन्होंने चेक-अप की संख्या बढ़ाई (चार विज़िट), तो छिपा हुआ अंतर घटकर लगभग 8% से 11% रह गया।
• छह विज़िट के साथ, यह और भी गिरकर 3% से 5% हो गया।

यह सुझाव देता है कि छोटे अध्ययन इस "ब्लाइंड स्पॉट" के लिए सबसे खतरनाक जगह हैं। यदि आप मरीज को केवल कुछ ही बार चेक करते हैं, तो इसकी बहुत अधिक संभावना है कि आप इस तथ्य को मिस कर देंगे कि आपकी मुलाकातों के बीच उनका स्वास्थ्य डगमगा रहा था, गिर रहा था, या बहुत अधिक उतार-चढ़ाव भरा था।

मुख्य निष्कर्ष: केवल स्कोरबोर्ड न देखें

तो, चिकित्सा के भविष्य के लिए इसका क्या अर्थ है? लेखक सावधानी से कहते हैं कि वे पुराने स्कोरबोर्ड को हटाने की कोशिश नहीं कर रहे हैं। यदि एक डॉक्टर केवल अंतिम स्कोर की परवाह करता है, तो पुराना तरीका ठीक है। लेकिन, उनका तर्क है कि यदि लक्ष्य एक मरीज को समय के साथ स्थिर रूप से स्वस्थ रखना है—उन्हें बुरे दिनों, गिरावटों, या बहुत अच्छा महसूस करने और बहुत बुरा महसूस करने के बीच झूलने से रोकना है—तो पुराना तरीका अधूरा है।

वे इसमें "ट्रैजेक्टरी-बेस्ड एस्टिमैंड्स" (trajectory-based estimands) जोड़ने का प्रस्ताव देते हैं। इसे रिपोर्ट कार्ड में "स्थिरता स्कोर" या "उतार-चढ़ाव सूचकांक" जोड़ने के रूप में सोचें। केवल यह पूछने के बजाय कि, "क्या वे बेहतर हुए?" हम यह भी पूछ सकते हैं कि, "क्या वे स्थिर रहे?" या "क्या उनकी यात्रा सुगम रही?"

लेखक दिखाते हैं कि हम प्रयोग के नियमों को बदले बिना यह कर सकते हैं। हमें मरीजों को रैंडमाइज करना या उनके इलाज के तरीके को बदलने की आवश्यकता नहीं है। हमें बस डेटा को थोड़ा अलग तरह से देखने की आवश्यकता है। इन नई "स्थिरता" लक्ष्यों को पहले से परिभाषित करके (जिन्हें वे "एस्टिमैंड्स" कहते हैं), हम एक स्पष्ट तस्वीर प्राप्त कर सकते हैं कि क्या कोई उपचार वास्तव में मरीज के जीवन में मदद कर रहा है, न कि केवल उसके अंतिम परीक्षण स्कोर में।

संक्षेप में, यह पेपर सुझाव देता है कि पुरानी बीमारियों की जटिल, बहु-आयामी दुनिया में, सड़क के अंत में मिलने वाला एक एकल नंबर हमें यह बताने के लिए पर्याप्त नहीं है कि क्या वह यात्रा सुरक्षित, स्थिर और वास्तव में सफल थी। हमें पूरी फिल्म देखने की आवश्यकता है, न कि केवल अंतिम फ्रेम की।