📄 सामाजिक विज्ञान

Threshold Fragility in MCMI-IV Base Rate Interpretations: a Retrospective Psychometric Analysis

686 MCMI-IV प्रोफाइल्स का यह पूर्वव्यापी मनोमितीय विश्लेषण (retrospective psychometric analysis) प्रकट करता है कि नैदानिक कट-ऑफ (BR 75 और BR 85) के निकट थ्रेशोल्ड भंगुरता (threshold fragility) इस उपकरण का एक व्यवस्थित, स्केल-निर्भर और पुनरुत्पादनीय गुण है, जो यह सुझाव देता है कि इन सीमाओं की निकटता को परिमाणित करना मानक श्रेणीगत व्याख्याओं से परे अनिश्चितता का एक नैदानिक रूप से उपयोगी स्तर प्रदान कर सकता है।

मूल लेखक: Moein Esghaei, Fatemeh Ziaeetabar

प्रकाशित 2026-10-20

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Moein Esghaei, Fatemeh Ziaeetabar

मूल पेपर CC BY 4.0 (https://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

मानसिक स्वास्थ्य की दुनिया में, चिकित्सक अक्सर एक कठिन अनुवाद कार्य का सामना करते हैं। उन्हें मानवीय अनुभव की तरल, निरंतर प्रकृति—विचारों, भावनाओं और व्यवहारों को जो एक स्पेक्ट्रम पर मौजूद होते हैं—को स्पष्ट, श्रेणीबद्ध लेबल में परिवर्तित करना होता है। एक प्रश्नावली का स्कोर किसी व्यक्ति को "उन्नत नहीं" से "उन्नत" में बदल सकता है, जिससे एक विशिष्ट निदान या उपचार में परिवर्तन शुरू हो जाता है। ये सीमाएँ जटिल जानकारी को कार्रवाई योग्य बनाने के लिए आवश्यक हैं, लेकिन वे एक छिपी हुई भेद्यता भी पैदा करती हैं। दो लोग जिनके स्कोर लगभग समान हैं, केवल इसलिए पूरी तरह से अलग लेबल प्राप्त कर सकते हैं क्योंकि एक व्यक्ति एक रेखा से थोड़ा ऊपर और दूसरा ठीक नीचे है। यह मनोवैज्ञानिक परीक्षणों में विशेष रूप से जटिल है, जहाँ प्रत्येक स्कोर में मापन अनिश्चितता की एक डिग्री होती है। प्रश्न केवल यह नहीं है कि क्या एक परीक्षण सटीक है, बल्कि यह है कि जब किसी व्यक्ति का स्कोर नैदानिक कटऑफ के बिल्कुल किनारे पर होता है, तो निर्णय कितना स्थिर होता है।

शोधकर्ताओं की एक टीम ने मिलोन क्लिनिकल मल्टीएक्सियल इन्वेंटरी-IV (Millon Clinical Multaxial Inventory–IV) का उपयोग करके इस विशिष्ट समस्या की जांच करने का लक्ष्य रखा, जो व्यक्तित्व पैटर्न और नैदानिक सिंड्रोम के आकलन के लिए उपयोग किया जाने वाला एक व्यापक उपकरण है। यह उपकरण मानक स्कोर का उपयोग नहीं करता है; इसके बजाय, यह बेस रेट स्कोर रिपोर्ट करता है, जिसकी व्याख्या 75 और 85 के स्थापित थ्रेशोल्ड (सीमाओं) के विरुद्ध की जाती है। 75 से नीचे के स्कोर को "गैर-उन्नत" माना जाता है, 75 और 84 के बीच के स्कोर को "उन्नत" और 85 या उससे अधिक के स्कोर को "प्रमुख" माना जाता है। शोधकर्ता यह जानना चाहते थे कि क्या इन रेखाओं के पास किए गए निर्णय सभी विभिन्न स्केल के बीच समान रूप से सुदृढ़ थे, या क्या कुछ स्केल अन्य की तुलना में मामूली परिवर्तनों के प्रति बहुत अधिक संवेदनशील थे। उन्होंने 25 अलग-अलग स्केल्स के माध्यम से 17,000 से अधिक व्यक्तिगत निर्णयों का विश्लेषण करते हुए, 686 वयस्क प्रोफाइल्स का अध्ययन किया, ताकि यह मानचित्रित किया जा सके कि ये व्याख्याएँ कहाँ सबसे अधिक नाजुक थीं।

अध्ययन से पता चला कि निदान की स्थिरता एकसमान नहीं है; यह इस बात पर निर्भर करती है कि व्यक्तित्व प्रोफाइल का कौन सा हिस्सा मापा जा रहा है। अध्ययन में किए गए लगभग एक-तिहाई निर्णय 75 या 85 के थ्रेशोल्ड से तीन अंकों के संकीर्ण अंतर के भीतर आते हैं। हालाँकि, इन "निकट-चूक" (near-miss) स्कोर की आवृत्ति प्रत्येक स्केल के लिए एक समान नहीं थी। कुछ स्केल्स के लिए, जैसे कि मेलंकोलिक (विषादपूर्ण) लक्षणों या दैहिक लक्षणों को मापने वाले स्केल्स के लिए, आधे से अधिक प्रोफाइल्स इस नाजुक क्षेत्र में आते थे। अन्य के लिए, जैसे कि ड्रग उपयोग या अशांत व्यक्तित्व पैटर्न, दस में से एक से भी कम प्रोफाइल इस सीमा के इतने करीब थे कि उन्हें अस्थिर माना जा सके। इसका अर्थ यह है कि एक स्केल पर कटऑफ के पास का स्कोर दूसरे स्केल पर समान स्कोर की तुलना में एक अलग श्रेणी में बदलने के लिए कहीं अधिक संभावित है। सबसे संवेदनशील और सबसे कम संवेदनशील स्केल्स के बीच नाजुकता का अंतर आठ गुना से अधिक था।

शोधकर्ताओं ने यह भी पाया कि सभी थ्रेशोल्ड समान नहीं होते हैं। इन नाजुक निर्णयों का एक बड़ा हिस्सा 85 के उच्च सीमा के बजाय 75 की निचली सीमा के आसपास केंद्रित था। फिर भी, यह पैटर्न सार्वभौमिक नहीं था। जबकि अधिकांश स्केल्स 75 के ठीक ऊपर के स्कोर के प्रति सबसे अधिक संवेदनशील थे, कुछ विशिष्ट स्केल्स ने एक अलग व्यवहार दिखाया, जहाँ उनके निर्णय 85 के पास के परिवर्तनों के प्रति बहुत अधिक संवेदनशील थे। उदाहरण के लिए, सामान्यीकृत चिंता (generalized anxiety) और प्रमुख अवसाद (major depression) से संबंधित स्केल्स उच्च थ्रेशोल्ड के प्रति विशेष रूप से संवेदनशील थे, जबकि स्किज़ोटाइपल (schizotypal) लक्षणों के लिए स्केल्स लगभग पूरी तरह से निचले थ्रेशोल्ड द्वारा संचालित थे। यह निष्कर्ष बताता है कि एक एकल, समग्र अनिश्चितता माप महत्वपूर्ण विवरणों को छिपा देगा; चिकित्सकों को न केवल यह जानने की आवश्यकता है कि स्कोर एक रेखा के कितने करीब है, बल्कि यह भी कि वह किस विशिष्ट रेखा के पास है और कौन सा विशिष्ट गुण मापा जा रहा है।

यह सुनिश्चित करने के लिए कि उनके निष्कर्ष केवल अध्ययन किए गए लोगों के विशिष्ट समूह का कोई संयोग नहीं थे, शोधकर्ताओं ने कई तरीकों से अपने परिणामों की स्थिरता का परीक्षण किया। उन्होंने स्कोरिंग में छोटे त्रुटियों का अनुकरण (simulate) किया और पाया कि सबसे नाजुक स्केल्स की रैंकिंग सुसंगत रही, भले ही सिम्युलेटेड त्रुटि का आकार बदल गया हो। उन्होंने अपने डेटा को बार-बार यादृच्छिक हिस्सों में भी विभाजित किया, और लगभग हर विभाजन में, वही स्केल्स सबसे अधिक और सबसे कम नाजवर के रूप में उभरे। स्थिरता का यह उच्च स्तर इंगित करता है कि नाजुकता स्कोर के वितरण की एक वास्तविक, व्यवस्थित संपत्ति है, न कि नमूने का कोई यादृच्छिक प्रभाव।

हालाँकि, अध्ययन ने एक संभावित स्पष्टीकरण को भी खारिज कर दिया कि क्यों कुछ प्रोफाइल्स दूसरों की तुलना में अधिक नाजुक लग रहे थे। शोधकर्ताओं ने यह देखने के लिए एक परिष्कृत मैपिंग तकनीक का उपयोग किया कि क्या कोई विशिष्ट "प्रकार" का व्यक्तित्व प्रोफाइल स्वाभाविक रूप से अधिक अस्थिर था। उन्होंने पाया कि हालांकि नाजुक प्रोफाइल्स डेटा में एक साथ क्लस्टर (समूहबद्ध) होते दिखाई दे रहे थे, लेकिन एक बार जब उन्होंने व्यक्ति के स्कोर के समग्र स्तर को ध्यान में रखा, तो यह क्लस्टरिंग गायब हो गई। दूसरे शब्दों में, नाजुक प्रोफाइल इसलिए नाजुक नहीं थे क्योंकि उनमें गुणों का एक अनूठा संयोजन था, बल्कि इसलिए क्योंकि उस व्यक्ति के कई स्कोर सामान्य रूप से उच्च थे, जिससे उनके पास कटऑफ लाइन के पास लैंड करने के अधिक अवसर थे। कोई विशिष्ट "नाजुक प्रोफाइल" उप-प्रकार नहीं है; अस्थिरता थ्रेशोल्ड के सापेक्ष स्कोर कहाँ गिरते हैं, इसका एक गणितीय परिणाम है।

लेखक निष्कर्ष निकालते हैं कि जबकि इन परीक्षणों की वर्तमान व्याख्या पद्धति उपयोगी है, इसमें अनिश्चितता के बारे में सूचना की एक परत की कमी है। 76 का स्कोर और 83 का स्कोर दोनों एक ही "उन्नत" लेबल प्राप्त करते हैं, लेकिन वे समान रूप से सुरक्षित नहीं हैं। शोधकर्ता सुझाव देते हैं कि यह रिपोर्ट करना कि स्कोर निर्णय सीमा के कितने करीब है, चिकित्सकों को एक मूल्यवान, अतिरिक्त संदर्भ प्रदान कर सकता है। इससे निदान में बदलाव नहीं होगा, लेकिन यह उन मामलों को चिह्नित करेगा जहाँ स्कोर में एक छोटा सा बदलाव व्याख्या को बदल सकता है। अध्ययन यह सिद्ध नहीं करता है कि इस जानकारी को जोड़ने से रोगी के परिणामों में सुधार होता है, लेकिन यह स्थापित करता है कि लेबल बदलने का जोखिम वास्तविक, मापने योग्य और एक स्केल से दूसरे स्केल के बीच काफी भिन्न है। भविष्य के कार्यों को यह निर्धारित करने की आवश्यकता होगी कि क्या अनिश्चितता को स्पष्ट रूप से साझा करने से डॉक्टरों को बेहतर निर्णय लेने में मदद मिलती है।

तकनीकी सारांश: MCMI-IV बेस रेट व्याख्याओं में थ्रेशोल्ड फ्रैजिलिटी (सीमा संवेदनशीलता)

समस्या विवरण
नैदानिक मनोवैज्ञानिक मूल्यांकन में अक्सर निरंतर मापों (continuous measurements) को श्रेणीबद्ध निर्णयों (जैसे, "उन्नत" बनाम "गैर-उन्नत") में परिवर्तित करने की आवश्यकता होती है। जबकि मनोमितीय सिद्धांत एक निरंतर स्कोर की विश्वसनीयता और परिणामी वर्गीकरण की निरंतरता के बीच अंतर करता है, नैदानिक कट-ऑफ के पास किए गए निर्णयों की मजबूती (robustness) को शायद ही कभी मापा जाता है। मिलोन क्लिनिकल मल्टीएक्सियल इन्वेंटरी-IV (MCMI-IV) के संदर्भ में, व्याख्याएं स्थापित थ्रेशोल्ड BR 75 और BR 85 पर आधारित बेस रेट (BR) स्कोर पर निर्भर करती हैं। अध्ययन किया जाने वाला केंद्रीय प्रश्न यह है कि क्या इन थ्रेशोल्ड-आधारित व्याख्याओं की स्थानीय मजबूती (local robustness) उपकरण का एक समान गुण है या क्या यह विभिन्न पैमानों (scales) में व्यवस्थित रूप से भिन्न होती है। विशेष रूप से, यह अध्ययन "थ्रेशोल्ड फ्रैजिलिटी" (सीमा संवेदनशीलता) की जांच करता है—अर्थात, इन सीमाओं के पास देखे गए BR स्कोर में छोटे बदलावों के कारण एक व्याख्यात्मक श्रेणी के बदलने की संवेदनशीलता।

कार्यप्रणाली
इस पूर्वव्यापी मनोमितीय विश्लेषण (retrospective psychometric analysis) में 686 प्रोटोकॉल-वैध वयस्क MCMI-IV प्रोफाइल का परीक्षण किया गया, जिसमें 25 सबस्टेंटिव स्केल्स के माध्यम से 17,150 प्रोफाइल-दर-स्केल निर्णय शामिल थे। डेटा पर्सियन-भाषा संस्करण वाले MCMI-IV के गुमनाम मूल्यांकन रिकॉर्ड से प्राप्त किया गया था। अध्ययन ने थ्रेशोल्ड फ्रैजिलिटी को मापने के लिए तीन पूरक विश्लेषणात्मक दृष्टिकोणों का उपयोग किया:

फिक्स्ड-मार्जिन विश्लेषण (Fixed-Margin Analysis): प्राथमिक माप ने एक निर्णय को तब "फ्रैजाइल" (नाजुक) माना यदि देखा गया BR स्कोर BR 75 या BR 85 थ्रेशोल्ड के ±3 अंक के भीतर था। इसे प्रत्येक सीमा के विशिष्ट योगदान को निर्धारित करने के लिए विघटित किया गया। नेस्टेड संवेदनशीलता विश्लेषण ±5 और ±7 अंक मार्जिन का उपयोग करके भी किया गया।
मापन-त्रुटि-समायोजित विश्लेषण (Measurement-Error-Adjusted Analysis): स्केल-विशिष्ट सटीकता को ध्यान में रखने के लिए, फ्रैजिलिटी की पुनर्गणना मापन की मानक त्रुटि (SEM) का उपयोग करके की गई। मापन त्रुटि के कारण श्रेणी सीमा को पार करने की संभावना का अनुमान एक पूर्व सत्यापन अध्ययन से प्राप्त स्केल-विशिष्ट विश्वसनीयता गुणांकों और देखे गए मानक विचलन का उपयोग करके विश्लेषणात्मक रूप से लगाया गया।
परटर्बेशन-आधारित विश्लेषण (Perturbation-Based Analysis): स्कोर भिन्नता का अनुकरण करने के लिए एक गॉसियन परटर्बेशन मॉडल लागू किया गया। प्रत्येक देखे गए स्कोर के लिए, विभिन्न परिमाणों ( $\sigma = 2, 3, 5, 7, 10$ BR पॉइंट्स) के तहत लेबल बदलने की संभावना की गणना की गई।

निष्कर्षों की स्थिरता सुनिश्चित करने के लिए, अध्ययन ने निम्नलिखित का उपयोग किया:

स्प्लिट-हाफ रिप्रोड्यूसिबिलिटी (Split-Half Reproducibility): स्केल-स्तरीय फ्रैजिलिटी रैंकिंग की निरंतरता का आकलन करने के लिए नमूने के 1,000 रैंडम स्प्लिट्स का उपयोग किया गया।
नॉनलीनियर प्रोफाइल-स्पेस विश्लेषण (Nonlinear Profile-Space Analysis): डिफ्यूजन मैप्स (Diffusion Maps) और मैपर (Mapper) का उपयोग करके, अध्ययन ने 25-आयामी प्रोफाइल स्पेस को मैप किया ताकि यह निर्धारित किया जा सके कि क्या उच्च-फ्रैजिलिटी प्रोफाइल एक विशिष्ट टोपोलॉजिकल क्लस्टर बनाते हैं। यह विश्लेषण अन-एडजस्टेड और ग्लोबल BR एलीवेशन (मीन BR और उन्नत/प्रॉमिनेंट स्कोर की संख्या) के लिए समायोजित दोनों रूप में किया गया था, ताकि एक विशिष्ट "फ्रैजाइल-प्रोफाइल" उपप्रकार और सामान्य स्कोर एलीवेशन प्रभावों के बीच अंतर किया जा सके।

प्रमुख परिणाम

फ्रैजिलिटी का प्रसार: प्राथमिक ±3 BR मानदंड के तहत, सभी निर्णयों (17,150 में से 5,062) में से 29.5% फ्रैजाइल ज़ोन में आए। ±5 और ±7 मानदंडों के तहत यह आवृत्ति बढ़कर क्रमशः 42.2% और 48.8% हो गई।
स्केल-निर्भर परिवर्तनशीलता: फ्रैजिलिटी एकसमान नहीं थी; यह 25 स्केल्स में लगभग आठ गुना भिन्न थी। सबसे अधिक फ्रैजाइल स्केल्स में मेलानकोलिक (53.2%), सोमैटिक सिम्पटम (47.8%), और बॉर्डरलाइन (44.9%) शामिल थे, जबकि सबसे कम फ्रैजाइल में ड्रग यूज़ (6.3%), टर्बुलेंट (9.3%), और कम्पल्सिव (10.1%) शामिल थे।
थ्रेशोल्ड विशिष्टता: लगभग 74.7% निकट-थ्रेशोल्ड निर्णय BR 75 के आसपास हुए, जबकि 25.3% BR 85 के आसपास हुए। हालांकि, विशिष्ट स्केल्स ने अलग पैटर्न दिखाए; उदाहरण के लिए, जनरलाइज्ड एंग्जायटी मुख्य रूप से BR 85 संवेदनशीलता द्वारा संचालित थी, जबकि स्किज़ोटाइपल लगभग पूरी तरह से BR 75 द्वारा संचालित था।
मजबूती और पुनरुत्पादकता (Robustness and Reproducibility): स्केल-स्तरीय फ्रैजिलिटी पदानुक्रम विभिन्न परिचालन परिभाषाओं के तहत अत्यधिक स्थिर रहा। रैंकिंग ने फिक्स्ड-मार्जिन और SEM-समायोजित दृष्टिकोणों के बीच ( $\rho = .779$ ) और फिक्स्ड-मार्जिन और परटर्बेशन-आधारित दृष्टिकोणों के बीच ( $\rho = .983$ ) मजबूत सहसंबंध दिखाया। स्प्लिट-हाफ विश्लेषण ने 1,000 पुनरावृत्तियों में .967 के मीडियन स्पीरमैन सहसंबंध के साथ उच्च पुनरुत्पादकता की पुष्टि की।
प्रोफाइल-स्पेस संगठन: अन-एडजस्टेड विश्लेषण ने खुलासा किया कि फ्रैजिलिटी मल्टीवेरिएट प्रोफाइल स्पेस में गैर-यादृच्छिक (non-random) रूप से वितरित थी (Moran's $I = 1.017, p = .0002$ )। हालांकि, ग्लोबल BR एलीवेशन के लिए समायोजित करने के बाद, यह स्थानिक संकेंद्रण गैर-महत्वपूर्ण हो गया ( $p = .305$ )। एलीवेशन उपायों ने प्रोफाइल-स्तरीय फ्रैजिलिटी में 61.6% भिन्नता की व्याख्या की, जो इंगित करता है कि देखा गया संगठन काफी हद तक समग्र स्कोर एलीवेशन का एक कार्य था, न कि एक स्वतंत्र "फ्रैजाइल-प्रोफाइल" उपप्रकार का।

महत्व और दावे
यह शोध निष्कर्ष निकालता है कि थ्रेशोल्ड फ्रैजिलिटी MCMI-IV व्याख्या का एक व्यवस्थित, स्केल-निर्भर और पुनरुत्पादक गुण है जो केवल श्रेणीबद्ध लेबल द्वारा संप्रेषित नहीं होता है। अध्ययन स्पष्ट रूप से कहता है कि यह BR 75 या BR 85 थ्रेशोल्ड को बदलने का प्रस्ताव नहीं देता है, न ही यह दावा करता है कि फ्रैजिलिटी को मापना नैदानिक सटीकता या नैदानिक परिणामों में सुधार करता है।

इसके बजाय, लेखक तर्क देते हैं कि निर्णय सीमाओं (BR 75 और BR 85) के निकटता की रिपोर्ट करना पारंपरिक व्याख्या के साथ एक "अनिश्चितता परत" (uncertainty layer) के रूप में नैदानिक रूप से उपयोगी हो सकता है। यह दृष्टिकोण इस बात पर प्रकाश डालता है कि एक स्कोर 76 और एक स्कोर 83, दोनों "उन्नत" होने के बावजूद, स्कोर के छोटे बदलावों के प्रति अलग-अलग संवेदनशीलता रखते हैं। निष्कर्ष बताते हैं कि देखे गए स्कोर का थ्रेशोल्ड के आसपास का स्थानीय घनत्व (local density) स्वयं थ्रेशोल्ड जितना ही महत्वपूर्ण है। लेखक इस बात पर जोर देते हैं कि यह निर्धारित करने के लिए कि क्या फ्रैजिलिटी जानकारी को शामिल करने से वास्तव में नैदानिक निर्णय और निर्णय लेने की प्रक्रिया में सुधार होता है, बाहरी प्रतिकृति (replication) और भविष्योन्मुखी नैदानिक सत्यापन आवश्यक है।

इसी तरह के और पेपर