Application of Propensity Score Methods to Address Missing Data in a Trial on the Effect of Energy Protein Supplementation Among Pulmonary TB-HIV Patients in Mwanza, Tanzania
इस अध्ययन ने तंजानिया में एक पल्मोनरी टीबी-एचआईवी सप्लीमेंटेशन ट्रायल में मोनोटोनिक मिसिंग डेटा को संभालने के लिए पूर्ण केस विश्लेषण (complete case analysis) के विरुद्ध प्रोपेंसिटी स्कोर इनवर्स प्रोबेबिलिटी वेटिंग (PS-IPW) और मल्टीपल इम्प्यूटेशन (MI) का मूल्यांकन किया, जिसमें यह पाया गया कि हालांकि दोनों उन्नत विधियों ने पूर्वाग्रह और दक्षता के मामले में पारंपरिक विश्लेषण से बेहतर प्रदर्शन किया, लेकिन किसी ने भी सांख्यिकीय रूप से महत्वपूर्ण उपचार प्रभावों का खुलासा नहीं किया।
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
मुख्य चित्र: एक लापता पहेली के साथ पोषण प्रयोग
कल्पना कीजिए कि मwanza, तंजानिया में शोधकर्ताओं का एक समूह यह पता लगाने की कोशिश कर रहा है कि क्या टीबी (TB) और एचआईवी (HIV) दोनों से पीड़ित लोगों को अतिरिक्त "ऊर्जा-प्रोटीन" कुकीज़ देने से उन्हें ताकत मिलती है और वजन बढ़ाने में मदद मिलती है।
उन्होंने 354 रोगियों के साथ एक निष्पक्ष परीक्षण (एक क्लिनिकल ट्रायल) आयोजित किया। आधे लोगों को एक बड़ा, पौष्टिक दैनिक नाश्ता मिला (हस्तक्षेप समूह/Intervention Group), और बाकी आधे लोगों को एक छोटा, सादा बिस्कुट मिला (नियंत्रण समूह/Control Group)। उन्होंने शुरुआत में, दो महीने बाद और पांच महीने बाद उनका वजन, बाजू का आकार और हाथों की ताकत की जांच की।
समस्या:
बिल्कुल वैसे ही जैसे म्यूजिकल चेयर के खेल में कुछ लोग संगीत रुकने से पहले ही कमरे से बाहर चले जाते हैं, कई मरीज अध्ययन समाप्त होने से पहले ही बीच में ही छोड़ कर चले गए। पांच महीने के निशान तक, लगभग 19% प्रतिभागी गायब थे। इसने शोधकर्ताओं के सामने एक पहेली खड़ी कर दी: जब पहेली के बहुत सारे टुकड़े गायब हों, तो आप अंतिम परिणाम की गणना कैसे करते हैं?
यदि आप गायब लोगों को अनदेखा कर देते हैं (जिसे पूर्ण केस विश्लेषण/Complete Case Analysis - CCA कहा जाता है), तो आप एक विकृत तस्वीर देख रहे हो सकते हैं। हो सकता है कि जो लोग बीच में छोड़ गए वे सबसे खराब स्थिति में थे, या शायद वे सबसे अच्छी स्थिति में थे। यदि आप इस पर ध्यान नहीं देते हैं, तो आपका निष्कर्ष गलत हो सकता है।
गायब टुकड़ों को ठीक करने के लिए उपयोग किए गए तीन उपकरण
इस "लापता पहेली" की समस्या को हल करने के लिए, शोधकर्ताओं ने तीन अलग-अलग गणितीय उपकरणों का परीक्षण किया ताकि यह देखा जा सके कि कौन सा सबसे ईमानदार उत्तर देता है।
1. "लापता को अनदेखा करने" का तरीका (पूर्ण केस विश्लेषण - CCA)
- उपमा: कल्पना कीजिए कि आप एक दौड़ का निर्णय ले रहे हैं, लेकिन 20 धावक आधे रास्ते में ही छोड़ देते हैं। यह तरीका कहता है, "आइए केवल उन धावकों को गिनें जिन्होंने पूरी दौड़ पूरी की।"
- दोष: यदि छोड़ने वाले धावक सबसे धीमे थे, तो आप सोच सकते हैं कि दौड़ वास्तव में जितनी थी उससे तेज़ थी। यदि वे सबसे तेज़ थे, तो आप सोच सकते हैं कि यह धीमी थी। यह जोखिम भरा है क्योंकि यह मान लेता है कि गायब लोग भी उन्हीं की तरह थे जो रुक गए थे।
2. "खाली जगहों को भरने" का तरीका (मल्टीपल इम्प्यूटेशन - MI)
- उपमा: कल्पना कीजिए कि आपके पास एक क्रॉसवर्ड पहेली है जिसमें शब्द गायब हैं। खाली छोड़ने के बजाय, आप उन शब्दों से मिलने वाले सुरागों को देखते हैं जो आपके पास हैं और खाली खानों को भरने के लिए अपने सबसे अच्छे अनुमान का उपयोग करते हैं। आप इसे कई बार (20 बार!) थोड़े अलग-अलग अनुमानों के साथ करते हैं ताकि यह देखा जा सके कि उत्तर कैसे बदलता है।
- तर्क: यह तरीका मानता है कि यदि हमें किसी व्यक्ति की आयु, पेशा और शुरुआत में वह कैसा महसूस कर रहा था, यह पता है, तो हम अनुमान लगा सकते हैं कि अंत में उसका वजन क्या रहा होगा। यह उपलब्ध डेटा में दिखने वाले पैटर्न के आधार पर खाली जगहों को भरता है।
3. "भारित पैमाना" तरीका (प्रोपेंसिटी स्कोर इनवर्स प्रोबेबिलिटी वेटिंग - PS-IPW)
- उपमा: कल्पना कीजिए कि आप सेबों की एक बोरी तौल रहे हैं, लेकिन कुछ सेब गायब हैं। गायब सेबों का वजन अनुमान लगाने के बजाय, आप उन सेबों को देखते हैं जो आपके पास हैं। यदि आप देखते हैं कि आपके पास मौजूद सेब ज्यादातर छोटे हैं, तो आप गायब बड़े सेबों का प्रतिनिधित्व करने के लिए मौजूद छोटे सेबों को "अतिरिक्त वजन" देते हैं।
- तर्क: यह तरीका किसी व्यक्ति के बैकग्राउंड के आधार पर उसके बाहर जाने की "संभावना" की गणना करता है। यदि किसी विशेष प्रोफाइल वाले व्यक्ति (जैसे, कम वजन वाला एक किसान) के बाहर जाने की संभावना अधिक थी, तो शोधकर्ता उन किसानों के डेटा को अधिक महत्व (वेट) देते हैं जो रुक गए थे, ताकि वे बाहर जाने वालों का प्रतिनिधित्व कर सकें।
उन्हें क्या मिला?
तीनों तरीकों के साथ गणना करने के बाद, परिणाम आश्चर्यजनक रूप से सुसंगत थे:
- कोई जादुई समाधान नहीं: चाहे उन्होंने गायब लोगों को अनदेखा किया हो, खाली जगहों को भरा हो, या भारित पैमाने का उपयोग किया हो, उत्तर एक ही था: विशेष ऊर्जा-प्रोटीन कुकीज़ ने मरीजों को वजन बढ़ाने, मांसपेशियों के विकास या सादे बिस्कुटों की तुलना में ताकत पाने में महत्वपूर्ण रूप से मदद नहीं की।
- "लापता" का पैटर्न: शोधकर्ताओं ने पाया कि गायब डेटा यादृच्छिक (Random) नहीं था (जैसे कि लोग बस आना भूल गए हों)। यह एक पैटर्न का पालन करता था: जो लोग अंत में गायब थे, वे अक्सर उन लोगों के समान थे जो पहले गायब हुए थे। इसने इस बात की पुष्टि की कि "खाली जगहों को भरने" (MI) और "भारित पैमाने" (PS-IPW) वाले तरीके सही उपकरण थे, क्योंकि वे केवल गायब लोगों को अनदेखा करने की तुलना में इन विशिष्ट पैटर्न को संभालने में बेहतर हैं।
- आशा की एक किरण: हालांकि वजन और बाजू के आकार में बहुत बदलाव नहीं हुआ, लेकिन एक छोटा और सुसंगत रुझान देखा गया कि बड़ी कुकीज़ वाले समूह में हाथ की ताकत में थोड़ा सुधार हुआ। हालांकि, यह सुधार इतना मजबूत नहीं था कि इसे "सांख्यिकीय जीत" (Statistical Victory) कहा जा सके (यह किस्मत भी हो सकती थी)।
निष्कर्ष
अध्ययन यह निष्कर्ष निकालता है कि तंजानिया के इन विशिष्ट रोगियों के लिए, ऊर्जा-प्रोटीन स्नैक्स का अल्पकालिक बढ़ावा उनके शारीरिक सुधार में कोई बड़ा अंतर नहीं डाल सका।
विज्ञान के लिए बड़ा सबक:
सबसे महत्वपूर्ण बात कुकीज़ के बारे में नहीं है; यह इस बारे में है कि गायब डेटा को कैसे संभाला जाए। शोधकर्ताओं ने दिखाया कि लापता लोगों को अनदेखा करना (CCA) जोखिम भरा है। खाली जगहों को भरने (MI) या शेष डेटा को भारित करने (PS-IPW) जैसे स्मार्ट तरीकों का उपयोग करना एक अधिक सटीक और निष्पक्ष तस्वीर देता है, भले ही अंतिम उत्तर यह हो कि "उपचार काम नहीं आया।"
संक्षेप में: कुकीज़ काम नहीं आईं, लेकिन यह पता लगाने के लिए इस्तेमाल किया गया गणित ठोस और विश्वसनीय था।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।