रिसर्च मेथोडोलॉजी एंड बायोस्टैटिस्टिक्स सीरीज़ 8 – मेडिकल फैक्टर्स के बीच सांख्यिकीय संबंध बनाम कारण-प्रभाव संबंध।

परिचय

एक सांख्यिकीय संबंध का अर्थ है किसी एक कारक में बदलाव, जिसके साथ एक या अधिक अन्य कारकों में वृद्धि या कमी होती है। हालांकि आधुनिक चिकित्सा विज्ञान मानव शरीर को ऊतकों, अंगों और प्रणालियों में विभाजित करता है, लेकिन ये प्रणालियां एक-दूसरे के साथ मिलकर जटिल रूप से जुड़ी हुई हैं। शरीर पर्यावरणीय कारकों जैसे सूक्ष्मजीवों, आहार और शारीरिक गतिविधि के साथ भी संपर्क करता है। मनोवैज्ञानिक कारक जैसे तनाव, चिंता, पारिवारिक समर्थन, और प्रशंसा या आलोचना भी चिकित्सा मापदंडों में महत्वपूर्ण योगदान करते हैं। इतने सारे कारकों के एक साथ काम करने के कारण, यह स्वाभाविक है कि यह जांच की जाए कि ये कारक स्वास्थ्य मापदंडों को कैसे और किस हद तक प्रभावित करते हैं, और विभिन्न स्वास्थ्य पैरामीटर एक-दूसरे के साथ कैसे संपर्क करते हैं। सांख्यिकीय रूप से, इन संबंधों का अध्ययन उनकी संरचना और शक्ति के माध्यम से किया जाता है, और अधिक सटीक रूप से, इसमें शामिल कारण-प्रभाव तंत्र का पता लगाकर।

सांख्यिकीय संबंध

दो या दो से अधिक कारकों के बीच के सांख्यिकीय संबंध का अध्ययन दो आयामों में किया जाता है: संबंध की संरचना और संबंध की शक्ति।

रिश्तों के सांख्यिकीय अध्ययन के लिए, एक या अधिक चर को आश्रित और अन्य को स्वतंत्र के रूप में पहचानना आवश्यक है। आश्रित चर परिणाम, प्रतिक्रिया या परिणाम का प्रतिनिधित्व कर सकते हैं, जबकि स्वतंत्र चर जोखिम कारक, पूर्ववर्ती या भविष्यवक्ता हो सकते हैं जो परिणाम को निर्धारित करने की उम्मीद रखते हैं। एक सांख्यिकीय संबंध में, स्वतंत्र चर को रिग्रेसर के रूप में जाना जाता है और संबंध की संरचना को रिग्रेशन द्वारा वर्णित किया जाता है। आश्रित चर गुणात्मक हो सकता है, जैसे कि जीवित रहना या मृत्यु; हालाँकि, समझने में आसानी के लिए, हम फिलहाल केवल मात्रात्मक आश्रित चर पर विचार करेंगे। उदाहरण के लिए, स्कोवलंड1 ने मेटास्टैटिक बाउल कैंसर वाले पेशेंट्स में सी-रिएक्टिव प्रोटीन (सीआरपी) सांद्रता और जीवन की गुणवत्ता स्कोर (क्यूओएल) के बीच निम्नलिखित रिग्रेशन पर चर्चा की:

क्यूओएल = 75.6 – 0.177 × सीआरपी।

यह एक साधारण रिग्रेशन का उदाहरण है जिसमें एक आश्रित चर (क्यूओएल) और एक स्वतंत्र चर (सीआरपी) है। रिग्रेशन में बाईं ओर क्यूओएल किसी व्यक्ति का मान नहीं है, बल्कि एक विशिष्ट सीआरपी स्तर वाले विषयों के बीच औसत क्यूओएल है — यह एक ऐसी बात है जिसे अक्सर शोध में अनदेखा कर दिया जाता है। यह उदाहरण रैखिक है, क्योंकि इसे एक सीधी रेखा के रूप में दर्शाया जा सकता है, लेकिन संबंध वक्ररेखीय या यहां तक कि बहुआयामी भी हो सकते हैं जब कई स्वतंत्र चर शामिल हों। एक रिग्रेशन में न केवल कई स्वतंत्र चर शामिल हो सकते हैं, बल्कि दुर्लभ मामलों में, कई आश्रित चर भी शामिल हो सकते हैं।

रिग्रेशन को डेटा के लिए ‘सर्वश्रेष्ठ फिट’ के रूप में प्राप्त किया जाता है, हालांकि यह सर्वश्रेष्ठ फिट अभी भी खराब हो सकता है। मात्रात्मक चर के लिए फिट की पर्याप्तता को पियर्सन सहसंबंध गुणांक द्वारा मापा जाता है। यह -1 से +1 तक होता है, जिसमें 0 का अर्थ कोई सहसंबंध नहीं है। जब एक आश्रित चर कई स्वतंत्र चर से संबंधित होता है, तो बहु सहसंबंध गुणांक का उपयोग किया जाता है। किसी भी दिशा में 0.8 से अधिक सहसंबंध को मजबूत माना जाता है। हालांकि, पियर्सन सहसंबंध की एक बड़ी सीमा यह है कि यह केवल एक रैखिक संबंध को मापता है। दो चर में एक मजबूत गैर-रैखिक (घुमावदार) संबंध हो सकता है, फिर भी एक कम सहसंबंध गुणांक उत्पन्न हो सकता है। उदाहरण के लिए, फेफड़ों का कार्य उम्र के साथ एक घुमावदार संबंध दिखाता है - यह बचपन से वयस्कता तक बढ़ता है और वृद्धावस्था में घटता है। यह रैखिक नहीं है। गैर-रैखिक संबंधों का आकलन करने के लिए, बहु सहसंबंध गुणांक के बजाय निर्धारण के गुणांक का उपयोग किया जाता है। फिर भी, ये माप भी भ्रामक हो सकते हैं, जैसा कि बाद में इस संचार में चर्चा की गई है।

जब किसी गुणात्मक चर, जैसे कि बीमारी की गंभीरता (कोई नहीं, हल्की, मध्यम, गंभीर, गंभीर), को विभिन्न प्रयोगशाला या रेडियोलॉजिकल मापदंडों पर इसकी निर्भरता के लिए जांचा जाता है, तो उस रिग्रेशन को लॉजिस्टिक रिग्रेशन कहा जाता है। इस मामले में संबंध की शक्ति को मुख्य रूप से नागलकेरके आर2 द्वारा मापा जाता है, जो एकाधिक सहसंबंध गुणांक के वर्ग के समान होता है।

जब अध्ययन का विषय कोई समय-अवधि होती है, जैसे कि कैंसर के पेशेंट्स में जीवित रहने का समय या लिवर ट्रांसप्लांट कराने वाले पेशेंट्स में हॉस्पिटल में रहने की अवधि, तो कॉक्स रिग्रेशन का उपयोग किया जाता है। यह तरीका समय-अवधियों के सामान्य रूप से विषम वितरण और सीमित फॉलो-अप के कारण सेंसर किए गए अवलोकनों की उपस्थिति को ध्यान में रखता है।

कारण-परिणाम संबंध

पिछले भाग में प्रस्तुत संबंध सांख्यिकीय प्रकृति के हैं और कभी-कभी ये भ्रामक भी हो सकते हैं। उदाहरण के लिए, भारत में कार्डियोवैस्कुलर डिजीज (सीवीडी) की घटनाओं में वृद्धि हुई है, जबकि पिछले 50 वर्षों में जन्म दर में गिरावट आई है। ये दोनों चर एक मजबूत नकारात्मक संबंध दर्शाते हैं, जिसमें लगभग -0.7 का सहसंबंध गुणांक है। यह संबंध सांख्यिकीय रूप से मौजूद है, लेकिन क्या इसका कोई चिकित्सीय महत्व है? स्पष्ट रूप से नहीं, यह भ्रामक है, और सीवीडी के मामले में बढ़ती जीवन प्रत्याशा और गतिहीन जीवनशैली जैसे कारकों से प्रेरित है, और जन्म दर के मामले में बड़े परिवारों के नुकसान के बारे में अधिक जागरूकता के कारण ऐसा है। दोनों रुझान एक ही विकास प्रक्रिया का हिस्सा हैं।

सहसंबंध का मतलब यह नहीं है कि एक चीज़ दूसरी चीज़ का कारण है—जन्म दर में वृद्धि करने से हृदय संबंधी बीमारियों की घटनाओं में कमी नहीं आएगी। लुइज़ी और अन्य लोगों ने2 कैरोटिड स्टेनोसिस की भूमिका पर चर्चा की, जो व्हाइट मैटर हाइपरइंटेंसिटीज़ और कोरोनरी आर्टरी डिजीज के बीच एक भ्रामक सहसंबंध के संभावित कारण के रूप में हो सकता है।

'कारण' एक मजबूत शब्द है। हालाँकि इसके उपयोग में भिन्नता होती है, लेकिन यह आम तौर पर उस कारक को संदर्भित करता है जो सीधे किसी परिणाम के लिए जिम्मेदार होता है, और जो उस परिणाम से पहले आता है। उदाहरण के लिए, धूम्रपान को लंग कैंसर का कारण माना जा सकता है, हालाँकि यह प्रक्रिया कोटिनिन के माध्यम से होती है, जिसमें कोशिका संरचना को बदलने की क्षमता होती है। इसी तरह की स्थिति मोटापे और डायबिटीज़ के बीच भी है—संबंध प्रत्यक्ष प्रतीत होता है, लेकिन यह मेटाबॉलिक मध्यस्थों के माध्यम से काम करता है।

यह कभी-कभी तर्क दिया जाता है कि कोई कारक तभी कारण के रूप में योग्य होता है जब वह किसी प्रभाव के उत्पन्न होने के लिए आवश्यक और पर्याप्त दोनों हो। हालाँकि, चिकित्सा संदर्भों में यह बहुत कठोर शर्त है। मोटापा डायबिटीज़ का कारण बनने के लिए न तो आवश्यक है और न ही पर्याप्त, फिर भी इसे एक कारणात्मक कारक माना जाता है। इस प्रकार, अधिकांश चिकित्सा संबंध कम से कम आंशिक रूप से सांख्यिकीय क्षेत्र में आते हैं। यदि किसी कारक की उपस्थिति किसी परिणाम की संभावना को बढ़ाती है और उसकी अनुपस्थिति संभावना को कम करती है, तो उस कारक को उचित रूप से एक कारण माना जा सकता है, भले ही यह कई संभावित कारणों में से एक हो। इस पहलू को अक्सर अनदेखा कर दिया जाता है, जबकि यह चिकित्सा परिणामों की व्याख्या करने के लिए प्रासंगिक है।

'कारण और प्रभाव के बीच संबंध स्थापित करने के लिए कितने सबूत पर्याप्त हैं?' यह एक महत्वपूर्ण प्रश्न है जिसका कोई स्पष्ट उत्तर नहीं है। फिर भी, कारण-प्रभाव संबंध का अनुमान लगाने के लिए अक्सर निम्नलिखित मानदंडों का उपयोग किया जाता है:

1. जैविक रूप से संभव होना –

   जब कोई कारक किसी जैविक प्रतिक्रिया को कैसे ट्रिगर करता है, जिससे एक निश्चित प्रभाव उत्पन्न होता है, तो इसका जैविक स्पष्टीकरण सबसे मजबूत कारण-प्रभाव संबंध का प्रमाण प्रदान करता है। कुछ मामलों में, यह तंत्र पूरी तरह से स्पष्ट नहीं हो सकता है जब तक कि इसकी पूरी तरह से जांच न की जाए, और अपूर्ण ज्ञान के कारण होने वाली ज्ञानमीमांसीय अनिश्चितताएं भी एक सीमित कारक हो सकती हैं। बेल्लाविटे और इम्ब्रियानो3 ने हेस्परिडिन के सुरक्षात्मक प्रभावों के पीछे के जैविक तंत्र का वर्णन किया, जिससे त्वचा की उम्र बढ़ने और हेस्परिडिन के बीच के कारण-प्रभाव संबंध को और अधिक बल मिला।

2. प्रायोगिक प्रमाण –

   पूर्व-निर्धारित समावेश और बहिष्करण मानदंडों और यादृच्छिकरण और ब्लाइंडिंग जैसी विशेषताओं के साथ एक क्लिनिकल ट्रायल, नियंत्रित स्थितियाँ प्रदान करता है जो देखे गए प्रभाव को लगभग पूरी तरह से हस्तक्षेप के लिए जिम्मेदार ठहराती हैं। चूंकि अज्ञात या हानिकारक प्रभावों वाले कारकों के लिए नैतिक रूप से क्लिनिकल ट्रायल नहीं किए जा सकते हैं, इसलिए इस सूची में अन्य मानदंडों पर अक्सर इस तरह के मामलों में कारण-प्रभाव संबंध का अनुमान लगाने के लिए भरोसा किया जाता है।

3. डोज़-रिस्पॉन्स रिलेशनशिप

   जब कोई बड़ा कारक अधिक प्रभाव पैदा करता है, तो कारण-प्रभाव संबंध का समर्थन किया जाता है। उदाहरण के लिए, ब्लड प्रेशर (बीपी) का स्तर और कोरोनरी घटनाओं के बीच एक खुराक-प्रतिक्रिया संबंध होता है। लियू और कियाओ4 ने नींद की अवधि और फेनोटाइपिक उम्र में तेजी के मध्यस्थता के बीच एक समान संबंध का अध्ययन किया।

4. संगति

   इस मानदंड के कई पहलू हैं: (a) प्रभाव विभिन्न आबादी में होना चाहिए जहाँ कारण मौजूद है; (b) संबंध विभिन्न समय अवधियों में बना रहना चाहिए; और सबसे महत्वपूर्ण बात यह है कि (c) समान परिस्थितियों में, कारण की एक विशिष्ट मात्रा लगातार एक समान प्रभाव उत्पन्न करनी चाहिए। उदाहरण के लिए, होमोसिस्टीन के स्तर और कोरोनरी रोग के बीच संबंध में निरंतरता की कमी पाई गई और इसलिए इसे एक कारण के रूप में खारिज कर दिया गया (उनाडकट एट अल)।5

5. विशिष्टता –

   वास्तविक कारण-प्रभाव संबंध के लिए, उस कारक की अनुपस्थिति को परिणाम की कम मात्रा से जोड़ा जाना चाहिए, यदि पूरी तरह से परिणाम की अनुपस्थिति न हो। इसे खुराक-प्रतिक्रिया अवधारणा के विस्तार के रूप में देखा जा सकता है, हालांकि यहां जोर अनुपस्थिति पर है। उदाहरण के लिए, यदि गर्भवती महिलाओं में एनीमिया अनुपस्थित है, तो क्या इससे सामान्य जन्म वजन सुनिश्चित हो सकता है?

6. सांख्यिकीय महत्व

   अनुभवजन्य अध्ययन चिकित्सा अनुसंधान की आधारशिला है; निष्कर्ष डेटा-आधारित प्रमाणों से निकाले जाते हैं। हालाँकि, सभी अनुभवजन्य अध्ययनों में नमूने शामिल होते हैं, क्योंकि भविष्य के मामलों को इसमें शामिल नहीं किया जा सकता है। नमूने में होने वाले बदलावों का मतलब है कि हम कभी भी पूरी तरह से निश्चित नहीं हो सकते हैं, और टाइप-1 और टाइप-2 त्रुटियाँ अपरिहार्य हैं। इसलिए, सांख्यिकीय महत्व और पर्याप्त अध्ययन शक्ति इन त्रुटियों को स्वीकार्य सीमाओं के भीतर रखने और यह सुनिश्चित करने के लिए सबसे अच्छे उपाय हैं कि देखा गया प्रभाव वास्तविक है। इस प्रकार, यह निष्कर्ष निकालने के लिए कि कोई संबंध मौजूद है, उसे सांख्यिकीय रूप से महत्वपूर्ण होना चाहिए।

इनमें से कोई भी मानदंड अपने आप में कारण-प्रभाव संबंध को स्थापित करने के लिए पर्याप्त नहीं है। अनुभवजन्य अनुसंधान में शुरुआती बिंदु एक सहसंबंध, संबंध, प्रतिगमन या समूहों के बीच अंतर की सांख्यिकीय महत्व होना चाहिए। यदि यह महत्व नहीं है, तो यह मानने का कोई उचित कारण नहीं है कि संबंध मौजूद है, और आगे की खोज व्यर्थ है। जब सांख्यिकीय महत्व प्राप्त हो जाता है, तो किसी को पूर्वाग्रह, अनुचित अध्ययन डिजाइन या भ्रमित करने वाले कारकों जैसे वैकल्पिक स्पष्टीकरणों की जांच करनी चाहिए। यदि कोई वैकल्पिक स्पष्टीकरण उपलब्ध नहीं है, और ऊपर दिए गए छह मानदंडों में से कम से कम चार पूरे होते हैं, तो एक कारण-प्रभाव संबंध को उचित रूप से निष्कर्ष निकाला जा सकता है।

हितों का टकराव:कोई नहीं।

वित्तपोषण:कोई नहीं।