সীমাবদ্ধ গড় বেঁচে থাকার সময় (আরএমএসটি) বিশ্লেষণ কৌশলটি প্রায় 25 বছর আগে স্বাস্থ্যসেবা গবেষণায় প্রবর্তিত হয়েছিল এবং তখন থেকে অর্থনীতি, প্রকৌশল, ব্যবসা এবং অন্যান্য পেশায় ব্যাপকভাবে ব্যবহৃত হয়েছে।
ক্লিনিকাল সেটিংসে, আরএমএসটি দরকারী কারণ এটি গড় বেঁচে থাকার সময়টি বোঝার একটি সহজ উপায় – রোগীরা রোগ নির্ণয় বা চিকিত্সার পরে সময় বেঁচে থাকে এবং সেই সময়টিকে প্রভাবিত করে এমন কারণগুলি – একটি নির্দিষ্ট সময়সীমার মধ্যে।
এছাড়াও, কক্স রিগ্রেশন মডেল এবং অন্যান্য জনপ্রিয় মডেলগুলির বিপরীতে, আরএমএসটি ব্যবহার করে করা অনুমান এবং তুলনাগুলি আনুপাতিক বিপদ অনুমানের উপর নির্ভর করে না যে কোনও ঘটনার সম্ভাবনা সময়ের সাথে সাথে স্থির থাকবে।
“তবে একটি ধরা আছে: আরএমএসটি বেসলাইন থেকে একটি সময় পয়েন্ট পর্যন্ত গ্রুপগুলির মধ্যে চিকিত্সার প্রভাবের মধ্যে পার্থক্য পরীক্ষা করতে পারে – তবে ক্লিনিকাল এবং এপিডেমিওলজিকাল স্টাডিজের আদর্শ প্রান্তিকতা চিহ্নিত করা কঠিন,” টেক্সাস এএন্ডএম বিশ্ববিদ্যালয়ের জনস্বাস্থ্যের স্কুলের বায়োস্ট্যাটিস্টিকস অধ্যাপক গ্যাং হান বলেছেন। “এটি এমন ফলাফলের দিকে নিয়ে যায় যা তাদের চেয়ে কম পরিসংখ্যানগতভাবে শক্তিশালী।”
এই চ্যালেঞ্জটি মোকাবেলার জন্য, হান এবং একাডেমিয়া এবং শিল্পের সহকর্মীরা একটি নতুন পদ্ধতি তৈরি করেছেন যা দুটি গ্রুপ অধ্যয়ন করার সময় সীমাবদ্ধ গড় বেঁচে থাকার সময় বিশ্লেষণে আদর্শ বা অনুকূল প্রান্তিক সময় নির্ধারণের জন্য একটি বিদ্যমান গাণিতিক সরঞ্জাম – হ্রাস পিসওয়াইজ এক্সফোনেনশিয়াল মডেল ব্যবহার করে।
এই গবেষণায় জড়িত টেক্সাস এএন্ডএম স্কুল অফ পাবলিক হেলথের স্বাস্থ্য আচরণের অধ্যাপক পিএইচডি ম্যাথিউ লি স্মিথ বলেছেন, “এটি চিকিত্সা অধ্যয়নের ক্ষেত্রে বিশেষত গুরুত্বপূর্ণ, যেহেতু একটি নির্দিষ্ট ঘটনার সম্ভাবনা চিকিত্সার বিভিন্ন পর্যায়ে পরিবর্তিত হতে পারে।”
অনুকূল প্রান্তিকতা নির্ধারণের জন্য, দলটি বিপদ হারের ক্ষেত্রে উল্লেখযোগ্য পরিবর্তন পয়েন্ট (গুলি) থেকে একটি প্রান্তিক সময় গণনা করেছে এবং তারা সবচেয়ে বড় সম্ভাব্য প্রান্তিকের সাথে যা পেয়েছে তার তুলনা করে।
তাদের গবেষণা পত্র, প্রকাশিত আমেরিকান জার্নাল অফ এপিডেমিওলজিএকাধিক সিমুলেশন স্টাডিতে প্রস্তাবিত পদ্ধতির সুবিধাগুলি এবং দুটি বাস্তব উদাহরণ, একটি ক্লিনিকাল স্টাডি এবং একটি মহামারীবিজ্ঞান অধ্যয়ন দেখিয়েছে।
তারা টাইপ 1 ত্রুটি হার এবং সিমুলেশনগুলিতে পরিসংখ্যানগত শক্তি পরিমাপ করতে নতুন পদ্ধতিটি ব্যবহার করেছিল যেখানে বিপদ হার একটি গোষ্ঠীর জন্য স্থির ছিল এবং অন্য একটি গোষ্ঠীর জন্য পরিবর্তন করা হয়েছিল। তারা স্ট্যান্ডার্ড লোগ্র্যাঙ্ক পরীক্ষা এবং তাদের নতুন মডেল ব্যবহার করে গোষ্ঠীগুলির তুলনা করে।
“আমাদের মডেল সেরাটি সম্পাদন করেছেন,” পিএইচডি, পিএইচডি, রিজেন্টস এবং স্কুল অফ পাবলিক হেলথের বিশিষ্ট অধ্যাপক যারা প্রমাণ-ভিত্তিক প্রতিরোধের পদ্ধতিগুলি নিয়ে গবেষণা করেন তাদের বিশিষ্ট অধ্যাপক বলেছেন। “আমরা যখন এটি দুটি বাস্তব-বিশ্বের পরিস্থিতিতে প্রয়োগ করেছি তখনও এটি ঘটেছিল।”
উভয় দৃশ্যের জন্য, traditional তিহ্যবাহী পরিসংখ্যান বিশ্লেষণ পদ্ধতি দুটি চিকিত্সার মধ্যে কোনও উল্লেখযোগ্য পার্থক্য প্রকাশ করে না। যখন নতুন মডেলটি প্রয়োগ করা হয়েছিল, তবে, প্রতিটি দৃশ্যের ফলাফলগুলি আবিষ্কার করে যে একটি চিকিত্সা পরিষ্কারভাবে উচ্চতর ছিল।
প্রথম দৃশ্যে সাত মাসের মধ্যে দুটি চিকিত্সার তুলনা করা যায় না এমন ছোট-কোষের ফুসফুসের ক্যান্সারে আক্রান্ত রোগীদের জন্য যাদের মূল বায়োমারকারের নিম্ন স্তরের ছিল। যারা যত্নশীলদের সাথে বাস করেন নি তাদের তুলনায় যত্নশীলদের সাথে বসবাসকারী হালকা ডিমেনশিয়া আক্রান্ত ব্যক্তিদের হ্রাস করার সময় পরিমাপ করার জন্য দ্বিতীয়টি একটি স্ট্যান্ডার্ড মূল্যায়ন ব্যবহার করেছিল।
“এই ফলাফলগুলি প্রতিশ্রুতিবদ্ধ, এবং আরও গবেষণার প্রয়োজন যা দুটি গ্রুপেরও বেশি তুলনা করে এবং এটি একাধিক কোভারিয়েট ব্যবহার করে, যেমন অংশগ্রহণকারীদের বয়স, জাতিগততা এবং আর্থ -সামাজিক অবস্থান,” হান বলেছিলেন। “তবুও, এই প্রাথমিক ফলাফলের উপর ভিত্তি করে, আমরা বিশ্বাস করি যে এই পদ্ধতিটি সময় থেকে ইভেন্টের ফলাফলগুলির বিশ্লেষণে দুটি গ্রুপের সমস্ত বিদ্যমান তুলনার চেয়ে আরও শক্তিশালী হতে পারে।”
গবেষণায় জড়িত অন্যরা হলেন এপিডেমিওলজি বিভাগ এবং বায়োস্ট্যাটিস্টিকস ডক্টরাল শিক্ষার্থী লরা হপকিন্স, রেমন্ড ক্যারল, পিএইচডি, টেক্সাস এএন্ডএম পরিসংখ্যান বিভাগের বিশিষ্ট অধ্যাপক এবং এলি লিলি অ্যান্ড কোম্পানির বহিরাগত সহযোগীদের এবং এইচ। লি মফিট ক্যান্সার সেন্টার অ্যান্ড রিসার্চ ইনস্টিটিউট।