risk of bias assessment विधिSystematic review7 मिनटCritical appraisal या review के काम में लगे लोगों के लिए

Risk of bias assessment:सवाल quality का नहीं, विकृति की गुंजाइश का

कभी आपसे कहा गया है — "इस पेपर का risk of bias assess करो" — और क्या देखना है यह ठीक से न जानते हुए आपने धुंधले मन से "शायद low risk" लिख दिया? शुरुआत शब्दावली से करें। Risk of bias assessment पेपर को अंक देना नहीं है। यह आकलन है कि study के methods उसके नतीजों के सच से भटकने (विकृति) की कितनी गुंजाइश छोड़ते हैं। यह बात बैठ गई, तो आपको ठीक-ठीक पता होगा कि नज़र कहाँ टिकानी है।

Published: 2026-07-22

"साफ़-सुथरे नतीजे" और "bias-रोधी methods" अलग-अलग चीज़ें हैं

एक आम फंदा है यह अंतर्ज्ञान कि statistically significant, चमकदार नतीजों वाली study का risk कम ही होगा। सच इसके उलट है: biased methods भी बख़ूबी साफ़-सुथरे नतीजे पैदा कर सकते हैं।

इसीलिए risk of bias assessment नतीजों से पहले methods देखता है। निर्णय का आधार methods का विवरण है, नतीजों की चमक नहीं।

Study design के साथ नज़रिया बदलता है

बुनियादी बात: bias का risk किन कोणों से देखा जाए, यह design पर निर्भर है। RCT, observational studies और diagnostic accuracy studies — तीनों के अपने-अपने मानक assessment tools हैं।

इन designs के लिए स्थापित tools मौजूद हैं। कौन-सा tool इस्तेमाल होगा, यह आपकी review के प्रकार, team और target journal पर निर्भर करता है — शुरू करने से पहले जाँच लें। नीचे साझा तर्क समझाने के लिए हम RCT का उदाहरण लेंगे।

RCT में क्या-क्या देखें: उदाहरण

RCT में मानक जाँच शुरू होती है allocation की विधि से (क्या randomization sequence बनाने का तरीक़ा बताया गया है?) और allocation concealment से (क्या ऐसा तंत्र था जो किसी को आने वाले assignments का पूर्वानुमान लगाने से रोकता?)।

फिर blinding (क्या participants, intervention देने वाले और सबसे बढ़कर outcome assessors को group का पता नहीं था?)। Missing data (कितने बीच में छूटे और उन्हें कैसे handle किया गया?)। और selective reporting — क्या pre-registered outcomes वही हैं जो पेपर में report हुए?

कहाँ पढ़ें: Methods, registration records, supplements

यह जानकारी बिखरी होती है — मुख्यतः Methods section में, पर trial registration records (registration number से खोजे जा सकते हैं), protocol papers और supplementary materials में भी।

"Report नहीं हुआ" भी अपने-आप में एक finding है। Allocation concealment का ज़िक्र ही न हो, तो यह अनुपस्थिति भी assessment में गिनी जाती है। बुनियादी नियम: चुप्पी को कभी "शायद ठीक ही रहा होगा" न पढ़ें।

AI summary risk of bias का निर्णय क्यों नहीं कर सकती

यहाँ तक पढ़कर कारण दिखने लगता है। Summary "जो लिखा है उसका संक्षेप" है — और इस assessment की दो कुंजियाँ — जो लिखा ही नहीं गया, और जो registration record से टकराता है — सिद्धांततः किसी summary में बच ही नहीं सकतीं।

इसका मतलब यह नहीं कि AI यहाँ बेकार है। AI से कहना — "इस पेपर से allocation, blinding और missing data के सारे अंश निकालो" — तैयारी के लिए सचमुच उपयोगी है। पर अंतिम निर्णय — यह परखना भी कि extraction पूरी थी या नहीं — उसी का काम है जिसने मूल पेपर पढ़ा है।

हर domain को "निर्णय + तर्क की एक पंक्ति" के रूप में दर्ज करें

हर domain के लिए सिर्फ़ निर्णय नहीं, उसके पीछे का तर्क भी दर्ज करें: "Blinding: some concerns — outcome assessor की blinding का कोई ज़िक्र नहीं (Methods p.5)।"

साक्ष्य-सहित records सीधे team की सहमति-चर्चाओं और peer review के जवाबों में काम आते हैं। फ़ैसले के शब्दों से ज़्यादा टिकाऊ संपत्ति है तर्क की वह एक पंक्ति।

Assessment notes का ठिकाना

Paperfy में assess हो रही PDF और उसकी AI summary व figures एक ही पेज पर रहते हैं — जिससे "अंश खोजो → निर्णय करो → दर्ज करो" का चक्र छोटा हो जाता है।

हर domain का निर्णय और तर्क summary में जोड़ते जाएँ, तो पूरे risk of bias assessment का record पेपर के साथ आपकी library में सुरक्षित रहता है — GRADE जैसे overall certainty of evidence के चरण पर बढ़ते समय दोबारा देखना आसान।

अंत में: समझदार assessors भी असहमत होते हैं

Risk of bias assessment ऐसा काम है जिसमें प्रशिक्षित assessors की राय भी बँट जाती है। किसी एक व्यक्ति के निर्णय को अंतिम सत्य न मानें; जिन बिंदुओं पर संदेह हो, उन्हें team में चर्चा के लिए रखने की योजना बनाकर चलें।

इस प्रक्रिया का लक्ष्य "पूरे आत्मविश्वास से फ़ैसला सुनाना" नहीं — "साक्ष्य के सहारे तर्क कर पाना" है।