Scalar-on-distribution regression via generalized odds with applications to accelerometry-assessed disability in multiple sclerosis

ملخص تقني: الانحدار من نوع "السكالر على التوزيع" عبر الأرجحية المعممة

بيان المشكلة
تنتج تقنيات الصحة الرقمية (DHT) بيانات سلوكية مستمرة وعالية الدقة (مثل تسارع الحركة على مستوى الدقيقة) التي تشكل توزيعات غنية خاصة بكل فرد. ورغم أن هذه التوزيعات تحتوي على معلومات أكثر من الملخصات الرقمية (مثل إجمالي عدد نبضات النشاط اليومي)، إلا أن تحديد السمات التوزيعية الأكثر قدرة على التنبؤ بالنتائج السريرية يظل تحديًا مفتوحًا. وقد أظهر عمل سابق لـ "نيوغي وآخرون" [2024] أن التمثيلات القائمة على المخاطر (hazard-based representations)، والتي تركز على سلوك الذيل (مستويات النشاط القصوى)، تتفوق على التمثيلات الأخرى في التنبؤ بالإعاقة في مرض التصلب المتعدد (MS). ومع ذلك، فإن الطرق الحالية تعتمد غالبًا على كائنات توزيعية محددة (الكثافات، أو الربيعات، أو دالة البقاء، أو دالة المخاطر) والتي قد لا تستطيع استيعاب التباين بين القيم القصوى والقيم النموذجية بشكل كامل، لا سيما في سياقات البيانات المتفرقة أو المنفصلة.

المنهجية
يقترح المؤلفون إطار عمل موحد لـ "الأرجحية المعممة" (Generalized Odds - GO) لتمثيل التوزيعات الخاصة بكل فرد، ونموذج انحدار "السكالر على الأرجحية" (scalar-on-odds regression) المقابل له.

1. تعريف الأرجحية المعممة:
   يعرف إطار العمل دالة الأرجحية المعممة الخاصة بالفرد، $h_{4,F}$، كنسبة بين احتمالات حدثين عشوائيين داخل فضاء العينة. بالنسبة لمتغير عشوائي $X$ ذو توزيع $F$، وللفترات $A=[u_1, u_2]$ و $B=[u_2, u_4]$، تُعرف الأرجحية المعممة (GO) كما يلي:
   $$h_{4,F}(u_1, u_2, u_3, u_4) = \frac{P(X \in [u_3, u_4])}{P(X \in [u_1, u_2])} = \frac{F(u_4) - F(u_3)}{F(u_2) - F(u_1)}$$
   هذه الصيغة تعمم الكائنات التوزيعية الموجودة:

• دالة الكتلة الاحتمالية (PMF): $h_{4,F}(0, D, k, k-1) = p(k)$.
• دالة المخاطر (Hazard Function): $h_{4,F}(k, D, k-1, k) = \lambda(k)$.
• توزيع العمر المتبقي (Residual Life Distribution): $h_{4,F}(t, D, t, t+u)$.
• كائنات المؤشر الواحد والمؤشرين: حالات خاصة تقارن البقاء (survival) مع الاحتمال التراكمي ($S(u)/F(u)$) أو البقاء مع البقاء ($S(u_2)/F(u_1)$).

2. نموذج الانحدار:
   يصيغ المؤلفون نموذج انحدار "السكالر على الدالة" (scalar-on-functional regression) حيث ترتبط النتيجة السريرية $y_i$ (مثل درجة EDSS) بدالة الأرجحية $h_{F_i}$ عبر دالة ربط $g$:
   $$g(\mu_i) = \alpha + \int \beta(u) h_{F_i}(u) du$$
   حيث $\mu_i = E[y_i | X_i]$. يتم تقدير دالة المعامل $\beta(u)$ باستخدام تمثيل وظيفي قائم على الـ Spline. وتحديدًا، يتم تقريب $\beta$ عبر حاصل ضرب تينسور (tensor product) لدوال أساس B-spline:
   $$\beta(u_1, u_2, u_3, u_4) = \sum_{k_1}\sum_{k_2}\sum_{k_3}\sum_{k_4} b_{k_1,k_2,k_3,k_4} B_{k_1}(u_1)B_{k_2}(u_2)B_{k_3}(u_3)B_{k_4}(u_4)$$

3. التقدير والانتظام (Regularization):
   للتعامل مع الأبعاد العالية لمعاملات التينسور وتحديد المناطق التوزيعية ذات المعلومات، يستخدم المؤلفون تقدير الإمكان الأعظم المعاقب (penalized likelihood estimation). وقد قاموا بتقييم أربع دالات عقوبة لإحداث الندرة (sparsity) واختيار المتغيرات:

• Lasso ($L_1$)
• Elastic Net
• Smoothly Clipped Absolute Deviation (SCAD)
• Minimax Concave Penalty (MCP)

البيانات والتطبيق
تم تطبيق المنهجية على بيانات من دراسة HEAL-MS (التقييم المنزلي لقياس النشاط للتنبؤ بالوظائف الطولية في التصلب المتعدد)، والتي شملت 248 مشاركًا مصابًا بالتصلب المتعدد.

• المتنبئات: بيانات قياس التسارع من المعصم (GT9X Actigraph) جُمعت على مدار أسبوعين، تمت معالجتها إلى فترات زمنية مدتها دقيقة واحدة من حسابات النشاط (بعد تحويلها لوغاريتميًا) من الساعة 8 صباحًا حتى 8 مساءً.
• النتيجة: درجات مقياس حالة الإعاقة الموسع (EDSS) (من 0 إلى 10).
• المقارنة: تمت مقارنة نماذج GO مقابل الملخصات الرقمية الكلاسيكية (متوسط حسابات النشاط) ونماذج "السكالر على البقاء" (scalar-on-survival).

النتائج الرئيسية
باستخدام التحقق المتقاطع خماسي الطيات (5-fold cross-validation) مع 100 تكرار، سجلت الدراسة أداء التنبؤ التالي (مقاسًا بمعامل التحديد $R^2$ عبر التحقق المتقاطع) لدرجات EDSS:

• الملخص الرقمي (متوسط النشاط): $R^2 \approx 0.095$.
• السكالر على البقاء (Scalar-on-Survival): $R^2 \approx 0.115$.
• السكالر على أرجحية المؤشر الواحد (1-index Odds): $R^2 \approx 0.151$ (Lasso).
• السكالر على أرجحية المؤشرين (2-index Odds): $R^2 \approx 0.146 - 0.151$.
• السكالر على أرجحية المؤشرات الأربعة (المعممة): $R^2 \approx 0.208 - 0.209$.

تفوق نموذج الأرجحية المعممة (4-index GO) باستمرار على جميع النهج الأخرى، حيث ضاعف تقريبًا أداء الملخص الرقمي وحسن بشكل كبير نموذج البقاء. حققت عقوبات Elastic Net و Lasso أعلى قيم $R^2$ لنموذج الـ 4-index.

الأهمية والادعاءات
يزعم البحث أن إطار عمل الأرجحية المعممة يقدم تقدمًا منهجيًا هامًا من خلال:

1. استهداف سلوك الذيل مباشرة: بخلاف تمثيلات المؤشر الواحد (مثل الكثافات) التي تلخص الشكل العام، تقوم دالات GO صراحةً بمقارنة القيم القصوى بالقيم النموذجية، مما يلتقط "سلوك الذيل" الذي ثبتت أهميته في أبحاث التصلب المتعدد السابقة.
2. المتانة (Robustness): تظل صيغة النسبة معرفة ومستقرة حتى في حالات البيانات المتفرقة أو المحدودة أو المنفصلة حيث قد تفشل عملية تقدير الكثافة المباشرة.
3. إطار عمل موحد: يستوعب هذا الإطار تمثيلات المخاطر والبقاء والعمر المتبقي كحالات خاصة، مما يوفر نهجًا مرنًا وموحدًا للمتغيرات التوزيعية.

خلص المؤلفون إلى أن المتغيرات التوزيعية القائمة على الأرجحية توفر قيمة تنبؤية فائقة لبيانات تقنيات الصحة الرقمية في السياقات السريرية، مبرهنين تحديدًا على أن سلوك الذيل في النشاط البدني هو محرك حاسم لنتائج الإعاقة في مرض التصلب المتعدد. وأشاروا إلى أنه رغم تركيز التطبيق على التصلب المتعدد، فإن إطار العمل قابل للتطبيق على نطاق واسع في المجالات الأخرى التي يكون فيها التباين بين السلوكيات القصوى والنموذجية ذا معنى علمي.