Variable Domain Multivariate Functional Principal Component Analysis

ملخص تقني: تحليل المكونات الرئيسية الوظيفية متعدد المتغيرات ذو النطاق المتغير

بيان المشكلة
يعد تحليل المكونات الرئيسية الوظيفية متعدد المتغيرات (MFPCA) تقنية قياسية لتقليل الأبعاد في مجموعات البيانات التي تحتوي على متغيرات وظيفية متعددة (مثل السلاسل الزمنية للعلامات الحيوية) المرصودة لنفس الأشخاص. ومع ذلك، تعتمد أطر عمل MFPCA الحالية، مثل النهج الشامل الذي قدمه هاب وبريفين [2018]، على افتراض جوهري مفاده أن جميع الملاحظات الوظيفية يجب أن تُسجل عبر نطاق مشترك وثابت. وفي التطبيقات العملية، لا سيما في الدراسات الطبية الحيوية الطولية، يُنتهك هذا الافتراض بشكل متكرر؛ حيث يمتلك الأشخاص فترات ملاحظة متفاوتة بسبب عوامل مثل اختلاف أوقات التنويم، أو تباين أطوال الإقامة في المستشفى، أو التسرب المبكر من الدراسة. ويؤدي هذا إلى ظهور "بيانات وظيفية ذات نطاق متغير"، حيث يختلف طول النطاق $T_i$ من شخص لآخر.

وتشمل الحلول الارتجالية الحالية لهذه المشكلة إما قصر التحليل على مجموعة فرعية مشتركة من النطاق (مما يؤدي إلى التخلص من بيانات قيمة للأشخاص ذوي فترات الملاحظة الأطول) أو تصنيف الأشخاص إلى مجموعات ذات أطوال نطاق متشابهة (مما يؤدي إلى إدخال تقطيع تعسفي ويفشل في نمذجة الاعتماد المستمر لهيكل التباين على طول النطاق). وبينما عالج جونز وآخرون [2019] النطاقات المتغيرة في السياق "أحادي المتغير"، لا يوجد إطار عمل حالي يعالج الحالة "متعددة المتغيرات" بفعالية، حيث يتم رصد متغيرات متعددة عبر نطاقات مختلفة ومتنوعة محتملة.

المنهجية
يقترح المؤلفون إطار عمل جديدًا، وهو تحليل المكونات الرئيسية الوظيفية متعدد المتغيرات ذو النطاق المتغير (VD-MFPCA)، والذي يوسع منهجية تحليل المكونات الرئيسية الوظيفية أحادي المتغير ذو النطاق المتغير لجونز وآخرين [2019] إلى الإعداد متعدد المتغيرات. وتتم المنهجية عبر أربع خطوات متميزة:

1. تحليل المكونات الرئيسية الوظيفية أحادي المتغير ذو النطاق المتغير: لكل متغير وظيفي $j$، يطبق المؤلفون نهج جونز وآخرين [2019] بشكل منفصل. يتضمن ذلك نمذجة دالة المتوسط $\mu_j(t, T_i)$ ودالة التباين $\gamma_j(t, s, T_i)$ كدوال سلسة لكل من الزمن $t$ وطول النطاق $T_i$ باستخدام شرائح الصفائح الرقيقة المعاقبة (PTPS) ضمن إطار نموذج الجمع المعمم. وينتج عن ذلك دالات ذاتية أحادية المتغير $\hat{\psi}^j_k(t, T_i)$ ودرجات $\hat{\xi}^j_{ik}(T_i)$ تعتمد صراحة على طول نطاق الشخص.
2. تجميع الدرجات أحادية المتغير: يتم تجميع الدرجات أحادية المتغير لكل شخص في متجه واحد $\xi_i(T_i)$.
3. نمذجة تباين الدرجات كدالة لطول النطاق: هذا هو الابتكار الجوهري. يدرك المؤلفون أن مصفوفة التباين للدرجات المجمعة، $C(T_i) = \text{Cov}(\xi_i | T = T_i)$، تعتمد على طول النطاق. وبدلاً من افتراض هيكل تباين ثابت، يقومون بنمذجة كل عنصر فريد في مصفوفة التباين التجريبية كدالة سلسة لـ $T$ باستخدام الشرائح المعاقبة. وهذا يسمح بتقدير مصفوفة تباين سلسة $\hat{C}(T)$ لأي طول نطاق محدد.
4. التحليل الذاتي متعدد المتقيمات: لأي طول نطاق محدد $T$، يتم تفكيك مصفوفة التباين المقدرة $\hat{C}(T)$ للحصول على القيم الذاتية متعددة المتغيرات $\nu_m(T)$ والمتجهات الذاتية $c_m(T)$. وتُستخدم هذه القيم لحساب الدرجات متعددة المتغيرات $\rho_{im}(T_i)$ والدالات الذاتية متعددة المتغيرات $\Psi^j_m(t, T_i)$، والتي تعتمد الآن على كل من الزمن وطول النطاق المحدد للشخص.

المساهمات الرئيسية

• إطار عمل مبتكر: يقدم البحث أول منهجية لـ MFPCA تستوعب صراحةً النطاقات الوظيفية المتغيرة دون بتر البيانات أو تقسيم الأشخاص إلى مجموعات (bins).
• التوسع النظري: يوسع إطار عمل تحليل المكونات الرئيسية الوظيفية أحادي المتغير ذو النطاق المتغير ليشمل الإعداد متعدد المتغيرات، معالجاً التحدي المعقد لنمذجة هيكل الاعتماد عبر متغيرات متعددة عندما يتم رصد تلك المتغيرات عبر فترات زمنية مختلفة.
• نمذجة التباين السلس: من خلال نمذجة تباين الدرجات المجمعة كدالة سلسة لطول النطاق، تلتقط الطريقة التغيرات المستمرة في هيكل الاعتماد التي تغفلها استراتيجيات التقسيم إلى مجموعات.

النتائج
تحقق المؤلفون من صحة المنهج من خلال دراسات محاكاة واسعة النطاق وتطبيق في العالم الحقيقي.

• دراسة المحاكاة: تمت مقارنة VD-MFPCA المقترح بمنهج "التقسيم" (تجميع الأشخاص حسب طول النطاق وتقليص البيانات إلى الحد الأدنى في كل مجموعة).

  • دقة إعادة البناء: حقق VD-MFPCA باستمرار خطأ جذر متوسط مربع (ARMSE) أقل بكثير في إعادة بناء الملاحظات الوظيفية مقارنة بنهج التقسيم، مع تحسينات تراوحت بين 50% وأكثر من 80% في سيناريوهات مختلفة.
  • تقدير الدالة الذاتية: أظهر VD-MFPCA دقة فائقة في تقدير الدالات الذاتية، لا سيما في ظل توزيعات طول النطاق الملتوية (مثل التوزيع ذي الحدين السالب)، حيث عانى نهج التقسيم من أخطاء عالية بسبب فقدان المعلومات في النطاقات المبتورة.
  • المتانة: ظل المنهق المقترح مستقراً عبر أحجام العينات المختلفة ($N=100, 500$)، ومستويات الضجيج، وتوزيعات النطاق، بينما أظهر نهج التقسيم حساسية لشكل التوزيع وعدد المجموعات المستخدمة.

• التطبيق على بيانات كوفيد-19: تم تطبيق الطريقة على مسارات درجة حرارة الجسم وتشبع الأكسجين الشعيري (SpO2) لـ 782 مريضاً من مرضى كوفيد-19 في المستشفيات، مع تباين في أطوال الإقامة (تراوحت من ~3 أيام إلى ~125 يوماً).

  • الأنماط المعتمدة على النطاق: كشف التحليل أن مسارات المتوسط وهياكل التباين تعتمد على طول الإقامة في المستشفى. فعلى سبيل المثال، أظهر المرضى الذين قضوا فترات أطول مستويات SpO2 منخفضة في البداية ثم تحسنت تدريجياً، وهو نمط حجبه استخدام الطرق ذات النطاق الثابت.
  • الأهمية السريرية: وُجد أن درجات المكون الرئيسي الأول (PC1) مرتبطة بقوة بوفيات المرضى والعمر، ولكنها ليست مرتبطة بطول فترة الملاحظة نفسها. وهذا يؤكد أن الطريقة نجحت في فصل الآثار الناتجة عن النطاق عن التباين الفسيولوجي الجوهري.
  • القيمة التنبؤية: سجل المرضى في أعلى ثلث لدرجات PC1 معدل وفيات بلغ 25.3%، مقارنة بـ ~7.5% في الثلثات الأدنى، مما يثبت قدرة الطريقة على التقاط المعلومات التنبؤية من المسارات المشتركة للعلامات الحيوية.

الأهمية والادعاءات
يزعم البحث أن VD-MFPCA يسد فجوة حرجة في تحليل البيانات الوظيفية من خلال توفير نهج منضبط لتقليل الأبعاد في البيئات متعددة المتغيرات ذات النطاقات المتغيرة. ويؤكد المؤلفون أن طريقتهم تقدم "مكاسب كبيرة" في كل من دقة إعادة البناء وتقدير الدالة الذاتية مقارنة بالاستراتيجيات الارتجالية القائمة.

تكمن أهمية العمل في قدرته على الاستفادة من كامل المحتوى المعلوماتي للبيانات الطولية دون بتر تعسفي أو تقسيم. وفي سياق تطبيق كوفيد-19، يسلط المؤلفون الضوء على أن الطريقة تلتقط أنماطاً فسيولوجية معقدة ومتغيرة زمنياً يمكن التنبؤ بها سريرياً (الوفاة والشدة المرتبطة بالعمر)، والتي قد يتم إغفالها أو تحريفها بواسطة طرق MFPCA التقلية ذات النطاق الثابت. ويخلص المؤلفون إلى أن هذه المنهجية ذات قيمة خاصة للبحوث السريرية المتعلقة ببيانات المستشفيات والمراقبة الطولية حيث تكون فترات الملاحظة متغيرة بطبيعتها.

ويبقى البحث متواضعاً فيما يتعلق بالقيود، حيث يقر بأن التنفيذ الحالي قد يكون متطلباً حاسوبياً لمجموعات البيانات الكبيرة جداً أو عدد كبير من المتغيرات، ويشير إلى أن العمل المستقبلي يمكن أن يستكشف التقدير الكمي لعدم اليقين البايزي والتعامل مع الملاحظات غير المنتظمة والمتفرقة ضمن إطار النطاق المتغير.