📊 statistics

A joint model of the individual mean and within-subject variability of a longitudinal outcome with a competing risks time-to-event outcome

Este artículo propone un modelo conjunto semiparamétrico y escalable que estima simultáneamente la media y la variabilidad intrasujeto de los biomarcadores longitudinales junto con los eventos de tiempo hasta el suceso de riesgos competitivos, demostrando mediante simulaciones y la cohorte MESA que tener en cuenta la variabilidad heterogénea mejora significativamente la inferencia y la predicción de riesgos en comparación con los modelos clásicos.

Autores originales: Shanpeng Li, Daniel S. Nuyujukian, Robyn L. McClelland, Peter D. Reaven, Jin Zhou, Hua Zhou, Gang Li

Publicado 2026-07-30

📖 3 min de lectura☕ Lectura para el café

CC BY 4.0

Autores originales: Shanpeng Li, Daniel S. Nuyujukian, Robyn L. McClelland, Peter D. Reaven, Jin Zhou, Hua Zhou, Gang Li

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina que estás intentando predecir el clima para una ciudad específica. La mayoría de los meteorólogos observan la temperatura promedio del último mes para adivinar si lloverá mañana. Pero, ¿qué pasaría si la temperatura oscilara salvajemente entre el congelamiento y el calor abrasador cada día, incluso si el promedio se mantuviera igual? Ese caos —los "temblores" de los datos— podría ser, de hecho, la pista más importante de todas. En el mundo de la ciencia médica, los investigadores han estudiado durante mucho tiempo cómo cambian nuestros cuerpos con el paso del tiempo, rastreando cosas como la presión arterial o el azúcar en la sangre. Tradicionalmente, se centraban en el nivel "promedio": ¿es tu presión arterial alta o baja? Pero un creciente cuerpo de investigación sugiere que la variabilidad —cuánto saltan tus números de un día para otro— es tan crítica como el promedio mismo. Si tu cuerpo fuera un coche, la velocidad promedio te dice qué tan rápido vas, pero la variabilidad te dice si el motor está chisporroteando o funcionando suavemente. Comprender estos "temblores" podría ayudar a los médicos a predecir quién está en riesgo de sufrir eventos de salud graves, como insuficiencia cardíaca o la muerte, mucho antes de que ocurra una crisis.

Aquí es donde entra en juego un nuevo artículo de Shanpeng Li y su equipo. Ellos abordaron un problema complicado: cómo estudiar estos "temblores" (que los científicos llaman variabilidad intra-sujeto) cuando las personas abandonan los estudios porque se enferman o fallecen. Imagina intentar medir el temblor del motor de un coche mientras el coche está conduciendo, pero algunos coches chocan y se detienen a mitad de la prueba. Si solo observas los coches que terminaron la carrera, podrías perderte el hecho de que los que chocaron eran los que más temblaban. Los autores se dieron cuenta de que los métodos antiguos a menudo ignoraban este problema de "abandono" o asumían que el cuerpo de todos temblaba de una manera predecible, lo cual no es cierto. Para solucionar esto, construyeron una herramienta matemática totalmente nueva —un "modelo conjunto"— que actúa como un detective superinteligente. Esta herramienta observa dos cosas a la vez: el nivel promedio de un marcador de salud (como la presión arterial) y qué tanto fluctúa, mientras también vigila el reloj para ver cuándo ocurren eventos graves.

El equipo probó su nueva herramienta utilizando un conjunto de datos masivo llamado MESA, que siguió a más de 6,700 personas de diversos orígenes que inicialmente estaban sanas. Querían ver si los "temblores" en la presión arterial estaban vinculados con la insuficiencia cardíaca y la muerte, incluso después de tener en cuenta el nivel de presión arterial promedio. Sus simulaciones mostraron que su nuevo método es mucho mejor para captar la verdad que las herramientas más antiguas. Cuando aplicaron su método a los datos reales de MESA, encontraron algo emocionante: las personas cuya presión arterial oscilaba mucho tenían, de hecho, un mayor riesgo de insuficiencia cardíaca y muerte, incluso si su presión arterial promedio parecía normal. Esto sugiere que los "temblores" son una señal de advertencia real que se aplica a una amplia variedad de personas, no solo a aquellas en ensayos clínicos estrictos. Además, al incluir estas fluctuaciones en sus predicciones, el modelo mejoró su capacidad para decir quién se enfermaría y quién no, mejorando su habilidad para detectar el peligro. Los autores también lanzaron un paquete de software gratuito para que otros científicos puedan usar esta nueva herramienta de detección en sus propios datos, ayudando a que las predicciones de salud sean más precisas para todos.

Resumen Técnico: Un Modelo Conjunto para la Media Individual y la Variabilidad Intra-sujeto de un Resultado Longitudinal con Resultados de Tiempo hasta el Evento de Riesgos Competición

Planteamiento del Problema
La investigación reciente ha enfatizado cada vez más la importancia de modelar la variabilidad intra-sujeto (WS, por sus siglas en inglés) en los biomarcadores longitudinales y su asociación con los resultados de salud. Los modelos conjuntos tradicionales, que vinculan la trayectoria de la media de un biomarcador longitudinal con resultados de tiempo hasta el evento, suelen asumir una varianza WS homogénea (constante) en todos los sujetos y tiempos. Esta suposición puede conducir a un sesgo de estimación sustancial, inferencia inválida y una predicción inferior cuando la variabilidad WS es heterogénea. Además, los métodos existentes para manejar la variabilidad WS heterogénea suelen depender de funciones de riesgo basal completamente paramétricas, lo cual puede ser restrictivo, o no logran contabilizar los datos faltantes no ignorables causados por eventos terminales (abandono informativo). Asimismo, surgen desafíos computacionales al aplicar estos modelos complejos a datos de biobancos a gran escala que involucran decenas de miles de sujetos.

Metodología
Los autores proponen un modelo conjunto semiparamétrico que aborda simultáneamente tres componentes:

Submodelo Longitudinal: Un modelo de localización-escala múltiple de efectos mixtos que caracteriza tanto la trayectoria de la media como la variabilidad WS de un biomarcador longitudinal. El componente de varianza se modela como una función exponencial de covariables y efectos aleatorios, permitiendo una variabilidad WS heterogénea.
Submodelo de Supervivencia: Un modelo de riesgos proporcionales de Cox de causa específica para resultados de tiempo hasta el evento de riesgos competición (por ejemplo, insuficiencia cardíaca y muerte). Crucialmente, las funciones de riesgo basal se dejan completamente no especificadas (semiparamétricas), evitando suposiciones paramétricas restrictivas.
Estructura de Asociación Latente: Los submodelos se vinculan mediante efectos aleatorios compartidos entre la media longitudinal, la variabilidad residual y los resultados de supervivencia. Los autores proporcionan una estrategia de reparametrización para desenredar los efectos de los efectos aleatorios correlacionados (media frente a variabilidad residual) para una interpretación más clara.

Estimación y Computación

Estimación de Parámetros: Se deriva un algoritmo de Esperanza-Maximización (EM) para la estimación de máxima verosimilitud semiparamétrica. El paso E utiliza la cuadratura de Gauss-Hermite adaptativa para la integración numérica, mientras que el paso M emplea soluciones de forma cerrada para las funciones de riesgo acumulado basal y actualizaciones de Newton-Raphson para otros parámetros.
Inferencia: Los errores estándar se estiman utilizando un método de verosimilitud de perfil, que tiene en cuenta la dependencia de la verosimilitud de perfil sobre las estimaciones del riesgo basal, abordando los problemas de pérdida de información encontrados en enfoques previos.
Escalabilidad: Para manejar datos a escala de biobanco (decenas de miles de sujetos), los autores optimizan la implementación para escenarios donde el submodelo de supervivencia incluye únicamente covariables independientes del tiempo y efectos aleatorios compartidos. Al aplicar algoritmos de escaneo lineal, la complejidad computacional se reduce de $O(n^2)$ u $O(n^3)$ a $O(n)$ , permitiendo el análisis eficiente de grandes conjuntos de datos.
Predicción: El marco de trabajo permite la predicción dinámica de las probabilidades de incidencia acumulada para riesgos competición basándose en la historia longitudinal de un sujeto hasta un tiempo de hito (landmark time).

Contribuciones Clave
El artículo describe cuatro contribuciones principales:

Flexibilidad del Modelo: El modelo propuesto no requiere un riesgo basal paramétrico en el submodelo de riesgos competición, ofreciendo una mayor robustez contra la especificación errónea del modelo en comparación con los modelos conjuntos plenamente paramétricos existentes.
Algoritmos de Estimación: Los autores desarrollan procedimientos de estimación e inferencia a medida para este marco semiparamétrico, acomodando covariables dependientes del tiempo y estructuras de asociación latente flexibles, que el software estándar no puede manejar directamente.
Implementación Eficiente: El desarrollo de algoritmos de escaneo lineal escalables permite que el modelo se aplique a conjuntos de datos masivos (por ejemplo, biobancos), lo que representa un avance significativo sobre los métodos existentes que luchan con cuellos de botella computacionales ante tamaños de muestra grandes.
Disponibilidad de Software: Se ha desarrollado y puesto a disposición pública en CRAN un paquete de R de fácil uso, JMH, para facilitar la aplicación de este modelo de efectos aleatorios compartidos.

Resultos

Estudios de Simulación:
- En escenarios con varianza WS heterogénea, el modelo propuesto (Modelo 1) demostró sesgos pequeños y probabilidades de cobertura cercanas al nivel nominal del 95%.
- En contraste, un modelo conjunto clásico que asume varianza WS homogénea (Modelo 2) exhibió un sesgo sustancial en las estimaciones de los parámetros (incluyendo efectos fijos y parámetros de asociación) y subestimó severamente los errores estándar, con tasas de cobertura de intervalos de confianza tan bajas como el 5%.
- El modelo propuesto también superó a los métodos que ignoran el abandono informativo (por ejemplo, los modelos de localización-escala de efectos mixtos estándar), los cuales produjeron estimaciones sesgadas cuando hubo eventos terminales presentes.
- Las métricas de predicción (MAPE, puntuación de Brier, C-index) mostraron que el modelo propuesto superó consistentemente al modelo de varianza homogénea en la predicción dinámica de eventos.
- Las pruebas de escalabilidad demostraron que el paquete JMH es al menos 100 veces más rápido que los paquetes existentes (por ejemplo, FlexVarJM) para tamaños de muestra grandes.
Análisis de Datos MESA:
- Aplicado a la cohorte del Estudio Multiétnico de la Aterosclerosis (MESA) (6,743 participantes), el modelo confirmó que la variabilidad intra-sujeto de la presión arterial sistólica (PAS) difiere significamente entre individuos y a lo largo del tiempo.
- Tras controlar los niveles de PAS, la variabilidad residual WS se asoció fuertemente con un aumento en los riesgos de insuficiencia cardíaca (HR = 2.26) y muerte (HR = 1.88). Esto extiende los hallazgos previos de poblaciones de ensayos clínicos homogéneas a una cohorte más diversa étnicamente y generalmente sana.
- La incorporación de la variabilidad WS heterogénea mejoró la capacidad discriminativa para predecir la insuficiencia cardíaca (el C-index aumentó de 0.77 a 0.84) y la muerte (el C-index aumentó de 0.77 a 0.80).

Significancia
El artículo sostiene que modelar explícitamente la variabilidad WS heterogénea es crucial para una inferencia estadística precisa y la predicción de riesgos en estudios longitudinales con riesgos competición. El método propuesto aborda las limitaciones de los enfoques de dos etapas ad hoc y de los modelos conjuntos clásicos al proporcionar un marco semiparamétrico unificado que maneja el abandono informativo y la varianza heterogénea. La escalabilidad de la implementación permite que estos rigurosos métodos estadísticos se apliquen a datos de biobancos a gran escala, potenciando potencialmente la generalizabilidad de los hallazgos sobre la variabilidad de biomarcadores y los resultados de salud a poblaciones más amplias y diversas. La disponibilidad del paquete JMH respalda adicionalmente la adopción de estos métodos en la investigación aplicada.

Más como este