Spatial Proportional Hazards Model with Differential Regularization

Aquí presento un resumen técnico detallado del artículo "Nonparametric Proportional Hazards Model with Differential Regularization Applied to Spatial Survival Data" (Modelo de Riesgos Proporcionales No Paramétrico con Regularización Diferencial Aplicado a Datos de Supervivencia Espacial), escrito por Lorenzo Tedesco y Francesco Finazzi.

---

1. Planteamiento del Problema

El modelo de Riesgos Proporcionales (PH) de Cox es una herramienta fundamental en el análisis de supervivencia, asumiendo tradicionalmente una relación log-lineal entre las covariables y la función de riesgo. Sin embargo, en el contexto de datos de supervivencia espacial (donde el tiempo hasta el evento está asociado a una ubicación geográfica dentro de un dominio), esta suposición lineal es a menudo insuficiente para capturar efectos espaciales complejos.

Los desafíos principales identificados son:

• Limitaciones de los métodos existentes: Los enfoques no paramétricos estándar (como la verosimilitud local o los splines unidimensionales) sufren de inestabilidad, sesgo en los bordes o costos computacionales prohibitivos cuando se extienden a dominios bidimensionales.
• Geometría del dominio: La mayoría de los modelos espaciales asumen que la dependencia se basa únicamente en la distancia euclidiana, ignorando la geometría real del dominio (bordes irregulares, formas no convexas, agujeros internos), lo que puede generar resultados sesgados.
• Tratamiento del riesgo base: Muchos enfoques bayesianos o de verosimilitud compuesta requieren especificar paramétricamente el riesgo base, perdiendo la ventaja de tratarlo como un parámetro de molestia (nuisance parameter) como hace el modelo de Cox estándar.

2. Metodología Propuesta

Los autores proponen un modelo de riesgos proporcionales no paramétrico que incorpora un efecto espacial suave mediante una función no paramétrica $h_0(p)$, estimada dentro del marco clásico de verosimilitud parcial.

A. Formulación del Modelo

La función de riesgo condicional se define como:
$$\lambda(t | x, p) = \lambda_0(t) \exp(x^\top \beta_0 + h_0(p))$$
Donde:

• $\lambda_0(t)$ es el riesgo base no especificado.
• $x$ son las covariables con efectos lineales ($\beta_0$).
• $h_0(p)$ es una función suave desconocida que captura la variación espacial residual en el punto $p \in \Omega$.
• Se impone una condición de centrado $\int_\Omega h_0(p) dp = 0$ para garantizar la identificabilidad.

B. Estimación y Regularización Diferencial

Para estimar $h_0$, se maximiza una función de verosimilitud parcial penalizada:
$$Q_n(\beta, h) = \frac{1}{n} \sum_{i=1}^n \delta_i \left( x_i^\top \beta + h(p_i) - \log \sum_{j=1}^n I(Y_j \ge Y_i) e^{x_j^\top \beta + h(p_j)} \right) - \frac{\lambda}{2} \int_\Omega (\Delta h(p))^2 dp$$

• Penalización: El término $\int_\Omega (\Delta h)^2$ (donde $\Delta$ es el operador Laplaciano) penaliza la curvatura de la función, forzando suavidad.
• Condiciones de frontera: Se utilizan condiciones de Neumann homogéneas ($\nabla h \cdot n = 0$) para manejar los bordes del dominio.

C. Aproximación por Elementos Finitos (FEM) y Método de Sieves

Dado que el espacio de funciones es infinito-dimensional, el problema se hace tratable mediante:

1. Método de Elementos Finitos (FEM): Se discretiza el dominio $\Omega$ mediante una triangulación. A diferencia de los elementos lineales estándar ($C^0$), el término de penalización Laplaciana requiere funciones continuas con derivadas continuas ($C^1$). Los autores utilizan elementos de Argyris (polinomios de grado 5 por triángulo), que garantizan la continuidad $C^1$ y pertenecen al espacio de Sobolev $H^2(\Omega)$.
2. Método de Sieves (Tamices): Se define una secuencia de subespacios de dimensión finita $H_n$ que se vuelven densos en el espacio infinito-dimensional a medida que aumenta el tamaño de la muestra ($n \to \infty$). Esto permite derivar propiedades asintóticas rigurosas.

D. Optimización Numérica

El problema de maximización resultante es cóncavo y diferenciable. Se utiliza un algoritmo BFGS cuasi-Newton con gradientes analíticos, lo que permite una estimación eficiente incluso con alta dimensionalidad. El parámetro de suavizado $\lambda$ se selecciona mediante validación cruzada (minimizando la desviación de la verosimilitud parcial o maximizando el índice C).

3. Contribuciones Clave

1. Marco de Verosimilitud Parcial Espacial: Se demuestra que es posible realizar una estimación no paramétrica espacial directa dentro del marco de verosimilitud parcial de Cox, evitando la necesidad de especificar el riesgo base o asumir estructuras de dependencia complejas (como en los modelos de transformación normal).
2. Manejo de Dominios Irregulares: La integración de FEM con elementos $C^1$ permite modelar efectos espaciales en dominios con geometrías complejas (costas, lagos, islas) sin los sesgos de los métodos basados en mallas cartesianas o distancias euclidianas simples.
3. Propiedades Asintóticas Rigurosas: Utilizando la teoría de sieves (Chen, 2007), los autores prueban:
   • Identificabilidad del modelo.
   • Consistencia del estimador del componente espacial y paramétrico.
   • Normalidad Asintótica del componente paramétrico $\hat{\beta}_n$, permitiendo inferencia estadística estándar (intervalos de confianza, pruebas de hipótesis) sobre las covariables, a pesar de la presencia del efecto espacial infinito-dimensional.
4. Extensibilidad: El marco se adapta naturalmente a datos de áreas (areal data) promediando la función sobre subdominios, no solo a datos puntuales.

4. Resultados

Simulaciones

Se realizaron simulaciones en un dominio en forma de herradura con diferentes tamaños de muestra ($n=500, 1000, 2000$) y tasas de censura.

• Rendimiento: El modelo propuesto superó consistentemente a los modelos PH estándar y a los modelos PH con GAM (Splines de Placa Delgada).
• Precisión: Mostró un sesgo significativamente menor en la recuperación del efecto espacial ($L^2$ bias) y en los coeficientes de regresión.
• Cobertura: Las probabilidades de cobertura del 95% para los coeficientes $\beta$ fueron cercanas a los valores teóricos, validando la inferencia asintótica.

Aplicaciones Empíricas

1. Tiempo de Respuesta de Ambulancias en San Francisco:
   • Se modelaron 7,890 intervenciones considerando la geometría costera compleja de la ciudad.
   • El modelo identificó disparidades geográficas en la eficiencia de respuesta que persistían tras ajustar por covariables (clima, hora, prioridad). Se observó un gradiente norte-sur en Treasure Island y diferencias entre el centro y los barrios periféricos.
2. Datos Sísmicos Crowdsourced (Campi Flegrei, Italia):
   • Se analizaron tiempos de activación de smartphones durante un terremoto.
   • El modelo capturó la amplificación sísmica local (efecto de sitio) más allá de la distancia al epicentro, revelando un gradiente este-oeste en la intensidad percibida, consistente con estudios geológicos previos.

5. Significado e Impacto

Este trabajo representa un avance significativo en el análisis de supervivencia espacial al:

• Unificar flexibilidad y eficiencia: Combina la flexibilidad de los métodos no paramétricos con la eficiencia computacional y la robustez inferencial del modelo de Cox.
• Superar limitaciones geométricas: Ofrece una solución principista para dominios irregulares, un problema común en epidemiología, ecología y gestión de desastres que los métodos tradicionales no abordan adecuadamente.
• Validar inferencia: Proporciona la base teórica necesaria para realizar inferencia estadística válida sobre los efectos de las covariables en presencia de efectos espaciales no paramétricos complejos.

El enfoque propuesto es altamente aplicable a problemas donde la ubicación geográfica influye en el riesgo de un evento, desde la propagación de enfermedades hasta la fiabilidad de infraestructuras en terrenos complejos.