Pseudo-value Based Mean Cumulative Count Regression

Resumen Técnico: Regresión de la Cuenta Acumulada Media Basada en Pseudovalores

Planteamiento del Problema
En aplicaciones biomédicas que involucran eventos recurrentes (por ejemplo, hospitalizaciones, exacerbaciones de enfermedades), el análisis estándar suele centrarse en las tasas o intensidades de eventos. Sin embargo, ante la presencia de censura por la derecha y eventos terminales (por ejemplo, la muerte), la pregunta científica frecuentemente se desplaza hacia la comprensión de la carga acumulada de la enfermedad durante un horizonte de tiempo clínicamente relevante. Dos resúmenes naturales para esta carga son la Función de Cuenta Media (MCF, por sus siglas en inglés), que representa el número esperado de eventos acumulados hasta un tiempo $\tau$, y el Área Bajo la MCF (AUMCF), que representa el tiempo total de ausencia de eventos perdido.

Si bien existen métodos no paramétricos para estimar estas cantidades y comparar tratamientos, el modelado de regresión directa para evaluar los efectos de las covariables sobre la MCF y la AUMCF está poco desarrollado. Los modelos existentes basados en la intensidad no siempre se traducen directamente en efectos interpretables sobre la carga acumulada, particularmente cuando el proceso de eventos recurrentes es truncado por la muerte. Además, los estimadores recientes de estas funcionales ajustados por covariables se han centrado en comparaciones de tratamientos no paramétricos o estadísticas de prueba linealizadas, en lugar de proporcionar un marco de regresión general para modelar directamente los efectos de las covariables.

Metodología
Los autores proponen un enfoque de regresión basado en pseudovalores para estimar los efectos de las covariables en la MCF y la AUMCF en un tiempo de truncación fijo $\tau$.

1. Objetivos de Regresión: El método define los coeficientes de regresión ($\beta$) no como parámetros de un modelo de intensidad subyacente, sino como la solución de ecuaciones de estimación poblacional. Específicamente, para un enlace de identidad, $\beta$ es la solución única de $E[W \{ \theta(\tau | W) - W^\top \beta \}] = 0$, donde $\theta$ representa la MCF o la AUMCF condicional dada las covariables $W$. Esto separa el objetivo de inferencia de los supuestos de cualquier modelo de tasa de eventos recurrentes específico.
2. Pseudovalores: Para estimar estos objetivos, los autores utilizan pseudovalores específicos de cada sujeto como resultados.
   • Jackknife Exacto: El pseudovalor exacto para el sujeto $i$ se define como $\hat{\xi}_i(\tau) = n\hat{\theta}(\tau) - (n-1)\hat{\theta}_{(-i)}(\tau)$, donde $\hat{\theta}_{(-i)}$ es el estimador computado tras eliminar al sujeto $i$.
   • Aproximación por Función de Influencia: Para evitar la carga computacional de $n$ recalculaciones de "dejar uno fuera" (leave-one-out), los autores aproximan los pseudovalores utilizando la función de influencia empírica: $\tilde{\xi}_i(\tau) = \hat{\theta}(\tau) + \hat{\phi}_i(\tau)$. El artículo demuestra que estos pseudovalores basados en la función de influencia son asintóticamente equivalentes a los valores del jackknife exacto.
3. Estimación: Una vez generados los pseudovalores, la regresión se realiza utilizando la maquinaria estándar de las Ecuaciones de Estimación Generalizadas (GEE). Bajo un enlace de identidad y una varianza de trabajo independiente del sujeto, esto se reduce a Mínimos Cuadrados Ordinarios (OLS). Se utilizan estimadores de varianza robustos para dar cuenta de la estructura de correlación inducida por los pseudovalores.

Resultados Clave
Los autores evaluaron el método propuesto mediante extensos estudios de simulación y una aplicación con datos reales:

• Validación de Pseudovalores: Las simulaciones confirmaron que la aproximación basada en la función de influencia es altamente concordante con los valores del jackknife exacto ($R^2 = 1.00$), con una diferencia absoluta media de solo el 0.4% del valor absoluto medio del jackknife.
• Precisión de la Estimación y Cobertura: En diversas muestras de tamaño ($N=50, 100, 200$), tiempos de truncación y parámetros de tasa de eventos recurrentes, los estimadores de regresión fueron insesgados. Los intervalos de confianza construidos utilizando errores estándar basados en el modelo alcanzaron una cobertura nominal del 95%.
• Robustez: El método se mantuvo robusto en escenarios donde:
  • La muerte y los eventos recurrentes eran dependientes a través de una fragilidad multiplicativa compartida.
  • Las covariables afectaban el proceso del evento terminal (tasa de muerte) en lugar de la tasa de eventos recurrentes.
• Inferencia Estadística: Las tasas de error Tipo I estuvieron bien calibradas bajo la hipótesis nula. El poder aumentó con el tamaño de la muestra y la magnitud del efecto del tratamiento, mostrando la MCF y la AUMCF un desempeño de prueba similar.
• Aplicación de Datos: El método se aplicó al ensayo clínico ORATORIO sobre esclerosis múltera primaria progresiva (EMPP). Utilizando covariables clínicas y de biomarcadores basales (por ejemplo, EDSS, volumen de lesiones T2), los autores modelaron la AUMCF de la progresión de la discapacidad. El análisis identificó la EDSS basal y la 9HPT como factores pronósticos significativos. Notablemente, el ajuste por covariables redujo el error estándar de la estimación del efecto del tratamiento en un 13.6% en comparación con la estimación no ajustada y en un 8.4% en comparación con el ajuste mediante aumentación.

Significancia y Reivindicaciones
El artículo afirma que la regresión basada en pseudovalores proporciona un "marco simple e interpretable" para modelar los efectos de las covariables en la carga acumulada de eventos recurrentes. Sus principales contribuciones incluyen:

1. Modelado Directo: Permite la regresión directa de la MCF y la AUMCF, evitando la necesidad de interpretar complejos parámetros de modelos de intensidad en términos de carga acumulada.
2. Eficiencia Computacional: Al utilizar pseudovalores basados en la función de influencia, el método evita el costo computacional de la estimación repetida de "dejar uno fuera", manteniendo la precisión.
3. Flexibilidad: El enfoque aprovecha el software estándar de GEE/OLS, lo que lo hace accesible para los investigadores. Permite el ajuste de covariables para mejorar la precisión en ensayos aleatorizados y permite la inclusión de términos de interacción para análisis de subgrupos.
4. Interpretabilidad: Los coeficientes resultantes representan el cambio en el conteo esperado de eventos acumulados o en el tiempo de ausencia de eventos perdido por unidad de cambio en una covariable, ofreciendo resúmenes clínicamente significativos que siguen siendo válidos en presencia de eventos terminales.

Los autores señalan una limitación respecto al supuesto de censura no informativa, sugiriendo que trabajos futuros podrían extender el marco para manejar la censura dependiente de las covariables mediante pesos de probabilidad inversa de censura.