Limited discriminative utility of resting-state heart rate variability for chronic pain–depression–anxiety comorbidity subtypes: an exploratory SHAP-based machine-learning analysis

Resumen Técnico: Utilidad Discriminativa Limitada de la VFC en Estado de Reposo para los Subtipos de CPDA

Planteamiento del Problema
El dolor crónico coexiste frecuentemente con la depresión y la ansiedad, formando una comorbilidad compleja conocida como Dolor Crónico–Depresión–Ansiedad (CPDA, por sus siglas en inglés). Si bien la evidencia clínica sugiere que existen subtipos distintos —específicamente: predominio de dolor-depresión, predominio de dolor-ansiedad y comorbilidad triple de dolor-depresión-ansiedad—, la evaluación clínica actual depende en gran medida de informes subjetivos de síntomas. Existe una falta de indicadores fisiológicos objetivos establecidos que sean capaces de diferenciar estos subtipos específicos de CPDA. Aunque la Variabilidad de la Frecuencia Cardíaca (VFC) es un marcador bien documentado de la regulación del sistema nervioso autónomo asociado con el dolor y los trastornos afectivos, su utilidad específica para distinguir entre estas presentaciones heterogéneas de CPDA sigue siendo incierta. Este estudio investiga si la VFC en estado de reposo puede servir como un biomarcador fiable para la clasificación de subtipos o si simplemente refleja un patrón transdiagnóstico general de desregulación autonómica.

Metodología
Este estudio transversal exploratorio utilizó datos de 172 pacientes adultos hospitalizados con dolor crónico reclutados en un hospital en el suroeste de China.

• Estratificación de Participantes: Del cohorte total, 82 pacientes fueron clasificados en tres subtipos de CPDA mutuamente excluyentes basados en las cargas de síntomas relativas a la media de la muestra:
  • Predominio de dolor-depresión ($n=8$): Depresión alta, ansiedad baja.
  • Predominio de dolor-ansiedad ($n=11$): Ansiedad alta, depresión baja.
  • Comorbilidad triple de dolor-depresión-ansiedad ($n=63$): Niveles altos tanto de depresión como de ansiedad.
  • Nota: Los participantes restantes no cumplieron con los criterios de umbral específicos para estos tres subtipos y fueron excluidos de los modelos de clasificación.
• Recolección de Datos:
  • Métricas Clínicas: Severidad/interferencia del dolor (Brief Pain Inventory–Short Form), síntomas depresivos (Escala de Hamilton para la Depresión, HAMD-24) y síntomas de ansiedad (Escala de Hamilton para la Ansiedad, HAM-A).
  • Métricas Fisiológicas: La VFC en estado de reposo se registró mediante un sensor de punta digital no invasivo de 5 minutos. Se extrajeron características que incluyeron índices de dominio del tiempo (p. ej., SDNN, RMSSD, pNN50, TINN, Índice Triangular) e índices de dominio de la frecuencia, así como métricas de frecuencia cardíaca.
• Enfoque de Aprendizaje Automático (Machine Learning):
  • Se construyeron tres clasificadores de Bosque Aleatorio (Random Forest) de "uno contra el resto" con pesos binarios para distinguir cada subtipo específico frente a los otros dos.
  • Manejo del Desequilibrio de Clases: Se aplicaron pesos de clase basados en la frecuencia inversa para penalizar la clasificación errónea de las clases minoritarias.
  • Validación: Los modelos se evaluaron en un conjunto de prueba mantenido aparte (división estratificada 8:2) utilizando ROC-AUC, exactitud, matrices de confusión e informes de clasificación.
  • Interpretabilidad: Se empleó el análisis SHAP (Explicaciones de Shapley Aditivas) para clasificar la importancia de las características y visualizar los patrones de contribución de los índices de VFC, incluyendo gráficos de dependencia para relaciones no lineales.

Resultos Clave
El estudio encontró que la VFC en estado de reposo demostró una utilidad discriminativa desigual y generalmente limitada a través de los subtipos de CPDA:

• Modelo de Predominio de Dolor-Depresión: Funcionó deficientemente con un AUC de 0.483. Crucialmente, el modelo no logró identificar correctamente ninguno de los 2 casos positivos en el conjunto de prueba, clasificándolos erróneamente como negativos.
• Modelo de Predominio de Dolor-Ansiedad: También mostró una discriminación deficiente con un AUC de 0.433. De manera similar al modelo de predominio de la depresión, falló en identificar los 2 casos positivos en el conjunto de prueba.
• Modelo de Comorbilidad Triple: Mostró una discriminación comparativamente mayor con un AUC de 0.712. Sin embargo, el modelo exhibió un sesgo hacia la clasificación positiva, identificando correctamente 13 casos positivos pero clasificando erróneamente 4 casos negativos como positivos. Los autores advierten que este rendimiento probablemente refleja la mayor carga de comorbilidad general en lugar de una firma de subtipo específica.
• Importancia de las Características (SHAP): Las principales características de la VFC variaron según el modelo:
  • Dolor-Depresión: Frecuencia Cardíaca Máxima, Frecuencia Cardíaca Media, pNN50.
  • Dolor-Ansiedad: TINN, pNN50, Índice Triangular de la VFC.
  • Comorbilidad Triple: Índice Triangular de la VFC, SDNN, CV.
  • Las distribuciones de SHAP para los subtipos minoritarios fueron estrechas y centradas cerca de cero, lo que indica una contribución marginal limitada de las características al resultado del modelo.

Significancia y Reivindicaciones
El artículo afirma explícitamente que la VFC en estado de reposo no puede utilizarse como un biomarcador independiente para la clasificación precisa de los subtipos de CPDA, particularmente para distinguir entre las presentaciones de predominio de dolor-depresión y predominio de dolor-ansiedad.

• Conclusión Primaria: La incapacidad de la VFC para diferenciar los subtipos de predominio único sugiere que la VFC refleja una desregulación autonómica transdiagnóstica compartida, común en el dolor y los trastornos afectivos, en lugar de una firma específica de un trastorno.
• Hallazgo Matizado: Aunque el modelo de comorbilidad triple mostró una mejor discriminación exploratoria, los autores lo atribuyen a la detección de un estado de "alta carga" caracterizado por una desregulación autonómica global severa, más que a una huella fisiológica única para la comorbilidad triple.
• Contribución Metodológica: El estudio proporciona una evaluación rigurosa, basada en SHAP, de las limitaciones de la VFC en este contexto, yendo más allá de la simple correlación para probar el rendimiento real de la clasificación. Destaca los riesgos de confiar en muestras pequeñas y desequilibradas para el descubrimiento de subtipos.
• Dirección Futura: Los autores concluyen que la VFC puede tener valor como un indicador de detección suplementario para la comorbilidad de alta carga, pero requiere validación en cohortes más grandes y equilibradas con indicadores multimodales (clínicos, inflamatorios, relacionados con el sueño) antes de que pueda informar la estratificación de CPDA.

Limitaciones Reconocidas por los Autores
El estudio enfatiza varias restricciones:

1. Definición de Subtipos: Los subtipos se definieron utilizando umbrales de la media de la muestra en lugar de puntos de corte diagnósticos clínicos establecidos, lo que limita la generalizabilidad a las categorías diagnósticas formales.
2. Tamaño de la Muestra: El pequeño número de participantes en los grupos de dolor-depresión ($n=8$) y dolor-ansiedad ($n=11$) limitó severamente el poder estadístico y la estabilidad del modelo.
3. Validación: La falta de validación externa y la dependencia de una única división de entrenamiento-prueba significa que los AUC reportados son estimaciones exploratorias.
4. Sensibilidad Contextual: La VFC en reposo a corto plazo es sensible a factores como la respiración, la postura y la medicación, lo que puede reducir su estabilidad como clasificador.