Multivariate Functional Principal Component Analysis for Mixed-Type mHealth Data: An Application to Mood Disorders

Cet article propose une nouvelle méthode d'analyse en composantes principales fonctionnelles multivariées pour données mixtes ($M^2$FPCA), basée sur un modèle de copule gaussienne semi-paramétrique, afin d'identifier des biomarqueurs numériques temporels permettant de stratifier les sous-types de troubles de l'humeur à partir de données de santé mobile hétérogènes.

L'essentiel

🌟 Le Titre : Décoder la "Symphonie" de nos Journées

Titre original : Multivariate Functional Principal Component Analysis for Mixed-Type mHealth Data
Traduction imagée : Comment écouter l'orchestre de nos données de santé pour comprendre les troubles de l'humeur.

Imaginez que votre journée est une symphonie musicale. Vous avez différents instruments qui jouent en même temps :

• Votre humeur (triste, joyeux, anxieux) qui change comme une mélodie.
• Votre énergie qui monte et descend comme un crescendo.
• Votre activité physique (marcher, courir, dormir) qui est le rythme de la batterie.
• Des événements (manger, travailler) qui sont les notes de percussion.

Le problème ? Dans les études de santé modernes (mHealth), ces instruments ne jouent pas tous de la même manière :

• L'activité physique est un instrument continu (un violon qui joue sans arrêt).
• L'humeur est un instrument à touches (vous cliquez sur une échelle de 1 à 7).
• La douleur est parfois coupée (on ne la mesure que si elle dépasse un certain seuil).
• Les événements de la vie sont binaires (oui/non, comme un interrupteur).

Les statistiques classiques sont comme un chef d'orchestre qui ne sait écouter que les violons. Si vous lui donnez un mélange de violons, de percussions et de boutons, il est perdu.

🚀 La Solution : Le "Chef d'Orchestre Universel" (M2FPCA)

Les auteurs de cet article (Debangan Dey et son équipe) ont créé un nouveau chef d'orchestre, appelé M2FPCA. Ce n'est pas un simple outil, c'est une machine à traduire qui permet de comprendre comment tous ces instruments différents jouent ensemble, même s'ils sont mesurés à des moments irréguliers.

Voici comment ça marche, étape par étape :

1. La "Cuisine" des Données (Le Modèle Copule)

Imaginez que toutes vos données (humeur, activité, etc.) sont des ingrédients bruts et différents : des œufs, de la farine, du sucre.

• Le modèle suppose qu'il existe une "pâte magique" invisible (un processus gaussien latent) qui lie tout cela.
• Même si vous voyez des œufs (données continues) et du sucre (données binaires), le modèle imagine qu'ils proviennent tous de la même pâte de base.
• Il utilise une astuce mathématique (le "pont de Kendall") pour dire : "Même si ces données semblent différentes, elles bougent ensemble de la même manière."

2. Trouver les "Thèmes Musicaux" (Les Composantes Principales)

Une fois que le chef a traduit tout le monde sur la même langue, il cherche les thèmes récurrents de la journée. C'est comme si, dans une symphonie complexe, il isolait trois mélodies principales qui expliquent 80% de ce qui se passe :

• Thème 1 (La Charge Globale) : C'est le volume général de la journée. Est-ce que la personne est très active et très anxieuse ? Ou très calme et très triste ? C'est le "poids" de la journée.
• Thème 2 (Le Cycle Matin-Soir) : C'est la montée et la descente naturelle. Comme une marée, l'énergie monte le matin et descend le soir. C'est le rythme biologique normal.
• Thème 3 (Le Pic de Midi) : Une petite bosse au milieu de la journée, comme un soleil de midi, qui montre comment l'humeur et l'activité réagissent au moment de la pause déjeuner.

3. L'Application Réelle : Détecter les Troubles de l'Humeur

L'équipe a appliqué ce chef d'orchestre sur les données de 307 personnes (certaines saines, d'autres souffrant de dépression ou de troubles bipolaires).

Ce qu'ils ont découvert :

• L'anxiété est le grand chef : Elle est liée à tous les troubles. Peu importe le diagnostic, si l'anxiété fluctue beaucoup dans la journée, c'est un signal d'alarme.
• La Dépression (MDD) a un rythme "plat" : Les personnes dépressives ont un thème 2 (le cycle matin-soir) très faible. Leur énergie ne monte pas vraiment le matin et ne descend pas vraiment le soir. C'est comme une journée sans relief, plate et grise.
• Les Troubles Bipolaires ont un rythme "sauvage" :
  • Le Bipolaire I a une activité physique (marcher, bouger) très faible en moyenne.
  • Le Bipolaire II a une activité qui monte beaucoup le soir (un pic tardif).
  • C'est comme si leurs rythmes cardiaques internes étaient décalés par rapport à la normale.

💡 Pourquoi c'est génial ?

Avant, pour étudier ces gens, on leur posait des questions à des heures fixes (ex: "Comment vous sentez-vous à 14h ?"). C'était comme essayer de comprendre un film en regardant seulement 4 images fixes.

Grâce à cette méthode :

1. On utilise les données brutes des montres connectées et des questionnaires, même si elles sont prises à des moments bizarres.
2. On transforme tout cela en biomarqueurs digitaux (des signatures numériques uniques).
3. On peut maintenant dire : "Votre journée ressemble à celle d'une personne dépressive" ou "Votre rythme ressemble à celui d'un trouble bipolaire", simplement en analysant la "musique" de vos 24 heures.

🏁 En Résumé

Cet article nous dit que pour comprendre la santé mentale, il ne faut pas regarder les données comme des chiffres isolés, mais comme une chorégraphie complexe.

Leur nouvelle méthode est comme un traducteur universel qui permet de lire la danse de l'humeur, de l'énergie et du mouvement, même si les danseurs ne parlent pas le même langage. Cela ouvre la voie à une psychiatrie de précision, où le diagnostic ne repose plus seulement sur ce que le patient dit, mais sur la façon dont il vit réellement sa journée, minute par minute.

Résumé technique

Voici un résumé technique détaillé de l'article « Multivariate Functional Principal Component Analysis for Mixed-Type mHealth Data: An Application to Mood Disorders », rédigé en français.

1. Problématique et Contexte

L'avancée des technologies portables (wearables) et des applications mobiles de santé (mHealth) permet désormais de collecter des données massives et répétées au cours de la journée. Ces données combinent :

• Des mesures auto-rapportées (via l'Évaluation Écologique Momentaire ou EMA) concernant l'humeur, l'énergie, le stress, etc.
• Des mesures comportementales passives (via des capteurs comme les actigraphes) concernant l'activité physique, le sommeil, etc.

Cependant, l'analyse conjointe de ces données pose des défis statistiques majeurs :

1. Nature mixte des données : Les variables sont de types différents : continues (activité physique), tronquées (douleur), ordinales (humeur sur une échelle de Likert) et binaires (événements de vie).
2. Structure fonctionnelle : Les observations sont indexées par le temps (trajectoires diurnes) mais sont souvent irrégulières dans le temps et hétérogènes entre les sujets.
3. Limites des méthodes existantes : Les méthodes classiques d'Analyse en Composantes Principales Fonctionnelles (FPCA) supposent généralement des données continues et gaussiennes. Les approches pour données non gaussiennes se concentrent souvent sur la régression et ne permettent pas une modélisation conjointe cohérente de données multivariées mixtes.

L'objectif est de développer une méthode capable de réduire la dimension de ces données multivariées mixtes tout en capturant les dépendances temporelles intra-domaines et inter-domaines, afin d'identifier des biomarqueurs numériques pour les troubles de l'humeur.

2. Méthodologie Proposée : M2FPCA

Les auteurs proposent une nouvelle méthode appelée M2FPCA (Multivariate Functional Principal Component Analysis for Mixed-Type data), basée sur un cadre probabiliste unifié.

A. Modèle Sous-jacent : Le Processus Non-Paranormal Généralisé Multivarié (MGLNPP)

Le modèle suppose que les données observées mixtes proviennent d'un processus latent gaussien multivarié $V(t)$ via une hiérarchie de transformations :

1. Processus Latent : Un processus gaussien multivarié $V(t)$ avec une fonction de covariance croisée $C_{jk}(s,t)$.
2. Transformations Monotones : Des fonctions monotones $f_t$ transforment $V(t)$ en un processus continu latent $Z(t)$.
3. Cartes d'Observation : Des seuils spécifiques au type de variable transforment $Z(t)$ en données observées $X(t)$ :
   • Continues : $X = Z$
   • Tronquées : $X = Z \cdot I(Z > \Delta)$
   • Ordinales : $X = \sum k \cdot I(\Delta_{k} \le Z < \Delta_{k+1})$
   • Binaires : $X = I(Z > \Delta)$

Ce cadre permet de modéliser conjointement des variables de natures différentes tout en préservant la structure de dépendance sous-jacente.

B. Estimation Semiparamétrique

Puisque les données observées ne suivent pas une loi gaussienne, l'estimation directe de la covariance n'est pas appropriée. Les auteurs utilisent l'invariance du tau de Kendall ($\tau$) par rapport aux transformations monotones :

• Ils estiment d'abord les surfaces de corrélation latente $\tau_{jk}(s,t)$ à partir des données observées.
• Ils utilisent des fonctions de pont (bridging functions) spécifiques aux types de données pour relier $\tau$ à la fonction de corrélation latente $C_{jk}$ (via une copule gaussienne).
• Les surfaces de corrélation sont modélisées par des splines tensorielles et estimées par moindres carrés pondérés.

C. Deux Stratégies d'Estimation de la Covariance

Pour gérer la complexité computationnelle, deux variantes sont proposées :

1. M2FPCA (Estimateur Bloc Complet) : Estime conjointement toutes les surfaces de covariance et de covariance croisée ($J^2$ surfaces). Elle effectue ensuite une FPCA multivariée sur les trajectoires gaussiennes latentes prédites (via BLUP). C'est la méthode la plus flexible mais la plus coûteuse en calcul ($O(J^3)$).
2. ps-M2FPCA (Séparabilité Partielle) : Une alternative scalable qui suppose une séparabilité partielle. Elle suppose que les fonctions propres temporelles sont partagées entre les différents domaines (variables), mais que les scores peuvent varier.
   • Étape 1 : FPCA univariée (M1FPCA) pour chaque composante.
   • Étape 2 : FPCA multivariée sur les prédictions latentes en utilisant la structure de séparabilité partielle.
   • Cette approche réduit considérablement la complexité computationnelle ($O(J)$) tout en restant précise lorsque l'hypothèse de séparabilité partielle est valide.

3. Contributions Clés

1. Cadre Unifié : Introduction d'un processus latent non-paranormal généralisé multivarié (MGLNPP) capable de gérer simultanément des données binaires, ordinales, tronquées et continues dans un cadre fonctionnel.
2. Estimation Semiparamétrique : Utilisation du tau de Kendall pour estimer les dépendances latentes sans supposer de distributions marginales spécifiques, rendant la méthode robuste.
3. Scalabilité : Développement de l'approche ps-M2FPCA pour rendre l'analyse faisable sur des ensembles de données avec un grand nombre de domaines ou de points temporels.
4. Biomarqueurs Interprétables : La méthode produit des scores de composantes principales fonctionnelles (FPC scores) latents qui servent de biomarqueurs numériques résumant la dynamique coordonnée entre plusieurs domaines comportementaux.

4. Résultats

A. Études de Simulation

Des simulations ont été menées sur des données générées avec des structures de covariance stationnaires et non stationnaires (partiellement séparables).

• Performance : Les méthodes M2FPCA et ps-M2FPCA surpassent significativement la FPCA multivariée classique (MFPCA) appliquée directement aux données brutes (qui ne gère pas le type mixte).
• Précision : L'erreur quadratique intégrée (ISE) est jusqu'à 12 fois plus faible pour M2FPCA et 20 fois plus faible pour ps-M2FPCA par rapport à la méthode naïve MFPCA dans certains scénarios.
• Robustesse : Les deux méthodes capturent fidèlement les noyaux de corrélation latente, même avec des échantillons de taille modérée.

B. Application à l'Étude Familiale du NIMH (Troubles de l'Humeur)

La méthode a été appliquée à des données de 307 participants (sujets sains, dépression majeure, trouble bipolaire I et II) collectées sur 14 jours (humeur, anxiété, énergie, activité physique).

• Structure Latente : Les trois premières composantes fonctionnelles (FPC) expliquent 82 % de la variabilité totale :
  • FPC1 (64%) : Axe global de charge symptomatique et d'activité (corrélation négative entre activité et humeur négative/anxiété).
  • FPC2 (12%) : Contraste monotone matin-soir (pression homéostatique du sommeil).
  • FPC3 (6%) : Motif en cloche inversé (pic à midi), suggérant une modulation circadienne.
• Discrimination des Sous-types : L'utilisation des scores FPC comme prédicteurs dans un modèle de régression logistique LASSO a permis de distinguer les sous-types de troubles :
  • Anxiété : Les scores moyens et de variabilité de l'anxiété sont des marqueurs communs à tous les troubles de l'humeur.
  • Trouble Bipolaire I vs II : Des différences subtiles dans la pente homéostatique de l'activité (FPC2) permettent de distinguer les deux sous-types.
  • Dépression Majeure (MDD) : Associée spécifiquement à une réduction de la variabilité de l'énergie et à un gradient intra-journalier d'énergie plus faible.
  • Humeur Triste : N'est pas le meilleur discriminateur seul, soulignant l'importance de l'analyse dynamique multivariée.

5. Signification et Impact

Ce travail représente une avancée significative pour la psychiatrie numérique :

• Intégration Multimodale : Il offre une solution rigoureuse pour fusionner des données hétérogènes (capteurs + questionnaires) souvent traitées séparément.
• Biomarqueurs Dynamiques : Il démontre que les trajectoires temporelles latentes (et non seulement les moyennes) contiennent des informations cliniques cruciales pour stratifier les risques et identifier les sous-types de troubles.
• Applicabilité Clinique : La méthode ps-M2FPCA est suffisamment efficace pour être appliquée à de grands ensembles de données de santé réels, ouvrant la voie à des diagnostics plus précis et personnalisés basés sur les données mobiles.

En conclusion, l'article propose un cadre statistique robuste et flexible pour l'analyse des données de santé mobile complexes, transformant des données brutes hétérogènes en biomarqueurs fonctionnels interprétables pour la recherche sur les troubles de l'humeur.