Heterogeneous readmission prediction with hierarchical effect decomposition and regularization

Titre de l'étude

Prédiction hétérogène des réadmissions avec décomposition hiérarchique des effets et régularisation
(Heterogeneous readmission prediction with hierarchical effect decomposition and regularization)

1. Problématique

La prédiction précise des risques de réadmission hospitalière à l'aide de dossiers médicaux électroniques (DME) est cruciale pour la gestion des patients et l'allocation des ressources. Cependant, les populations de patients au sein des systèmes de santé sont hautement hétérogènes en fonction de leurs diagnostics principaux.

• Défi principal : Les relations entre les caractéristiques des patients et le risque de réadmission varient considérablement selon le contexte clinique (par exemple, l'impact de la glycémie diffère entre une insuffisance cardiaque et un syndrome hyperosmolaire).
• Limites des méthodes actuelles : Les approches traditionnelles utilisent souvent une stratégie "taille unique" qui ignore cette hétérogénéité, ou des modèles "boîte noire" difficiles à interpréter.
• Obstacle statistique : Bien que l'on puisse créer des modèles spécifiques à chaque sous-groupe (définis par les Groupes Homogènes de Malades - GHM/DRG), les échantillons au sein de ces sous-groupes sont souvent trop petits pour estimer des modèles à haute dimension (milliers de covariables) sans surajustement. Il est nécessaire de "prêter de la force" (borrowing strength) entre des sous-groupes liés tout en préservant la spécificité clinique.

2. Méthodologie : Le cadre hierNest

Les auteurs proposent un cadre de modélisation hiérarchique appelé hierNest, qui repose sur une re-paramétrisation imbriquée et des stratégies de régularisation structurée.

A. Re-paramétrisation Hiérarchique Imbriquée

Au lieu d'estimer directement les coefficients $\beta_d$ pour chaque DRG $d$, le modèle décompose l'effet d'une covariable en trois niveaux hiérarchiques :
$$\beta_d = \mu + \eta_{M(d)} + \delta_d$$
Où :

• $\mu$ : L'effet commun (global) de la covariable sur tous les DRG.
• $\eta_{M(d)}$ : L'effet spécifique à la Catégorie Diagnostique Majeure (MDC) à laquelle appartient le DRG $d$.
• $\delta_d$ : L'effet spécifique au DRG $d$.

Cette décomposition permet de partager l'information entre les DRG appartenant à la même MDC, tout en permettant des déviations spécifiques.

B. Stratégies de Régularisation

Pour estimer ces paramètres avec des données à haute dimension et des échantillons petits, deux méthodes de pénalisation sont proposées :

1. hierNest-Lasso :

   • Utilise une pénalité Lasso standard sur les paramètres re-paramétrés.
   • Intègre des facteurs d'ajustement basés sur la taille de l'échantillon ($K_M$ et $K_d$) pour pénaliser davantage les effets spécifiques aux petits groupes, assurant un rétrécissement (shrinkage) stable.
   • Permet de réduire les effets $\delta_d$ ou $\eta_M$ vers zéro si l'effet global $\mu$ suffit.

2. hierNest-Overlapping Group Lasso (hierNest-OGLasso) :

   • C'est la contribution méthodologique majeure. Elle impose une structure hiérarchique stricte dans la sélection des variables.
   • Règle de hiérarchie : Un effet spécifique à un DRG ($\delta_d$) ne peut être non nul que si l'effet de la MDC ($\eta_M$) est non nul, et un effet MDC ne peut être non nul que si l'effet global ($\mu$) est non nul.
   • Cela évite la sélection de faux positifs et force le modèle à respecter la logique clinique (un effet spécifique n'existe que s'il y a un effet de base).
   • L'algorithme utilise une méthode de Majorisation-Minimisation (MM) par groupe et des règles fortes séquentielles pour une efficacité computationnelle.

C. Implémentation Computationnelle

• Pour le Lasso, la méthode utilise une matrice de conception modifiée ($X_H$) compatible avec les logiciels existants (ex: glmnet en R).
• Pour le Group Lasso, un algorithme personnalisé a été développé car aucun logiciel standard ne gère directement cette pénalité de groupe chevauchant avec cette structure hiérarchique spécifique.

3. Contributions Clés

1. Cadre hierNest : Introduction d'une re-paramétrisation qui transforme un problème de régression à haute dimension en un problème de décomposition d'effets hiérarchiques (Global $\to$ MDC $\to$ DRG).
2. Régularisation Hiérarchique Contrainte : Développement d'une pénalité de groupe chevauchant qui garantit la cohérence hiérarchique des coefficients sélectionnés (un effet ne peut exister sans ses effets parents).
3. Efficacité et Interprétabilité : La méthode est capable de gérer des millions de paramètres (plus d'un million dans l'étude réelle) en quelques heures tout en fournissant des modèles interprétables à différents niveaux de granularité.
4. Adaptation aux Petits Échantillons : La méthode permet d'obtenir des prédictions robustes pour des sous-groupes de patients rares en empruntant de la force statistique aux groupes liés, là où les modèles par sous-groupe échoueraient.

4. Résultats

A. Études de Simulation

• Scénarios : Comparaison avec des méthodes Lasso standard, Lasso groupé, SparseGL, et Random Forest.
• Performance : La méthode hierNest-OGLasso surpasse systématiquement les autres méthodes, en particulier lorsque :
  • La taille de l'échantillon par sous-groupe est faible (30 à 50 observations).
  • Les effets spécifiques aux MDC sont faibles (le modèle évite de les pénaliser à tort vers zéro).
• Robustesse : Elle maintient une performance élevée même pour les pires sous-groupes (meilleur AUROC minimal), ce qui est crucial pour éviter de négliger des populations vulnérables.

B. Application Réelle (Prédiction de Réadmission)

• Données : 66 885 patients Medicare d'un système de santé académique, avec 3 291 prédicteurs et plus de 700 DRG regroupés en 24 MDC.
• Performance Prédictive :
  • Le modèle hierNest-OGLasso obtient les meilleurs résultats en termes de moyenne et de pire cas d'AUC (aire sous la courbe ROC) et d'AUPRC (courbe précision-rappel) sur des ensembles de validation externes (hôpital indépendant et année 2020).
  • Il surpasse le Random Forest et les modèles Lasso appliqués séparément par MDC (qui ne partagent pas l'information).
• Sélection de Variables :
  • Sur un espace de paramètres de plus de 1,8 million, le modèle final ne retient que 13 116 coefficients non nuls.
  • Parmi les 3 291 variables initiales, seules 168 sont sélectionnées.
  • Interprétation clinique : 53 variables ont un effet global (valable pour tous), tandis que d'autres ont des effets spécifiques à certaines MDC ou DRG. Par exemple, seuls 10 des 24 MDC ont des effets spécifiques non nuls, indiquant que pour la majorité des catégories, le modèle de risque est commun.

5. Signification et Implications

• Prise de décision clinique : Ce modèle offre un compromis idéal entre la flexibilité nécessaire pour capturer l'hétérogénéité des patients et la parcimonie requise pour l'interprétabilité clinique. Les médecins peuvent comprendre si un facteur de risque est général ou spécifique à une pathologie.
• Gestion des ressources : En identifiant avec précision les patients à risque de réadmission, même dans des sous-groupes rares, les systèmes de santé peuvent mieux cibler les interventions préventives.
• Généralisabilité : Bien que développé pour les DRG/MDC, le cadre hierNest est applicable à d'autres domaines hiérarchiques, comme la génétique (effets partagés vs spécifiques à un tissu) ou d'autres classifications médicales.
• Limites : La méthode dépend de la validité de la hiérarchie clinique préexistante et de la qualité des données des DME (manque de données sur les déterminants sociaux de la santé).

En conclusion, l'article présente une avancée méthodologique significative pour l'apprentissage automatique en santé, démontrant comment intégrer la structure hiérarchique des données médicales directement dans le processus de régularisation pour améliorer la précision et l'interprétabilité des modèles prédictifs.