📊 statistics

A Latent Trajectory Analysis for Multivariate Outcomes with Mixed-Scale: Application to Alzheimer's Disease Neuroimaging Initiative

Cet article propose un nouveau modèle de trajectoire latente utilisant l'algorithme d'espérance-maximisation pour analyser des résultats longitudinaux multivariés à échelles mixtes, permettant l'identification de sous-groupes de patients dynamiques afin de soutenir la planification de traitements individualisés, comme le démontre une application à l'Alzheimer's Disease Neuroimaging Initiative (ADNI).

Auteurs originaux : Lindsay R. Salvati, Jungwun Lee

Publié 2026-08-10

📖 8 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Lindsay R. Salvati, Jungwun Lee

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Imaginez que vous essayez de comprendre comment une machine complexe, comme un moteur de voiture, évolue au fil du temps. Habituellement, les mécaniciens examinent une pièce à la fois : « La pression d'huile chute-t-elle ? » ou « La température augmente-t-elle ? ». Mais dans le monde réel, tout est connecté. La pression d'huile peut chuter parce que la température a augmenté, et les deux peuvent ne se produire que dans des voitures possédant un type spécifique de filtre à carburant. Si vous ne regardez que l'huile, vous passez à côté de toute l'histoire. C'est le défi auquel les scientifiques sont confrontés lors de l'étude de la maladie d'Alzheimer. Ils font face à une montagne de données : des chiffres qui peuvent être mesurés sur une échelle (comme les scores de tests de mémoire ou le poids corporel), et des catégories qui sont simplement des « oui » ou des « non » (comme avoir une hypertension artérielle ou un marqueur génétique spécifique).

Pendant longtemps, les statisticiens ont dû choisir : soit examiner tous les chiffres ensemble, soit examiner toutes les réponses oui/non ensemble, mais rarement les deux en même temps. C'est comme essayer de comprendre une symphonie en n'écoutant que les violons ou seulement les tambours, mais jamais l'orchestre entier. Le problème devient encore plus complexe car tout le monde ne suit pas le même scénario. Certaines personnes atteintes d'Alzheimer déclinent lentement, d'autres rapidement, et certaines restent stables pendant des années. Les outils mathématiques traditionnels supposent souvent que tout le monde est simplement une version légèrement différente de la personne « moyenne », ce qui masque ces différences importantes. Ce document présente une nouvelle façon d'écouter l'orchestre entier à la fois, même lorsque les instruments jouent des types de musique différents.

Le nouvel outil : Un « couteau suisse » statistique

Les auteurs de ce document, Lindsay R. Salvati et Jungwun Lee, ont construit un nouvel outil statistique appelé le Modèle de Profil de Classe Latente Mixte (Mixed-LCPM). Considérez ce modèle comme un détective super intelligent qui ne se contente pas de regarder les indices ; il regroupe les gens en équipes secrètes basées sur la façon dont leurs indices changent au fil du temps.

Dans le monde de la recherche sur la maladie d'Alzheimer, les scientifiques utilisent des données de l'Alzheimer's Disease Neuroimaging Initiative (ADNI). Il s'agit d'une collecte massive d'informations provenant de 919 personnes, suivies sur 48 mois (environ 4 ans). Tous les quelques mois, ces personnes passaient des tests de mémoire (nombres continus) et faisaient vérifier leur tension artérielle, leur indice de masse corporelle (IMC) et leur état de démence (catégories oui/non ou élevé/bas).

L'ancienne méthode d'analyse de ces données revenait à essayer de trier un sac de billes rouges et bleues en ne regardant que les billes rouges, puis séparément les billes bleues. Vous pourriez manquer le fait que les billes rouges lourdes accompagnent toujours les billes bleues brillantes. Le nouveau modèle Mixed-LCPM regarde les billes rouges et bleues simultanément. Il demande : « Qui sont les personnes dont les scores de mémoire chutent pendant que leur tension artérielle reste élevée ? Qui sont les personnes dont la mémoire reste stable malgré le fait qu'elles soient en surpoids ? »

Comment le détective fonctionne : Le système à deux couches

Le modèle utilise un processus ingénieux en deux étapes pour trouver ces groupes cachés, que les auteurs appellent classes latentes et profils latents.

Le cliché (Classes latentes) : Imaginez prendre une photo de tout le monde à un instant donné. Le modèle regarde cette photo et regroupe les gens en « classes » basées sur ce à quoi ils ressemblent à ce moment précis. Par exemple, une classe pourrait être « Mémoire élevée, Tension artérielle basse », tandis qu'une autre pourrait être « Mémoire faible, Tension artérielle élevée ».
Le film (Profils latents) : Maintenant, imaginez regarder un film de ces mêmes personnes sur six ans. Le modèle observe comment les gens passent d'une « classe » à une autre. Est-ce qu'ils restent dans le groupe « Mémoire élevée » pour toujours ? Est-ce qu'ils passent de « Mémoire faible » à « Mémoire élevée » (peu probable, mais possible mathématiquement) ? Ou dérivent-ils lentement du groupe « Sain » vers le groupe « Altéré » ?

En combinant ces deux étapes, le modèle identifie des trajectoires. Il ne dit pas seulement « La personne A est malade ». Il dit : « La personne A appartient à un groupe qui a commencé en bonne santé, est resté en bonne santé pendant un certain temps, puis s'est soudainement aggravé d'une manière spécifique ».

Ce qu'ils ont trouvé : Cinq groupes, six histoires

Lorsque les auteurs ont appliqué cet outil aux données de l'ADNI, ils ont découvert que les patients n'étaient pas simplement un flou de personnes « en train de s'aggraver ». Ils se répartissaient en cinq groupes distincts (classes latentes) basés sur leur mélange de scores de mémoire et de risques de santé :

Groupe 1 : Scores de mémoire élevés, faible risque d'hypertension ou d'obésité. (Le groupe « Sain »).
Groupe 2 : Scores de mémoire élevés, mais risque élevé d'hypertension et d'obésité. (Le groupe « Sain mais en mauvaise santé »).
Groupe 3 : Problèmes de mémoire légers, risque élevé d'hypertension et d'obésité.
Groupe 4 : Problèmes de mémoire légers, mais faible risque d'hypertension et d'obésité.
Groupe 5 : Troubles de la mémoire sévères sur tous les plans, avec des risques de santé élevés. (Le groupe « Altération significative »).

Mais la véritable magie s'est produite lorsqu'ils ont examiné les trajectoires (les histoires). Ils ont trouvé six chemins différents que les gens ont empruntés :

Stable et Sain : Des personnes qui sont restées dans le Groupe 1 tout au long de la période.
Stable mais en mauvaise santé : Des personnes qui sont restées dans le Groupe 2 (bonne mémoire, mauvaise santé) tout le temps.
Stable, léger et en mauvaise santé : Des personnes qui sont restées dans le Groupe 3.
Stable, léger et sain : Des personnes qui sont restées dans le Groupe 4.
Les Déclinants : Un petit groupe (environ 4,5 % des personnes) qui a commencé dans le Groupe 4 (altération légère, santé bonne) mais qui, à la fin de l'étude, était presque certainement passé au Groupe 5 (altération sévère).
Les Altérés stables : Des personnes qui sont restées dans les groupes altérés.

Pourquoi cela importe : Voir l'invisible

Ce document prouve que si vous n'aviez regardé que les scores de mémoire (les chiffres), vous auriez manqué une différence majeure. Par exemple, le groupe « Stable et Sain » et le groupe « Stable mais en mauvaise santé » avaient tous deux d'excellents scores de mémoire. Si vous n'aviez regardé que la mémoire, ils sembleraient appartenir au même groupe. Mais le nouveau modèle a vu que l'un avait une tension artérielle élevée et l'autre non.

De même, deux groupes présentant des problèmes de mémoire légers semblaient identiques lors des tests de mémoire, mais l'un était très en surpoids et l'autre ne l'était pas. En ignorant les données de santé « oui/non », les chercheurs auraient manqué ces différences cruciales.

Les auteurs ont également vérifié le fonctionnement de leur nouvel outil à l'aide de simulations. Ils ont créé des données fictives avec des réponses connues et ont appliqué leur modèle. Les résultats ont montré que le modèle est très efficace pour trouver les bons groupes, surtout lorsqu'il y a beaucoup de données (comme 1 000 personnes). Il a correctement identifié les schémas environ 95 % du temps, ce qui est un résultat très solide pour ce type de mathématiques complexes.

Les limites et l'avenir

Les auteurs précisent avec prudence qu'il s'agit d'une découverte statistique et non d'un remède médical. Ils ont trouvé que des facteurs tels que l'âge, le genre, l'éducation et le nombre d'allèles APOE4 (un marqueur génétique) étaient liés au « récit » (l'histoire) auquel une personne est susceptible d'appartenir. Par exemple, les personnes plus âgées étaient légèrement moins susceptibles d'être dans le groupe « Stable mais en mauvaise santé » par rapport au groupe « Stable et Sain ».

Cependant, le document note quelques limites. Les mathématiques sont complexes ; parfois, l'ordinateur reste bloqué dans un « maximum local », ce qui revient à un randonneur coincé dans une petite vallée pensant être au sommet de la montagne. Pour corriger cela, les auteurs ont exécuté le modèle 100 fois avec différents points de départ afin de s'assurer de trouver le véritable sommet. Ils ont également noté que leur modèle suppose que les données manquantes (comme un rendez-vous médical manqué) sont aléatoires, ce qui n'est pas toujours le cas dans la vie réelle.

À retenir

Ce document ne nous dit pas encore comment arrêter la maladie d'Alzheimer. Il offre plutôt aux scientifiques de meilleures lunettes. Avant, ils pouvaient voir une foule de personnes ayant l'air « un peu malades ». Maintenant, avec le Mixed-LCPM, ils peuvent voir que la foule est en fait composée d'équipes distinctes, chacune ayant son propre historique et son propre chemin futur. Cette clarté pourrait aider les médecins, à l'avenir, à choisir les bons patients pour les essais cliniques appropriés, garantissant que, lorsqu'ils testent un nouveau médicament, ils le testent sur un groupe de personnes qui sont réellement similaires, plutôt que sur un mélange confus de récits différents.

Résumé Technique : Une analyse de trajectoire latente pour des résultats multivariés à échelles mixtes

Énoncé du problème
La maladie d'Alzheimer (MA) est un trouble neurodégénératif progressif caractérisé par des manifestations cliniques hétérogènes. Les initiatives à grande échelle comme l'Alzheimer's Disease Neuroimaging Initiative (ADNI) génèrent des ensembles de données longitudinales exhaustifs contenant des variables de types mixtes : des mesures continues (ex: scores cognitifs, biomarqueurs) et des éléments catégoriels (ex: statut diagnostique, comorbidités). Analyser ces variables de concert est essentiel pour comprendre l'évolution de la maladie, mais cela présente des défis statistiques importants.

Les approches traditionnelles, telles que les modèles à effets mixtes, supposent souvent une trajectoire de moyenne de population unique, ce qui peut occulter une hétérogénéité significative de la progression de la maladie. Bien que la modélisation de mélange de croissance (Growth Mixture Modeling - GMM) identifie des sous-groupes latents, les cadres standards sont généralement limités à des résultats uniques ou reposent sur des hypothèses paramétriques concernant les vecteurs de moyenne et les matrices de variance-covariance. Si ces formes paramétriques sont mal spécifiées, les conclusions peuvent être trompeuses. À l'inverse, les approches non paramétriques comme les modèles de profils de classes latentes (LCPM) et les modèles de transition latente (LTM) offrent une certaine flexibilité mais sont restreintes aux résultats catégoriels, échouant à intégrer les mesures continues cruciales pour capturer la nuance de la progression de la MA. Il existe une lacune méthodologique pour modéliser les trajectoires conjointes de résultats continus et catégoriels simultanément sans imposer de formes de trajectoire paramétriques rigides.

Méthodologie
Pour combler cette lacune, les auteurs proposent le Modèle de Profil de Classe Latente Mixte (Mixed-LCPM), une extension du cadre LCPM standard.

Structure du modèle : Le modèle utilise une structure latente à deux niveaux :
1. Classes Latentes ( $C_t$ ) : À chaque point temporel $t$ , un vecteur de variables latentes catégorielles représente les schémas de réponse des sujets. Ces classes résument la distribution jointe des résultats observés (à la fois continus $Y_t$ et catégoriels $Z_t$ ).
2. Profils Latents ( $U$ ) : Une variable latente catégorielle de niveau supérieur résume les schémas séquentiels d'appartenance aux classes au fil du temps en $S$ profils de trajectoire représentatifs.
Hypothèses de distribution :
- Résultats continus : Modélisés selon une distribution normale multivariée avec des moyennes spécifiques à la classe ( $\mu_c$ ) et des matrices de covariance ( $\Sigma_c$ ).
- Résultats catégoriels : Modélisés à l'aide de distributions multinomiales avec des probabilités spécifiques à la classe ( $\pi_{pk|c}$ ).
- Indépendance conditionnelle : Le modèle suppose que les résultats à un point temporel spécifique sont conditionnellement indépendants de l'appartenance à la classe latente à ce moment-là. De plus, les appartenances aux classes latentes à travers le temps sont conditionnellement indépendantes de l'appartenance au profil latent.
Paramétrage :
- Paramètres de mesure : Incluent $\mu$ et $\Sigma$ pour les résultats continus, et $\pi$ pour les résultats catégoriels. Ils sont supposés invariants dans le temps pour assurer une interprétation cohérente des classes latentes à travers les périodes temporelles.
- Paramètres structurels : Incluent $\eta$ (probabilités de transition entre les profils et les classes) et $\gamma$ (prévalence des profils).
- Covariables : Les associations entre les covariables de niveau sujet ( $x$ ) et l'appartenance au profil latent sont modélisées via une régression logistique multinomiale.
Estimation : Les paramètres sont estimés par le maximum de vraisemblance (ML) via l'algorithme de type Espérance-Maximisation (EM).
- Étape E : Utilise l'algorithme forward-backward pour calculer efficacement les probabilités a posteriori des séquences de classes latentes et des appartenances aux profils, traitant ainsi la complexité computationnelle des séquences latentes de haute dimension.
- Étape M : Met à jour les paramètres pour maximiser l'espérance de la log-vraisemblance des données complètes. Des solutions en forme close sont utilisées pour les paramètres normaux et multinomiaux, tandis que l'algorithme de Newton-Raphson est employé pour les coefficients de régression ( $\beta$ ).
- Inférence : Les erreurs standards sont dérivées de l'inverse de la matrice Hessienne de la vraisemblance des données observées. La sélection de modèle (détermination du nombre de classes $K$ et de profils $S$ ) est effectuée à l'aide du critère d'information bayésien (BIC).

Contributions clés

Extension méthodologique : L'article étend le cadre LCPM pour gérer des résultats multivariés à échelles mixtes (continues et catégorielles), surmontant la limitation des modèles de trajectoire non paramétriques existants qui ne supportent que les données catégorielles.
Flexibilité non paramétrique : Contrairement aux GMM paramétriques, le Mixed-LCPM ne suppose pas de forme fonctionnelle spécifique (ex: linéaire, quadratique) pour la trajectoire. Au lieu de cela, les trajectoires sont caractérisées par les schémas séquentiels d'appartenance aux classes latentes, permettant une identification plus flexible et dictée par les données des tendances longitudinales.
Modélisation conjointe : L'approche modélise simultanément les associations entre les types de variables à des points temporels spécifiques et les corrélations découlant des mesures répétées, fournissant un cadre unifié pour les données longitudinales à échelles mixtes.
Implémentation : Les auteurs fournissent une implémentation en R de la méthode proposée et la valident par des études de simulation approfondies.

Résultats

Études de simulation : Les auteurs ont mené des simulations à travers quatre scénarios variant la séparation des classes (forte vs faible) et l'équilibre des profils (égal vs inégal) avec des tailles d'échantillon de $N=250, 500, 1000$ $N = 250, 500, 1000$ .
- L'estimateur a démontré une performance robuste avec un biais standardisé minimal ($|Sbias| < 0,1$) et des probabilités de couverture proches du niveau nominal de 0,95 pour $N=1000$ .
- Les probabilités de couverture étaient sensibles à la taille de l'échantillon, tombant sous 0,90 pour $N=250, ce qui est cohérent avec la nature asymptotique des erreurs standards de la modélisation de mélange.
Application ADNI : La méthode a été appliquée aux données ADNI ( $N=919$ $N = 919$ ) impliquant six points temporels (de la ligne de base au mois 48).
- Classes latentes : Cinq classes distinctes ont été identifiées, différenciant les patients par leur statut cognitif (Normal, Trouble léger, Trouble significatif) et leurs profils de risque vasculaire (Sain vs Non-sain concernant la pression artérielle et l'IMC).
- Trajectoires latentes : Six profils de trajectoire distincts ont été identifiés. Notamment, le modèle a distingué des groupes ayant des trajectoires cognitives similaires mais des profils de risque vasculaire différents (ex: "Cognition stable et Santé stable" vs "Cognition stable et Mauvaise santé stable").
- Associations de covariables : Des associations significatives ont été trouvées entre les covariables de base (Âge, Sexe, Éducation, allèles APOE4) et l'appartenance aux trajectoires. Par exemple, un âge avancé était associé à des probabilités plus faibles d'appartenir au profil "Normal et Non-sain" par rapport au groupe de référence "Normal et Sain".

Signification et affirmations
L'article affirme que le Mixed-LCPM proposé offre une alternative robuste et non paramétrique pour analyser des données longitudinales complexes où les résultats sont un mélange de variables continues et catégorielles. En identifiant des sous-groupes distincts basés sur des trajectoires conjointes, la méthode révèle une hétérogénéité dans la progression de la maladie que les analyses univariées ou de type unique pourraient occulter.

Les auteurs soulignent que, bien que la méthode identifie avec succès des schémas représentatifs de résultats multivariés et leurs associations avec les covariables, les résultats présentés de la cohorte ADNI sont destinés à illustrer l'approche statistique plutôt qu'à informer une prise de décision clinique immédiate. Ils reconnaissent des limites, notamment le recours à l'hypothèse de données manquantes au hasard (Missing at Random - MAR) pour traiter les données manquantes, et le coût computationnel de la sélection de modèle via une recherche par grille. Les directions futures suggérées incluent l'extension du modèle aux données groupées (clustered data) et le traitement des scénarios de données manquantes non au hasard (Missing Not at Random - MNAR) via des cadres de modélisation conjointe.