A Compound Logistic Regression Model for Binary Responses

Sintesi Tecnica: Un Modello di Regressione Logistica Composta per Risposte Binarie

Definizione del Problema
La regressione logistica standard è il metodo dominante per modellare le risposte binarie, tuttavia possiede un limite significativo: la funzione di risposta è vincolata ad avere asintoti fissati a 0 e 1. In molte applicazioni pratiche, come la modellazione della prevalenza di una malattia basata sui livelli di un biomarcatore o l'efficacia di un vaccino, la probabilità di un evento non necessariamente tende a 0 o 1 anche in presenza di valori estremi del predittore. Inoltre, i modelli flessibili esistenti che permettono asintoti variabili spesso faticano a incorporare risposte correlate o molteplici covariate in un quadro unificato e interpretabile. Gli autori identificano la necessità di un modello che generalizzi la risposta logistica per consentire asintoti inferiori ($a_L$) e superiori ($a_U$) arbitrari, mantenendo la trattabilità analitica e l'interpretabilità della regressione logistica standard.

Metodologia
Il documento propone il modello di Regressione Logistica Composta (CLR). Questo approccio costruisce una funzione di risposta media $\pi(x)$ componendo molteplici funzioni di regressione logistica attraverso una specifica funzione di composizione $H$.

1. Struttura del Modello:
   L'idea centrale è quella di esprimere la probabilità $\pi$ come funzione di tre distinti componenti logistici, $\phi(\eta_1), \phi(\eta_2), \phi(\eta_3)$, dove $\eta_j = \tilde{\beta}_j^T \tilde{x}_j$.

   • Modello degli Asintoti: Gli autori dimostrano che gli asintoti inferiore e superiore possono essere modellati come funzioni logistiche stesse. Ad esempio, un modello in cui la risposta transita tra $a_L$ e $a_U$ in base a un biomarcatore $z$ è formulato come:
     $$\pi_c(\tilde{x}_1, \tilde{x}_2, \tilde{x}_3) = \phi(\eta_3)\phi(\eta_1) + \phi(\eta_2)(1 - \phi(\eta_1))$$
     In questo caso, $a_L = \phi(\eta_2)$ e $a_U = \phi(\eta_3)$, permettendo a questi limiti di dipendere dalle covariate.
   • Modello di Efficacia Vaccinale: Viene proposta un'alternativa funzione di composizione per scenari che coinvolgono esposizione, protezione ed efficacia, come:
     $$\pi_{inf} = \xi(1 - \gamma \kappa(z))$$
     dove $\kappa(z)$ modella la soglia del correlato di protezione (COP), $\gamma$ rappresenta l'efficacia e $\xi$ rappresenta il rischio di esposizione. Ogni componente è modellato tramite una separata funzione logistica.

2. Inferenza e Stima:

   • Equazioni di Stima: Il documento utilizza un approccio di quasi-verosimiglianza basato su equazioni di stima. La matrice del gradiente del modello composto è mostrata essere una somma pesata delle matrici dei gradienti dei singoli modelli componenti (Equazione 39). Questa linearità semplifica la derivazione dell'Essenziale (Hessian) e l'algoritmo di fitting iterativo.
   • Risposte Correlate: Il framework accoglie risposte dipendenti (ad esempio, misure ripetute) definendo una matrice di correlazione di lavoro $R_{\tilde{y}}$. Gli autori affrontano specificamente la correlazione scambiabile, dove le osservazioni all'interno di un gruppo condividono una correlazione comune $\rho$.
   • Regolarizzazione: Per affrontare i problemi di convergenza e instabilità, in particolare quando il gradiente del biomarcatore è vicino a zero, gli autori incorporano la regressione ridge. Un termine di penalità $D = \theta^T B \theta$ viene aggiunto alle equazioni di stima, restringendo le stime dei parametri e stabilizzando l'algoritmo numerico.
   • Identificabilità: Il documento nota che, affinché il modello sia identificabile, il gradiente associato al biomarcatore primario deve essere non nullo. Una strategia di riparametrizzazione viene suggerita per imporre una direzione del gradiente positiva qualora esistano conoscenze pregresse.

3. Implementazione:
   I metodi sono implementati nel pacchetto R CLmodel, che supporta strutture di correlazione indipendenti e scambiabili, la stima della quasi-verosimiglianza e la regolarizzazione tramite un parametro di penalità $\lambda$.

Risultati Chiave

• Studio di Simulazione: È stato condotto uno studio di simulazione con $N=50.000$ replicazioni per valutare le prestazioni del modello sotto correlazione scambiabile ($\rho=0.1$).
  • Stabilità: Lo studio ha evidenziato che senza regolarizzazione ($\lambda=0$), l'algoritmo numerico soffriva di un alto tasso di fallimento (55,6% di mancata convergenza). L'introduzione di una piccola penalità ($\lambda=0.1$) ha portato a una convergenza del 100%.
  • Compromesso Bias-Varianza: Sebbene la regolarizzazione abbia introdotto un leggero bias, ha ridotto significativamente la varianza delle stime dell'errore standard e ha migliorato la copertura degli intervalli di confidenza, avvicinandoli al livello nominale del 95%.
  • Recupero dei Parametri: Il modello ha recuperato con successo i parametri reali, incluso il coefficiente di correlazione $\rho$, e ha dimostrato un'alta potenza nel rilevare gli effetti delle covariate sugli asintoti.
• Applicazione su Dati Reali: Il modello è stato applicato ai dati del progetto Midlife in the United States (MIDUS) per predire il diabete ($y=1$) basandosi sull'Emoglobina A1c% ($z$) e sullo stato di asma ($x$).
  • Le curve adattate hanno mostrato che la probabilità di diabete si avvicina a diversi asintoti superiori per i soggetti con e senza asma.
  • Il parametro $\beta_{1,3}$, che governa la differenza nell'asintoto superiore, è risultato statisticamente significativo ($p=0.017$), indicando che i soggetti con asma hanno una probabilità significativamente inferiore di diabete ad alti livelli di A1c (Odds Ratio = 0.11).
  • Il punto di transizione del modello si è allineato strettamente con le linee guida dell'American Diabetes Association (range prediabete 5,7%–6,5%), validando la plausibilità biologica della curva adattata.

Significatività e Rivendicazioni
Il documento sostiene che il modello di Regressione Logistica Composta offre un'estensione flessibile alla regressione logistica standard che permette:

1. Asintoti Variabili: La capacità di modellare i limiti inferiori e superiori della probabilità di risposta che non sono fissati a 0 e 1, e che possono dipendere dalle covariate.
2. Interpretabilità: Il modello mantiene l'intuitiva interpretazione dei coefficienti della regressione logistica (log-odds) per ogni componente, permettendo ai ricercatori di modellare separatamente i fattori che influenzano la soglia, il rischio basale e il rischio massimo.
3. Gestione della Correlazione: Il framework si estende naturalmente alle strutture di dati correlati (ad esempio, studi longitudinali) utilizzando i principi delle equazioni di stima generalizzate (GEE).
4. Stabilità Computazionale: L'inclusione della regolarizzazione ridge si è dimostrata critica per la stabilità numerica dell'algoritmo di fitting in scenari multi-componente complessi.

Gli autori sottolineano che questo approccio permette una "maggiore varietà di modelli" pur mantenendo i "vantaggi della regressione logistica", citando specificamente l'implementazione nel pacchetto CLmodel come uno strumento pratico per queste analisi. Il documento non pretende di sostituire la regressione logistica standard, quanto piuttosto di fornire una necessaria generalizzazione per applicazioni in cui l'assunzione di asintoto fisso è inappropriata.