📊 statistics

TwoTimeScales: An R-package for Smoothing Hazards with Two Time Scales

Il documento presenta il pacchetto R "TwoTimeScales", uno strumento software che facilita l'analisi di dati temporali con scale multiple mediante modelli di hazard flessibili basati su P-spline bidimensionali, includendo applicazioni per regressione a rischi proporzionali e rischi competitivi.

Autori originali: Angela Carollo, Paul H. C. Eilers, Hein Putter, Jutta Gampe

Pubblicato 2026-03-16

📖 5 min di lettura🧠 Approfondimento

CC BY 4.0

Autori originali: Angela Carollo, Paul H. C. Eilers, Hein Putter, Jutta Gampe

Articolo originale sotto licenza CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo

Immagina di dover prevedere quando una persona potrebbe ammalarsi o morire. Nella vita reale, la risposta a questa domanda non dipende da un solo fattore, ma da due orologi che ticchettano contemporaneamente.

Ecco la spiegazione semplice di questo articolo scientifico, pensata per chiunque, con qualche metafora per rendere il tutto più chiaro.

🕰️ Il Problema: Due Orologi, Una Storia

Immagina di essere un paziente con il cancro al seno. Per capire il suo rischio, i medici guardano due cose:

L'età della persona (quanto tempo è passato dalla sua nascita).
Il tempo dalla diagnosi o dall'intervento (quanto tempo è passato da quando è stata operata).

Fino a poco tempo fa, i software statistici erano come orologi che potevano leggere solo un quadrante alla volta. Potevano dirti "a 60 anni il rischio è X" oppure "dopo 5 anni dall'operazione il rischio è Y", ma non potevano dirti facilmente cosa succede quando entrambi i fattori cambiano insieme. È come cercare di guidare un'auto guardando solo il tachimetro o solo il GPS, ma non entrambi.

🛠️ La Soluzione: "TwoTimeScales" (Due Scale Temporali)

Gli autori di questo articolo (Angela, Paul, Hein e Jutta) hanno creato un nuovo "strumento" per il computer, un pacchetto chiamato TwoTimeScales (due scale temporali), disponibile per il programma gratuito R.

Pensa a questo pacchetto come a un tessuto elastico intelligente o a una mappa 3D.

Invece di guardare solo una linea (un solo tempo), questo strumento crea una superficie tridimensionale.
Immagina una mappa dove l'asse orizzontale è l'età alla chirurgia e l'asse verticale è il tempo passato dall'operazione.
L'altezza della mappa in ogni punto ti dice quanto è "alto" il rischio in quel preciso momento.

🧶 Come Funziona: Il "Pettine" Magico

Il cuore di questo metodo è una tecnica chiamata P-spline.
Immagina di dover disegnare una linea curva perfetta attraverso un mucchio di punti sparsi su un foglio. Se provi a collegarli a mano, la linea potrebbe essere tremolante e piena di buchi.
I P-splines sono come un pettine flessibile o un foglio di gomma che viene steso sopra i punti. Il software "prende" i dati grezzi e li liscia con questo pettine magico, creando una superficie morbida e continua che rivela i veri modelli nascosti, senza essere disturbata dal "rumore" casuale dei dati.

🏥 L'Esempio Reale: Il Caso del Cancro al Seno

Per dimostrare che il loro strumento funziona, hanno preso i dati di quasi 3.000 donne con cancro al seno operate a Rotterdam.
Hanno usato il pacchetto per rispondere a due domande:

Il Rischio Generale: Qual è la probabilità di morire dopo l'operazione, considerando sia l'età della donna che da quanto tempo è stata operata?
- Risultato: Hanno scoperto che il rischio non è uguale per tutti. Per le donne operate giovani, il rischio scende dopo 5 anni. Per quelle operate più anziane, il rischio rimane alto o addirittura sale dopo 5 anni. La mappa 3D ha mostrato queste differenze in modo chiarissimo.
La Sfida dei "Rischi Competitivi": Cosa succede se una donna può avere due eventi diversi? Può avere una ricaduta del cancro OPPURE può morire senza ricaduta.
- È come se fossi in una stanza con due porte: una porta della "ricaduta" e una porta della "morte senza ricaduta".
- Il pacchetto TwoTimeScales è capace di calcolare la probabilità di passare da ciascuna porta, tenendo conto di entrambe le scale temporali. Questo è un passo avanti enorme rispetto ai vecchi software, che spesso non sapevano gestire due "porte" contemporaneamente in modo così flessibile.

🎨 Visualizzare i Risultati

Uno dei punti di forza di questo pacchetto è che non ti dà solo numeri noiosi. Ti permette di disegnare la mappa.
Puoi vedere graficamente come il rischio cambia:

Se guardi la mappa, vedi subito che il colore (il rischio) cambia in modo fluido man mano che invecchi o man mano che passa il tempo dall'operazione.
Puoi anche vedere le "fette" della torta: ad esempio, "qual è il rischio per una donna di 50 anni operata 3 anni fa?".

💡 Perché è Importante?

Prima di questo pacchetto, per fare queste analisi complesse servivano software costosi (come Stata) o competenze matematiche molto elevate.
TwoTimeScales rende questo potere accessibile a chiunque usi R (un linguaggio gratuito e potente).

È veloce: Usa algoritmi intelligenti per calcolare tutto in pochi minuti.
È flessibile: Si adatta a dati complessi senza fare assunzioni rigide.
È completo: Gestisce anche situazioni difficili come i "rischi competitivi" (quando due eventi si contendono il paziente).

In Sintesi

Questo articolo presenta un nuovo "coltellino svizzero" per gli statistici e i medici. Invece di guardare il tempo come una linea dritta, ci permette di guardarlo come un tessuto vivente, dove l'età e il tempo dall'evento si intrecciano. Grazie a questo strumento, possiamo capire meglio la storia della malattia di ogni singolo paziente e prendere decisioni più informate, tutto con un software gratuito e facile da usare.

Titolo: TwoTimeScales: Un pacchetto R per la modellazione di rischi con due scale temporali

1. Il Problema

I dati "tempo-evento" (time-to-event) sono fondamentali negli studi epidemiologici e clinici. In molte applicazioni, il rischio di un evento (es. morte, recidiva) non dipende da una singola scala temporale, ma da più scale temporali simultanee. Un esempio classico è la combinazione dell'età del paziente (tempo dalla nascita) e del tempo trascorso dall'inizio della malattia o da un intervento (es. tempo dalla chirurgia).
Sebbene modelli statistici che considerano queste scale multiple siano stati proposti, il loro utilizzo nella ricerca applicata è limitato a causa della mancanza di software statistico conveniente e flessibile. Esistono pacchetti R per modelli parametrici flessibili (FPM) su una singola scala o per modelli additivi, ma nessuno gestisce nativamente modelli flessibili su due scale temporali simultanee che includano anche le interazioni tra di esse. Inoltre, l'implementazione esistente in Stata (stmt) non supporta i modelli a rischi competitivi.

2. Metodologia

Il pacchetto TwoTimeScales implementa una metodologia basata su P-spline bidimensionali per stimare funzioni di rischio (hazard) che variano in modo fluido su due scale temporali.

Definizione delle Scale: Siano $t$ e $s$ le due scale temporali, dove l'origine di $s$ è successiva a quella di $t$ (quindi $t > s$ ). La differenza $u = t - s$ rappresenta un valore fisso per ogni individuo (es. età alla diagnosi o all'intervento).
Modello di Rischio: Il rischio $\lambda(t, s)$ è modellato come un rischio di base bidimensionale $\lambda_0(t, s)$ moltiplicato per un termine esponenziale dei covariati (modello a rischi proporzionali, PH):
$\lambda(t, s; z) = \lambda_0(t, s) \exp(\beta^\top z)$
Il log-rischio di base $\log(\lambda_0(u, s))$ è espresso come una combinazione lineare di basi B-spline bivariate.
Stima: La stima avviene tramite regressione di Poisson penalizzata utilizzando l'algoritmo IWLS (Iterative Weighted Least Squares).
- Viene utilizzata una matrice di penalità per differenziare i coefficienti adiacenti delle B-spline, garantendo la regolarità della superficie di rischio.
- La penalizzazione è anisotropa, permettendo parametri di smoothing distinti ( $\varrho_u$ e $\varrho_s$ ) per ciascuna dimensione.
- L'ottimizzazione dei parametri di smoothing avviene tramite minimizzazione dell'AIC o BIC.
Rischi Competitivi: Il pacchetto estende il metodo ai modelli a rischi competitivi. Le cause specifiche di rischio vengono stimate separatamente e le funzioni di incidenza cumulativa (CIF) sono ottenute tramite integrazione numerica e moltiplicazione per la funzione di sopravvivenza globale. L'incertezza viene valutata tramite bootstrapping non parametrico.
Efficienza Computazionale: Il pacchetto sfrutta algoritmi di array (GLAM) e, opzionalmente, la libreria LMMsolver per sfruttare la struttura delle matrici sparse, rendendo il calcolo molto veloce.

3. Contributi Chiave del Pacchetto

Il pacchetto R TwoTimeScales offre un flusso di lavoro completo per l'analisi di dati tempo-evento su due scale:

Preparazione dei Dati (prepare_data): Converte i dati individuali (formato largo) in array tridimensionali (binning) di tempi di esposizione e conteggi di eventi, gestendo le covariate.
Stima del Modello (fit2ts): Stima i modelli PH con rischio di base bidimensionale, selezionando automaticamente i parametri di smoothing ottimali.
Visualizzazione (plot): Permette di visualizzare:
- La superficie del rischio (hazard surface).
- La superficie degli errori standard.
- "Fette" (cross-sections) del rischio lungo una delle scale.
- Funzioni di sopravvivenza e rischio cumulato.
- Effetti delle covariate (Hazard Ratios).
Predizione (predict): Genera valori predetti di rischio, rischio cumulato e probabilità di sopravvivenza per nuove combinazioni di scale temporali e covariate.
Rischi Competitivi: Include funzioni specifiche (cumhaz2ts, surv2ts, cuminc2ts) per calcolare le funzioni di incidenza cumulativa per eventi concorrenti (es. recidiva vs morte senza recidiva).

4. Risultati

Gli autori hanno validato il pacchetto utilizzando il dataset Rotterdam (2.982 pazienti con carcinoma mammario operato), confrontando i risultati con un'analisi precedente effettuata in Stata (stmt).

Esempio 1 (Mortalità totale): È stato stimato un modello PH per il rischio di morte (indipendentemente dalla recidiva) in funzione dell'età alla chirurgia ( $u$ $u$ ) e del tempo dalla chirurgia ( $s$ $s$ ).
- Il modello ha identificato un effetto significativo del grado tumorale (Grade 3: HR = 1.66).
- La superficie del rischio di base ha rivelato pattern complessi: il rischio aumenta nei primi 4-5 anni post-chirurgia per tutte le età, per poi diminuire solo per le donne operate prima dei 50 anni, mentre rimane costante o aumenta per le donne operate dopo i 50 anni.
- Confronto: I risultati sono stati quasi identici a quelli ottenuti con il pacchetto Stata, confermando la correttezza dell'implementazione.
Esempio 2 (Rischi Competitivi): È stato modellato il rischio di recidiva vs morte senza recidiva.
- Le funzioni di incidenza cumulativa mostrano che la probabilità di recidiva aumenta gradualmente nel tempo, mentre il rischio di morte senza recidiva cresce molto più rapidamente per le donne operate a età avanzata (sopra i 50 anni).
Prestazioni: Il tempo di calcolo per il modello è stato di circa 4 minuti su un laptop standard, dimostrando l'efficienza dell'algoritmo.

5. Significato e Conclusioni

Il pacchetto TwoTimeScales colma una lacuna significativa nel software statistico per l'analisi di sopravvivenza:

Flessibilità: Permette di modellare interazioni complesse tra due scale temporali senza assumere forme parametriche rigide.
Accessibilità: Rende accessibili modelli avanzati (P-spline 2D) agli utenti R, che prima dovevano ricorrere a soluzioni in Stata o a codici personalizzati complessi.
Estendibilità: È il primo pacchetto R che integra nativamente modelli a rischi competitivi su due scale temporali, un'estensione non disponibile in Stata.
Impatto: Offre nuove prospettive nell'analisi epidemiologica, permettendo di distinguere come il rischio evolve simultaneamente in base all'età biologica e al tempo trascorso dall'evento scatenante (es. diagnosi o trattamento).

Il lavoro conclude indicando sviluppi futuri, tra cui l'aggiunta di covariate dipendenti dal tempo e la gestione di dati censurati a intervalli su più scale temporali.