Joint Bayesian models for validating spatial health-event databases against a gold standard: separating global and local discrepancies

Sintesi Tecnica: Modelli Bayesiani Congiunti per la Validazione di Basi Dati Spaziali su Eventi Sanitari

Enunciato del Problema
Il riutilizzo secondario di dati medico-amministrativi e dati spaziali sintetici offre un'alternativa economica ai registri basati sulla popolazione per l'epidemiologia spaziale. Tuttavia, è necessaria una validazione rigorosa rispetto a uno standard aureo (GS) per garantire che queste basi dati candidate al riutilizzo (CFRD) riproducano adeguatamente il segnale spaziale della fonte originale senza distorcere le strutture geografiche. La letteratura metodologica attuale manca di uno strumento capace di validare spazialmente una CFRD rispetto a un GS in modo sia appaiato (stesso supporto areale) sia asimmetrico (una fonte è il riferimento, l'altra è la candidata). I metodi esistenti, come l'I di Moran, le statistiche di scansione spaziale o i confronti di processi puntuali, sono spesso descrittivi, simmetrici o non riescono a modellare esplicitamente l'incertezza dei conteggi areali e a decomporre il disaccordo in spostamenti globali rispetto a discrepanze locali.

Metodologia
Gli autori propongono un framework gerarchico bayesiano per la validazione da mappa a mappa che distingue tra due dimensioni di disaccordo: globale (spostamenti su tutta la mappa) e locale (deviazioni specifiche per area).

1. Framework di Modellazione:

   • Il framework assume una distribuzione di campionamento di Poisson per i conteggi osservati, con conteggi attesi standardizzati su una scala comune per garantire la comparabilità.
   • Vengono sviluppati tre modelli bayesiani congiunti per rappresentare la relazione tra il riferimento (Database 1) e la candidata (Database 2):
     • Modello di Errore Casuale (REM): Il Database 2 è modellato come il riferimento più un campo spaziale condiviso e un termine di errore puramente casuale (indipendente).
     • Modello di Errore Strutturato (SEM): Simile al REM, ma il termine di errore è modellato come un campo strutturato spazialmente (utilizzando la parametrizzazione BYM2), catturando la coerenza spaziale residua nelle discrepanze.
     • Modello a Componente Condivisa (SCM): Un benchmark simmetrico in cui entrambi i database sono modellati come deviazioni da un comune campo latente condiviso, piuttosto che uno come perturbazione dell'altro.

2. Sintesi delle Discrepanze:

   • Discrepanza Globale: Quantificata dalla differenza negli intercetti specifici del database ($\Delta = \alpha^{(2)} - \alpha^{(1)}$), trasformata in un rischio relativo globale moltiplicativo ($RR_{global} = \exp(\Delta)$). Questo cattura gli spostamenti medi su tutta la mappa.
   • Discrepanza Locale: Valutata tramite sintesi posteriori dei termini di errore specifici della fonte. Vengono proposte due regole decisionali:
     • Probabilità di Superamento a Riferimento Nullo (NREP): La probabilità che l'errore locale sia positivo ($Pr(\psi_i > 0)$).
     • Probabilità di Superamento Robustamente Centrata (RCEP): La probabilità che l'errore locale si discosti da un centro globale robusto ($c^\star$, la mediana delle mediane posteriori) di più di una tolleranza $\epsilon$. Questa regola è progettata per distinguere anomalie locali genuine da spostamenti diffusi che potrebbero essere artificialmente amplificati dai vincoli di somma a zero dei modelli spaziali latenti.

Risultati dello Studio di Simulazione
Il framework è stato valutato utilizzando simulazioni su dati dei contee della Carolina del Nord in varie scenari di perturbazione (nullo, uniforme, raggruppato e casuale).

• Rilevamento Globale: Il contrasto degli intercetti ($RR_{global}$) ha recuperato accuratamente gli spostamenti su tutta la mappa in tutti i modelli e scenari. Sotto perturbazioni uniformi, ha correttamente identificato lo spostamento; sotto perturbazioni localizzate, è rimasto vicino a 1, indicando correttamente l'assenza di uno spostamento globale.
• Rilevamento Locale:
  • Prestazioni del Modello: I modelli di errore asimmetrici (REM e SEM) hanno generalmente superato il SCM simmetrico nel rilevamento locale, in particolare negli scenari raggruppati e casuali sparsi. SEM e REM hanno mostrato prestazioni simili, suggerendo che l'assunzione di struttura spaziale nel termine di errore non altera drasticamente le conclusioni.
  • Regole Decisionali: La regola RCEP ha dimostrato caratteristiche operative superiori rispetto alla NREP. La RCEP ha fornito un miglior compromesso tra sensibilità e controllo dei falsi positivi, specialmente negli scenari raggruppati dove la NREP tendeva ad essere eccessivamente liberale e generare alti tassi di scoperta falsa. Una soglia di 0,9 per la RCEP è stata identificata come quella che offre il miglior equilibrio.
  • Sensibilità: Le prestazioni del rilevamento locale sono deteriorate significativamente negli scenari con eventi rari (bassa incidenza) o quando il 50% del territorio è stato modificato nella stessa direzione (trasformando anomalie locali in spostamenti diffusi).

Applicazione ai Dati sul Morbo di Crohn
Il framework è stato applicato per confrontare il registro EPIMAD (riferimento) con la base dati nazionale francese di dimissioni ospedaliere (PMSI, candidata) per il morbo di Crohn nel nord della Francia.

• Risultati Globali: Tutti e tre i modelli hanno stimato coerentemente una discrepanza globale, con il segnale PMSI essere circa 7% inferiore al segnale EPIMAD ($RR_{global} \approx 0,93$).
• Risultati Locali: Nessuna unità spaziale ha superato la soglia di rilevamento locale RCEP (0,9) in nessuno dei modelli.
• Conclusione: Il database PMSI riproduce l'organizzazione geografica ampia del morbo di Crohn osservata nel registro ma sottostima il livello assoluto del segnale. È adatto per analisi spaziali su larga scala ma richiede una ricalibrazione per la stima dell'incidenza assoluta.

Significato e Affermazioni
Il documento afferma di fornire il primo framework bayesiano principiato specificamente progettato per la validazione asimmetrica di basi dati spaziali su eventi sanitari. I suoi contributi chiave includono:

1. Decomposizione del Disaccordo: Separa esplicitamente gli errori di calibrazione globale (spostamenti degli intercetti) dalle discrepanze spaziali locali, affrontando un vuoto in cui i metodi precedenti spesso confondevano i due o non li modellavano congiuntamente.
2. Regole Decisionali Operative: L'introduzione della regola RCEP affronta un artefatto statistico specifico nei modelli latenti centrati, offrendo un metodo più robusto per identificare aree locali atipiche rispetto alle soglie standard a riferimento nullo.
3. Utilità Pratica: L'applicazione dimostra che una base dati può essere "validata" per la struttura spaziale (preservando i gradienti) anche se non è validata per la magnitudine assoluta, fornendo una base sfumata per le decisioni di riutilizzo dei dati.

Gli autori notano limitazioni, tra cui la dipendenza da una singola configurazione areale nelle simulazioni e il fatto che la RCEP tratta il centro robusto come fisso (plug-in) piuttosto che integrarne pienamente l'incertezza. Suggeriscono estensioni future ad altre distribuzioni di esito (ad esempio, binomiale, Gaussiana) e modelli spazio-temporali come prossimi passi naturali.