Pseudo-value Based Mean Cumulative Count Regression

Sintesi Tecnica: Regressione del Conteggio Cumulativo Medio Basata su Pseudo-valori

Definizione del Problema
Nelle applicazioni biomediche che coinvolgono eventi ricorrenti (ad esempio, ospedalizzazioni, esacerbazioni di malattie), l'analisi standard si concentra spesso sui tassi o sulle intensità di eventi. Tuttavia, in presenza di censura a destra ed eventi terminali (ad esempio, il decesso), la domanda scientifica si sposta frequentemente verso la comprensione del carico cumulativo della malattia su un orizzonte temporale clinicamente rilevante. Due riassunti naturali per questo carico sono la Funzione di Conteggio Cumulativo Medio (MCF), che rappresenta il numero atteso di eventi accumulati entro il tempo $\tau$, e l'Area Sotto la MCF (AUMCF), che rappresenta il tempo totale di assenza di eventi perso.

Sebbene esistano metodi non parametrici per stimare queste quantità e confrontare i trattamenti, la modellazione diretta tramite regressione per valutare gli effetti delle covariate sulla MCF e sulla AUMCF è poco sviluppata. I modelli esistenti basati sull'intensità non sempre si traducono direttamente in effetti interpretabili sul carico cumulativo, particolarmente quando il processo di eventi ricorrenti è troncato dal decesso. Inoltre, i recenti stimatori aggiustati per le covariate per questi funzionali si sono concentrati su confronti di trattamenti non parametrici o statistiche di test linearizzate piuttosto che nel fornire un quadro di regressione generale per modellare direttamente gli effetti delle covariate.

Metodologia
Gli autori propongono un approccio di regressione basato su pseudo-valori per stimare gli effetti delle covariate sulla MCF e sulla AUMCF a un tempo di troncamento fissato $\tau$.

1. Target di Regressione: Il metodo definisce i coefficienti di regressione ($\beta$) non come parametri di un modello di intensità sottostante, ma come la soluzione di equazioni di stima della popolazione. Nello specifico, per un link identità, $\beta$ è la soluzione unica di $E[W \{ \theta(\tau | W) - W^\top \beta \}] = 0$, dove $\theta$ rappresenta la MCF o la AUMCF condizionale date le covariate $W$. Ciò separa il target inferenziale dalle assunzioni di qualsiasi specifico modello di tasso di eventi ricorrenti.
2. Pseudo-valori: Per stimare questi target, gli autori utilizzano come outcome i pseudo-valori specifici per il soggetto.
   • Jackknife Esatto: Il pseudo-valore esatto per il soggetto $i$ è definito come $\hat{\xi}_i(\tau) = n\hat{\theta}(\tau) - (n-1)\hat{\theta}_{(-i)}(\tau)$, dove $\hat{\theta}_{(-i)}$ è lo stimatore calcolato dopo la rimozione del soggetto $i$.
   • Approssimazione tramite Funzione di Influenza: Per evitare l'onere computazionale di $n$ ricalcoli leave-one-out, gli autori approcciano i pseudo-valori utilizzando la funzione di influenza empirica: $\tilde{\xi}_i(\tau) = \hat{\theta}(\tau) + \hat{\phi}_i(\tau)$. Il documento dimostra che questi pseudo-valori basati sulla funzione di influenza sono asintoticamente equivalenti ai valori jackknife esatti.
3. Stima: Una volta generati i pseudo-valori, la regressione viene eseguita utilizzando la meccanica standard delle Equazioni di Stima Generalizzate (GEE). Sotto un link identità e una varianza di lavoro indipendente dal soggetto, ciò si riduce ai Minimi Quadrati Ordinari (OLS). Vengono utilizzati stimatori di varianza robusti per tenere conto della struttura di correlazione indotta dai pseudo-valori.

Risultati Chiave
Gli autori hanno valutato il metodo proposto attraverso estesi studi di simulazione e un'applicazione su dati reali:

• Validazione dei Pseudo-valori: Le simulazioni hanno confermato che l'approssimazione basata sulla funzione di influenza è altamente concordante con i pseudo-valori jackknife esatti ($R^2 = 1,00$), con una differenza media assoluta di solo lo 0,4% del valore medio assoluto jackknife.
• Accuratezza della Stima e Copertura: In vari scenari di dimensione campionaria ($N=100, 100, 200$), tempi di troncamento e parametri di tasso di eventi ricorrenti, gli stimatori di regressione sono risultati non distorti. Gli intervalli di confidenza costruiti utilizzando gli errori standard del modello hanno raggiunto una copertura nominale del 95%.
• Robustezza: Il metodo è rimasto robusto in scenari in cui:
  • Il decesso e gli eventi ricorrenti erano dipendenti tramite una frailty moltiplicativa condivisa.
  • Le covariate influenzavano il processo dell'evento terminale (tasso di decesso) piuttosto che il tasso di eventi ricorrenti.
• Inferenza Statistica: I tassi di errore di Tipo I sono stati ben calibrati sotto l'ipotesi nulla. La potenza è aumentata con la dimensione del campione e l'entità dell'effetto del trattamento, con i test basati su MCF e AUMCF che mostrano prestazioni simili.
• Applicazione dei Dati: Il metodo è stato applicato allo studio clinico ORATORIO sulla sclerosi multipla progressiva primaria (PPMS). Utilizzando le covariate basali cliniche e biologiche (ad esempio, EDSS, volume delle lesioni T2), gli autori hanno modellato la AUMCF della progressione della disabilità. L'analisi ha identificato l'EDSS basale e il 9HPT come fattori prognostici significativi. Notevolmente, l'aggiustamento per le covariate ha ridotto l'errore standard della stima dell'effetto del trattamento del 13,6% rispetto alla stima non aggiustata e dell'8,4% rispetto all'aggiustamento tramite aumentazione.

Significatività e Rivendicazioni
Il documento sostiene che la regressione basata su pseudo-valori fornisce un "quadro semplice e interpretabile" per modellare gli effetti delle covariate sul carico cumulativo degli eventi ricorrenti. I suoi principali contributi includono:

1. Modellazione Diretta: Permette la regressione diretta di MCF e AUMCF, evitando la necessità di interpretare complessi parametri di modelli di intensità in termini di carico cumulativo.
2. Efficienza Computazionale: Utilizzando i pseudo-valori basati sulla funzione di influenza, il metodo evita il costo computazionale della ripetuta stima leave-one-out mantenendo l'accuratezza.
3. Flessibilità: L'approccio sfrutta i software standard GEE/OLS, rendendolo accessibile ai ricercatori. Accoglie l'aggiustamento per le covariate per migliorare la precisione nei trial randomizzati e consente l'inclusione di termini di interazione per analisi di sottogruppo.
4. Interpretabilità: I coefficienti risultanti rappresentano il cambiamento nell'aspettativa del conteggio degli eventi cumulativi o del tempo libero da eventi per unità di variazione di una covariata, offrendo riassunti clinicamente significativi che rimangono validi in presenza di eventi terminali.

Gli autori segnalano un limite relativo all'assunzione di censura non informativa, suggerendo che il lavoro futuro potrebbe estendere il quadro per gestire la censura dipendente dalle covariate tramite pesi di probabilità inversa della censura.