📊 statistics

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

Questo articolo propone un nuovo modello di traiettoria latente che utilizza l'algoritmo di aspettativa-massimizzazione per analizzare esiti longitudinali multivariati con scale miste, consentendo l'identificazione di sottogruppi dinamici di pazienti per supportare la pianificazione del trattamento individualizzato, come dimostrato attraverso un'applicazione all'Alzheimer's Disease Neuroimaging Initiative (ADNI).

Autori originali: Lindsay R. Salvati, Jungwun Lee

Pubblicato 2026-08-10

📖 7 min di lettura🧠 Approfondimento

CC BY 4.0

Autori originali: Lindsay R. Salvati, Jungwun Lee

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 cercare di capire come cambia nel tempo una macchina complessa, come il motore di un'auto. Di solito, i meccanici osservano un pezzo alla volta: "La pressione dell'olio sta scendendo?" o "La temperatura sta salendo?". Ma nel mondo reale, tutto è connesso. La pressione dell'olio potrebbe scendere perché la temperatura è salita, e entrambe le cose potrebbero accadere solo in auto che hanno un tipo specifico di filtro del carburante. Se guardi solo l'olio, perdi l'intera storia. Questo è il problema che gli scienziati affrontano studiando l'Alzheimer. Hanno una montagna di dati: alcuni numeri che possono essere misurati su una scala (come i punteggi dei test di memoria o il peso corporeo) e alcune categorie che sono solo "sì" o "no" (come avere l'ipertensione o un particolare marcatore genetico).

Per molto tempo, i statistici hanno dovuto scegliere: o guardare tutti i numeri insieme o guardare tutte le risposte sì/no insieme, ma raramente entrambi contemporaneamente. È come cercare di capire una sinfonia ascoltando solo i violini o solo i tamburi, ma mai l'intera orchestra. Il problema diventa ancora più complicato perché le persone non seguono tutte lo stesso copione. Alcune persone con l'Alzheimer declinano lentamente, altre rapidamente, e altre ancora rimangono stabili per anni. Gli strumenti matematici tradizionali spesso assumono che tutti siano solo una versione leggermente diversa della persona "media", il che nasconde queste importanti differenze. Questo articolo introduce un nuovo modo per ascoltare l'intera orchestra contemporaneamente, anche quando gli strumenti suonano tipi diversi di musica.

Il Nuovo Strumento: Un "Coltellino Svizzero" Statistico

Gli autori di questo articolo, Lindsay R. Salvati e Jungwun Lee, hanno costruito un nuovo strumento statistico chiamato Mixed Latent Class Profile Model (Mixed-LCPM). Pensa a questo modello come a un detective super intelligente che non si limita a cercare indizi, ma raggruppa le persone in "squadre segrete" in base a come i loro indizi cambiano nel tempo.

Nel mondo della ricerca sull'Alzheimer, gli scienziati utilizzano i dati dell'Alzheimer's Disease Neuroimaging Initiative (ADNI). Questa è una vasta collezione di informazioni provenienti da 919 persone, monitorate per 48 mesi (circa 4 anni). Ogni pochi mesi, queste persone sostenevano test di memoria (numeri continui) e venivano controllati per la pressione sanguigna, l'indice di massa corporea (BMI) e lo stato di demenza (categorie sì/no o alto/basso).

Il vecchio modo di analizzare questi dati era come cercare di smistare un sacco misto di biglie rosse e blu guardando solo quelle rosse, e poi separatamente guardando quelle blu. Si rischiava di perdere il fatto che le biglie rosse pesanti arrivano sempre insieme alle biglie blu lucide. Il nuovo modello Mixed-LCPM guarda le biglie rosse e blu simultaneamente. Si chiede: "Chi sono le persone i cui punteggi di memoria scendono mentre la loro pressione sanguigna rimane alta? Chi sono le persone la cui memoria rimane stabile nonostante siano sovrappeso?".

Come Funziona il Detective: Il Sistema a Due Livelli

Il modello utilizza un processo intelligente in due fasi per trovare questi gruppi nascosti, che gli autori chiamano classi latenti e profili latenti.

L'Istantanea (Classi Latenti): Immagina di scattare una foto a tutti in un singolo momento nel tempo. Il modello guarda questa foto e raggruppa le persone in "classi" in base a come appaiono in quel momento. Ad esempio, una classe potrebbe essere "Memoria Alta, Pressione Bassa", mentre un'altra potrebbe essere "Memoria Bassa, Pressione Alta".
Il Film (Profili Latenti): Ora, immagina di guardare un film di quelle stesse persone per sei anni. Il modello osserva come le persone si spostano da una "classe" all'altra. Rimangono nel gruppo "Memoria Alta" per sempre? Saltano da "Memoria Bassa" a "Memoria Alta" (improbabile, ma possibile matematicamente)? O scivolano lentamente da "Sani" a "Compromessi"?

Combinando questi due passaggi, il modello trova le traiettorie. Non dice solo "La Persona A è malata". Dice: "La Persona A appartiene a un gruppo che è iniziato in salute, è rimasto in salute per un po', e poi è peggiorato improvvisamente in un modo specifico".

Cosa hanno scoperto: Cinque Gruppi, Sei Storie

Quando gli autori hanno applicato questo strumento ai dati ADNI, hanno scoperto che i pazienti non erano solo una macchia sfocata di "peggioramento". Si dividevano in cinque gruppi distinti (classi latenti) basati sulla loro combinazione di punteggi di memoria e rischi per la salute:

Gruppo 1: Punteggi di memoria alti, basso rischio di ipertensione o obesità. (Il gruppo "Sano").
Gruppo 2: Punteggi di memoria alti, ma alto rischio di ipertensione e obesità. (Il gruppo "Sano ma non Sano").
Gruppo 3: Problemi di memoria lievi, alto rischio di ipertensione e obesità.
Gruppo 4: Problemi di memoria lievi, ma basso rischio di ipertensione e obesità.
Gruppo 5: Problemi di memoria gravi in tutti i campi, con alti rischi per la salute. (Il gruppo "Compromissione Significativa").

Ma la vera magia è avvenuta quando hanno guardato le traiettorie (le storie). Hanno scoperto sei percorsi diversi che le persone hanno intrapreso nel tempo:

Costante e Sano: Persone che sono rimaste nel Gruppo 1 per tutto il tempo.
Costante ma non Sano: Persone che sono rimaste nel Gruppo 2 (buona memoria, cattiva salute) per tutto il tempo.
Costante Lieve e non Sano: Persone che sono rimaste nel Gruppo 3.
Costante Lieve e Sano: Persone che sono rimaste nel Gruppo 4.
I Declinianti: Un piccolo gruppo (circa il 4,5% delle persone) che è iniziato nel Gruppo 4 (lieve compromissione, sano) ma che, alla fine dello studio, era quasi certamente passato al Gruppo 5 (compromissione grave).
I Costantemente Compromessi: Persone che sono rimaste nei gruppi compromessi.

Perché questo è importante: Vedere l'Invisibile

L'articolo dimostra che se si fossero guardati solo i punteggi di memoria (i numeri), si sarebbe persa una grande differenza. Per esempio, il gruppo "Costante e Sano" e il gruppo "Costante ma non Sano" avevano entrambi ottimi punteggi di memoria. Se si fosse guardata solo la memoria, sembrerebbero lo stesso gruppo. Ma il nuovo modello ha visto che un gruppo aveva la pressione alta e l'altro no.

Allo stesso modo, due gruppi con lievi problemi di memoria sembravano uguali nei test di memoria, ma uno era molto sovrappeso e l'altro no. Ignorando i dati sanitari "sì/no", i ricercatori avrebbero perso queste cruciali differenze.

Gli autori hanno anche verificato il funzionamento del loro nuovo strumento utilizzando delle simulazioni. Hanno creato dati finti con risposte note e hanno eseguito il loro modello su di essi. I risultati hanno mostrato che il modello è molto bravo a trovare i gruppi corretti, specialmente quando dispone di molti dati (come 1.000 persone). Ha identificato correttamente i pattern circa il 95% delle volte, il che è un risultato molto forte per questo tipo di matematica complessa.

I Limiti e il Futuro

Gli autori sottolineano con cautela che questa è una scoperta statistica, non una cura medica. Hanno scoperto che fattori come l'età, il genere, l'istruzione e il numero di alleli APOE4 (un marcatore genetico) erano legati al gruppo di appartenenza di una persona. Ad esempio, le persone più anziane erano leggermente meno propense a far parte del gruppo "Costante ma non Sano" rispetto al gruppo "Costante e Sano".

Tuttavia, l'articolo nota alcuni limiti. La matematica è complicata; a volte il computer si blocca in un "massimo locale", che è come un escursionista che si blocca in una piccola valle pensando di essere sulla cima della montagna. Per risolvere questo, gli autori hanno eseguito il modello 100 volte con diversi punti di partenza per assicurarsi di aver trovato la vera vetta più alta. Hanno anche notato che il loro modello assume che i dati mancanti (come un appuntamento medico saltato) siano casuali, il che potrebbe non essere sempre vero nella realtà.

La Conclusione

Questo articolo non ci dice ancora come fermare l'Alzheimer. Invece, fornisce agli scienziati un paio di occhiali migliori. Prima, potevano vedere una folla di persone che sembravano tutte "un po' malate". Ora, con il Mixed-LCPM, possono vedere che la folla è in realtà composta da squadre distinte, ognuna con la propria storia unica e il proprio percorso futuro. Questa chiarezza potrebbe aiutare i medici in futuro a scegliere i pazienti giusti per le giuste sperimentazioni cliniche, assicurando che, quando testano un nuovo farmaco, lo testino su un gruppo di persone che sono veramente simili, piuttosto che su un mix disordinato di storie diverse.

Sintesi Tecnica: Un'Analisi di Traiettoria Latente per Esiti Multivariati con Scale Miste

Problematica
La malattia di Alzheimer (AD) è un disturbo neurodegenerativo progressivo caratterizzato da manifestazioni cliniche eterogenee. Iniziative su larga scala come l'Alzheimer's Disease Neuroimaging Initiative (ADNI) generano dataset longitudinali completi contenenti variabili di tipo misto: misure continue (es. punteggi cognitivi, biomarcatori) e item categorici (es. stato diagnostico, comorbidità). Analizzare queste variabili simultaneamente è essenziale per comprendere l'evoluzione della malattia, ma presenta sfide statistiche significative.

Gli approcci tradizionali, come i modelli a effetti misti, spesso assumono una singola traiettoria della media di popolazione, il che può oscurare una significativa eterogeneità nella progressione della malattia. Sebbene il Growth Mixture Modeling (GMM) identifichi sottogruppi latenti, i framework standard sono tipicamente limitati a singoli esiti o si affidano ad assunzioni parametriche riguardanti i vettori di media e le matrici di varianza-covarianza. Se tali forme parametriche sono errate, le conclusioni possono essere fuorvianti. Al contrario, gli approcci non parametrici come i Latent Class Profile Models (LCPM) e i Latent Transition Models (LTM) offrono flessibilità ma sono limitati a esiti categorici, non riuscendo ad accomodare misurazioni continue critiche per catturare la sfumatura della progressione dell'AD. Esiste una lacuna metodologica nel modellare traiettorie congiunte di esiti sia continui che categorici simultaneamente senza imporre rigide forme di traiettoria parametrica.

Metodologia
Per colmare questa lacuna, gli autori propongono il Mixed Latent Class Profile Model (Mixed-LCPM), un'estensione del framework LCPM standard.

Struttura del Modello: Il modello utilizza una struttura latente a due livelli:
1. Classi Latenti ( $C_t$ ): In ogni punto temporale $t$ , un vettore di variabili latenti categoriche rappresenta i pattern di risposta a livello di soggetto. Queste classi riassumono la distribuzione congiunta degli esiti osservati (sia continui $Y_t$ che categorici $Z_t$ ).
2. Profili Latenti ( $U$ ): Una variabile latente categorica di livello superiore riassume i pattern sequenziali di appartenenza alle classi nel tempo in $S$ profili di traiettoria rappresentativi.
Assunzioni Distribuzionali:
- Esiti Continui: Modellati come seguenti una distribuzione normale multivariata con medie specifiche per classe ( $\mu_c$ ) e matrici di covarianza ( $\Sigma_c$ ).
- Esiti Categorici: Modellati utilizzando distribuzioni multinomiali con probabilità specifiche per classe ( $\pi_{pk|c}$ ).
- Indipendenza Condizionale: Il modello assume che gli esiti in un determinato punto temporale siano condizionatamente indipendenti data l'appartenenza alla classe latente in quel momento. Inoltre, le appartenenze alle classi latenti nel tempo sono condizionatamente indipendenti data l'appartenenza al profilo latente.
Parametrizzazione:
- Parametri di Misurazione: Includono $\mu$ e $\Sigma$ per gli esiti continui, e $\pi$ per gli esiti categorici. Questi sono assunti come invarianti nel tempo per garantire una interpretazione coerente delle classi latenti attraverso i periodi temporali.
- Parametri Strutturali: Includono $\eta$ (probabilità di transizione tra profili e classi) e $\gamma$ (prevalenza dei profili).
- Covariate: Le associazioni tra le covariate a livello di soggetto ( $x$ ) e l'appartenenza al profilo latente sono modellate tramite regressione logistica multinomiale.
Stima: I parametri sono stimati tramite Massima Verosimiglianza (ML) attraverso l'algoritmo di Expectation-Maximization (EM).
- E-step: Utilizza l'algoritmo forward-backward per calcolare efficientemente le probabilità a posteriori delle sequenze di classi latenti e dei profili, affrontando la complessità computazionale delle sequenze latenti ad alta dimensionalità.
- M-step: Aggiorna i parametri per massimizzare l'aspettata log-verosimiglianza dei dati completi. Vengono utilizzate soluzioni in forma chiusa per i parametri normali e multinomiali, mentre l'algoritmo di Newton-Raphson è impiegato per i coefficienti di regressione ( $\beta$ ).
- Inferenza: Gli errori standard sono derivati dall'inversa della matrice Hessiana della verosimiglianza dei dati osservati. La selezione del modello (determinazione del numero di classi $K$ e di profili $S$ ) viene eseguita utilizzando il Criterio di Informazione Bayesiano (BIC).

Contributi Chiave

Estensione Metodologica: Il lavoro estende il framework LCPM per gestire esiti multivariati con scale miste (continue e categoriche), superando il limite dei modelli di traiettoria non parametrici esistenti che supportano solo dati categorici.
Flessibilità Non Parametrica: A differenza dei GMM parametrici, il Mixed-LCPM non assume una specifica forma funzionale (es. lineare, quadratica) per la traiettoria. Invece, le traiettorie sono caratterizzate dai pattern sequenziali di appartenenza alle classi latenti, permettendo l'identificazione di trend longitudinali più flessibili e guidati dai dati.
Modellazione Congiunta: L'approccio modella simultaneamente le associazioni tra i tipi di variabili in punti temporali specifici e le correlazioni derivanti da misurazioni ripetute, fornendo un framework unificato per dati longitudinali a scala mista.
Implementazione: Gli autori forniscono un'implementazione in R del metodo proposto e lo validano attraverso estesi studi di simulazione.

Risultati

Studi di Simulazione: Gli autori hanno condotto simulazioni in quattro scenari variando la separazione delle classi (forte vs debole) e l'equilibrio dei profili (uguale vs disuguale) con campioni di $N=250, 500, 1000$ $N = 250, 500, 1000$ .
- Lo stimatore ha dimostrato una performance robusta con un bias standardizzato minimo ($|Sbias| < 0.1$) e probabilità di copertura vicine al livello nominale di 0.95 per $N=1000$ .
- Le probabilità di copertura sono state sensibili alla dimensione del campione, scendendo sotto lo 0.90 per $N=250$ , il che è coerente con la natura asintotica degli errori standard della modellazione di miscela.
Applicazione ADNI: Il metodo è stato applicato ai dati ADNI ( $N=919$ $N = 919$ ) riguardanti sei punti temporali (dal Baseline al Mese 48).
- Classi Latenti: Sono state identificate cinque classi distinte, differenziando i pazienti per stato cognitivo (Normale, Lieve Compromissione, Significativa Compromissione) e profili di rischio vascolare (Sano vs Non Sano rispetto a Pressione Sanguigna e BMI).
- Traiettorie Latenti: Sono stati identificati sei profili di traiettoria distinti. In particolare, il modello ha distinto tra gruppi con traiettorie cognitive simili ma diversi profili di rischio vascolare (es. "Cognizione Stabile e Salute Stabile Buona" vs "Cognizione Stabile e Salute Stabile Cattiva").
- Associazioni con le Covariate: Sono state trovate associazioni significative tra le covariate basali (Età, Genere, Istruzione, alleli APOE4) e l'appartenenza alla traiettoria. Ad esempio, l'età avanzata era associata a una minore probabilità di appartenere al profilo "Normale e Non Sano" rispetto al gruppo di riferimento "Normale e Sano".

Significatività e Rivendicazioni
Il paper sostiene che il proposto Mixed-LCPM offre un'alternativa robusta e non parametrica per l'analisi di dati longitudinali complessi dove gli esiti sono un mix di variabili continue e categoriche. Identificando sottogruppi distinti basati su traiettorie congiunte, il metodo rivela l'eterogeneità nella progressione della malattia che analisi univariata o di un unico tipo potrebbero oscurare.

Gli autori sottolineano che, sebbene il metodo identifichi con successo pattern rappresentativi di esiti multivariati e le loro associazioni con le covariate, i risultati presentati dalla coorte ADNI sono destinati a illustrare l'approccio statistico piuttosto che a informare decisioni cliniche immediate. Essi riconoscono i limiti, incluso il ricorso all'assunzione di Dati Mancanti Casuali (MAR) per la gestione dei dati mancanti e il costo computazionale della selezione del modello tramite ricerca a griglia. Le direzioni future suggerite includono l'estensione del modello a dati raggruppati (clustered data) e l'affrontare scenari di Dati Mancanti Non Casuali (MNAR) attraverso framework di modellazione congiunta.