Limited discriminative utility of resting-state heart rate variability for chronic pain–depression–anxiety comorbidity subtypes: an exploratory SHAP-based machine-learning analysis

Sintesi Tecnica: Utilità Discriminativa Limitata della HRV a Stato di Riposo per i Sottotipi CPDA

Definizione del Problema
Il dolore cronico cooccorre frequentemente con depressione e ansia, formando una comorbidità complessa nota come Chronic Pain–Depression–Anxiety (CPDA - Dolore Cronico–Depressione–Ansia). Sebbene le evidenze cliniche suggeriscano l'esistenza di sottotipi distinti — specificamente dominanza del dolore-depressione, dominanza del dolore-ansia e tripla comorbidità dolore-depressione-ansia — la valutazione clinica attuale si affida pesantemente a report soggettivi dei sintomi. Vi è una mancanza di indicatori fisiologici oggettivi stabiliti in grado di differenziare questi specifici sottotipi di CPDA. Sebbene la variabilità della frequenza cardiaca (HRV) sia un marcatore ben documentato della regolazione del sistema nervoso autonomo associato al dolore e ai disturbi emotivi, la sua utilità specifica nel distinguere tra queste eterogenee presentazioni di CPDA rimane incerta. Questo studio indaga se la HRV a stato di riposo possa servire come biomarcatore affidabile per la classificazione dei sottotipi o se rifletta semplicemente un modello transdiagnostico ampio di disregolazione autonomica.

Metodologia
Questo studio trasversale esplorativo ha utilizzato i dati di 172 pazienti adulti ricoverati in terapia intensiva con dolore cronico, reclutati in un ospedale della Cina sud-occidentale.

• Stratificazione dei Partecipanti: Dal coorte totale, 82 pazienti sono stati classificati in tre sottotipi CPDA mutuamente esclusivi in base al carico dei sintomi rispetto alla media del campione:
  • Dominanza dolore-depressione ($n=8$): Alta depressione, bassa ansia.
  • Dominanza dolore-ansia ($n=11$): Alta ansia, bassa depressione.
  • Tripla comorbidità dolore-depressione-ansia ($n=63$): Alti livelli sia di depressione che di ansia.
  • Nota: Gli altri partecipanti non soddisfacevano i criteri di soglia specifici per questi tre sottotipi e sono stati esclusi dai modelli di classificazione.
• Raccolta Dati:
  • Metriche Cliniche: Severità/interferenza del dolore (Brief Pain Inventory–Short Form), sintomi depressivi (Hamilton Depression Rating Scale, HAMD-24) e sintomi di ansia (Hamilton Anxiety Rating Scale, HAM-A).
  • Metriche Fisiologiche: La HRV a stato di riposo è stata registrata tramite un sensore digitale non invasivo al polpastrello della durata di 5 minuti. Sono stati estratti parametri del dominio del tempo (es. SDNN, RMSSD, pNN50, TINN, Indice Triangolare) e indici del dominio della frequenza, oltre a metriche della frequenza cardiaca.
• Approccio di Machine Learning:
  • Sono stati costruiti tre classificatori Random Forest "one-vs-rest" pesati per distinguere ciascun sottotipo specifico rispetto agli altri due.
  • Gestione dello Sbilanciamento delle Classi: Sono stati applicati pesi alle classi basati sulla frequenza inversa per penalizzare la classificazione errata delle classi minoritarie.
  • Validazione: I modelli sono stati valutati su un set di test tenuto separato (divisione stratificata 8:2) utilizzando l'area sotto la curva ROC (AUC), l'accuratezza, le matrici di confusione e i report di classificazione.
  • Interpretabilità: È stata impiegata l'analisi SHAP (Shapley Additive Explanations) per classificare l'importanza delle caratteristiche e visualizzare i pattern di contribuzione degli indici HRV, inclusi i grafici di dipendenza per le relazioni non lineari.

Risultati Chiave
Lo studio ha rilevato che la HRV a stato di riposo ha dimostrato un'utilità discriminativa disomogenea e generalmente limitata tra i sottotipi CPDA:

• Modello Dominanza Dolore-Depressione: Ha performato scarsamente con un'AUC di 0,483. Crucialmente, il modello non è riuscito a identificare correttamente nessuno dei 2 casi positivi nel set di test, classificandoli erroneamente come negativi.
• Modello Dominanza Dolore-Ansia: Ha mostrato anch'esso una scarsa discriminazione con un'AUC di 0,433. Similmente al modello di dominanza della depressione, non è riuscito a identificare i 2 casi positivi nel set di test.
• Modello Tripla Comorbidità: Ha mostrato una discriminazione comparativamente più elevata con un'AUC di 0,712. Tuttavia, il modello ha esibito un bias verso la classificazione positiva, identificando correttamente 13 casi positivi ma classificando erroneamente 4 casi negativi come positivi. Gli autori avvertono che questa performance probabilmente riflette l'elevato carico complessivo di comorbidità piuttosto che una firma specifica del sottotipo.
• Importanza delle Caratteristiche (SHAP): Le principali caratteristiche HRV variavano a seconda del modello:
  • Dolore-Depressione: Max HR, Mean HR, pNN50.
  • Dolore-Ansia: TINN, pNN50, Indice Triangolare HRV.
  • Tripla Comorbidità: Indice Triangolare HRV, SDNN, CV.
  • Le distribuzioni SHAP per i sottotipi minoritari erano strette e centrate vicino allo zero, indicando un contributo marginale limitato delle caratteristiche all'output del modello.

Significato e Rivendicazioni
L'articolo afferma esplicitamente che la HRV a stato di riposo non può essere utilizzata come biomarcatore stand-alone per la precisa classificazione dei sottotipi CPDA, in particolare per distinguere tra le presentazioni di dominanza dolore-depressione e dominanza dolore-ansia.

• Conclusione Primaria: L'incapacità della HRV di differenziare i singoli sottotipi dominanti suggerisce che la HRV rifletta una disregolazione autonomica condivisa e transdiagnostica comune al dolore e ai disturbi affettivi, piuttosto che una firma specifica del disturbo.
• Risultato Sfumato: Sebbene il modello di tripla comorbidità abbia mostrato una migliore capacità discriminativa esplorativa, gli autori lo attribuiscono alla rilevazione di uno stato ad "alto carico" caratterizzato da una grave disregolazione autonomica globale, piuttosto che a un'impronta fisiologica unica per la tripla comorbidità.
• Contributo Metodologico: Lo studio fornisce una valutazione rigorosa, basata su SHAP, dei limiti della HRV in questo contesto, andando oltre la semplice correlazione per testare l'effettiva performance di classificazione. Evidenzia i rischi derivanti dal ricorso a campioni piccoli e sbilanciati per la scoperta di sottotipi.
• Direzione Futura: Gli autori concludono che la HRV può avere valore come indicatore di screening supplementare per la comorbidità ad alto carico, ma richiede validazione in coorti più ampie e bilanciate con indicatori multimodali (clinici, infiammatori, relativi al sonno) prima di poter informare la stratificazione della CPDA.

Limitazioni Riconosciute dagli Autori
Lo studio sottolinea alcuni vincoli:

1. Definizione dei Sottotipi: I sottotipi sono stati definiti utilizzando soglie basate sulla media del campione piuttosto che cut-off diagnostici clinici stabiliti, limitando la generalizzabilità alle categorie diagnostiche formali.
2. Dimensione del Campione: Il piccolo numero di partecipanti nei gruppi dolore-depressione ($n=8$) e dolore-ansia ($n=11$) ha limitato severamente la potenza statistica e la stabilità del modello.
3. Validazione: La mancanza di una validazione esterna e il ricorso a un singolo split train-test significano che le AUC riportate sono stime esplorative.
4. Sensibilità Contestuale: La HRV a riposo a breve termine è sensibile a fattori come la respirazione, la postura e la medicazione, il che può ridurne la stabilità come classificatore.