Scalar-on-distribution regression via generalized odds with applications to accelerometry-assessed disability in multiple sclerosis

技術要約：一般化オッズによるスカラー・オン・ディストリビューション回帰

問題提起
デジタルヘルス技術（DHT）は、連続的かつ高解像度な行動データ（例：分単位の加速度計データ）を生成し、これらは豊かな被験者固有の分布を形成する。これらの分布は、スカラー要約（例：一日の総活動量）よりも多くの情報を含んでいるが、どの分布的特徴が臨床アウトカムの予測に最も寄与するかを特定することは、依然として未解決の課題である。Niyogiら[2024]による先行研究では、ハザードベースの表現（極端な活動レベル、すなわち裾の挙動を強調するもの）が、多発性硬化症（MS）における障害予測において他の表現よりも優れていることが示された。しかし、既存の手法は特定の分布オブジェクト（密度、分位点、生存関数、またはハザード関数）に依存することが多く、極端な値と典型的な値のコントラストを十分に捉えきれない場合がある。これは、特に疎なデータや離散的なデータの文脈において顕著である。

手法
著者らは、被験者固有の分布を表現するための統一的な一般化オッズ（Generalized Odds: GO）フレームワークと、対応するスカラー・オン・オッズ回帰モデルを提案する。

1. 一般化オッズの定義:
   本フレームワークは、標本空間内における2つの任意の事象の確率の比として、被験者固有の一般化オッズ関数 $h_{4,F}$ を定義する。分布 $F$ を持つ確率変数 $X$ と、区間 $A=[u_1, u_2]$ および $B=[u_3, u_4]$ について、GOは以下のように定義される：
   $$h_{4,F}(u_1, u_2, u_3, u_4) = \frac{P(X \in [u_3, u_4])}{P(X \in [u_1, u_2])} = \frac{F(u_4) - F(u_3)}{F(u_2) - F(u_1)}$$
   この定式化は、既存の分布オブジェクトを一般化するものである：

   • 確率質量関数 (PMF): $h_{4,F}(0, D, k, k-1) = p(k)$。
   • ハザード関数: $h_{4,F}(k, D, k-1, k) = \lambda(k)$。
   • 残存寿命分布: $h_{4,F}(t, D, t, t+u)$。
   • 1インデックスおよび2インデックス・オブジェクト: 生存確率と累積確率（$S(u)/F(u)$）、あるいは生存確率と生存確率（$S(u_2)/F(u_1)$）を比較する特殊なケース。

2. 回帰モデル:
   著者らは、臨床アウトカム $y_i$（例：EDSSスコア）が、リンク関数 $g$ を介してGO関数 $h_{F_i}$ に結びつく、スカラー・オン・関数回帰モデルを定式化する：
   $$g(\mu_i) = \alpha + \int \beta(u) h_{F_i}(u) du$$
   ここで $\mu_i = E[y_i | X_i]$ である。係数関数 $\beta(u)$ は、スプラインベースの関数的表現を用いて推定される。具体的には、$\beta$ はB-スプライン基底関数のテンソル積によって近似される：
   $$\beta(u_1, u_2, u_3, u_4) = \sum_{k_1}\sum_{k_2}\sum_{k_3}\sum_{k_4} b_{k_1,k_2,k_3,k_4} B_{k_1}(u_1)B_{k_2}(u_2)B_{k_3}(u_3)B_{k_4}(u_4)$$

3. 推定と正則化:
   高次元のテンソル係数を扱い、情報量の多い分布領域を特定するために、著者らは罰則付き尤度推定を採用している。彼らは、スパース性と変数選択を誘導するために、以下の4つの罰則関数を評価した：

   • Lasso ($L_1$)
   • Elastic Net
   • Smoothly Clipped Absolute Deviation (SCAD)
   • Minimax Concave Penalty (MCP)

データと適用
本手法は、248名のMS患者を含むHEAL-MS研究のデータに適用されている。

• 予測因子: 2週間にわたり収集された手首装着型加速度計（GT9X Actigraph）のデータ。これは、午前8時から午後8時までの1分間エポックの活動カウント（対数変換済み）として処理されている。
• アウトカム: 拡張障害度（EDSS）スコア（0–10）。
• 比較: GOモデルは、古典的なスカラー要約（平均活動量）およびスカラー・オン・生存モデルと比較される。

主な結果
100回の反復を伴う5分割交差検証を用いて、EDSSスコアに対する予測性能（交差検証による $R^2$ で測定）を報告する：

• スカラー要約（平均活動量）: $R^2 \approx 0.095$。
• スカラー・オン・生存: $R^2 \approx 0.115$。
• スカラー・オン・1インデックス・オッズ: $R^2 \approx 0.151$ (Lasso)。
• スカラー・オン・2インデックス・オッズ: $R^2 \approx 0.146 - 0.151$。
• スカラー・オン・4インデックス・オッズ（一般化）: $R^2 \approx 0.208 - 0.209$。

4インデックスのGOモデルは、他のすべてのアプローチを一貫して上回り、スカラー要約の予測性能をほぼ倍増させ、生存ベースのモデルを大幅に改善した。Elastic NetおよびLassoの罰則は、4インデックスモデルにおいて最も高い $R^2$ 値を示した。

意義と主張
本論文は、一般化オッズ・フレームワークが以下の点で重要な手法論的進歩をもたらすと主張している：

1. 裾の挙動を直接的にターゲットにする: 全体的な形状を要約する単一インデックス表現（例：密度）とは異なり、GO関数は極端な値を典型的な値と明示的に対比させることで、先行研究で重要であると特定された「裾の挙動」を捉える。
2. 堅牢性: 比率ベースの定式化は、直接的な密度推定が失敗する可能性がある疎な、あるいは境界のある、または離散的なデータにおいても、定義が明確であり安定している。
3. 統一されたフレームワーク: ハザード、生存、および残存寿命の表現を特殊なケースとして包含しており、分布的共変量に対する柔軟かつ統一されたアプローチを提供する。

著者らは、オッズベースの分布的共変量が、臨床現場におけるDHTデータに対して優れた予測価値を提供すること、具体的には、身体活動における裾の挙動が多発性硬化症における障害アウトカムの重要なドライバーであることを示したと結論付けている。彼らは、本適用はMSに焦点を当てたものであるが、このフレームワークは、極端な挙動と典型的な挙動のコントラストが科学的に意味を持つ他の領域にも広く適用可能であると述べている。