🧬 biology

A proxy-based approach for unmeasured confounding in electronic health records research

Dit paper introduceert een nieuwe, praktische methode die proxy-variabelen uit elektronische gezondheidsdossiers gebruikt om ongemeten verstorende factoren te corrigeren, en valideert deze via simulaties en een toepassing op de effecten van ziekenhuisopname bij ouderen met borstpijn.

Oorspronkelijke auteurs: Haley Colgate Kottler, Amy Cochran

Gepubliceerd 2026-03-23

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Haley Colgate Kottler, Amy Cochran

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ⚕️ Dit is een AI-gegenereerde uitleg van een preprint die niet peer-reviewed is. Dit is geen medisch advies. Neem geen gezondheidsbeslissingen op basis van deze inhoud. Lees de volledige disclaimer

Stel je voor dat je een detective bent die probeert te achterhalen of een bepaalde medicijn of behandeling (zoals een ziekenhuisopname) echt helpt of juist schade veroorzaakt. Je hebt een enorme map met dossiers (de medische gegevens) van duizenden patiënten. Maar er is een groot probleem: in die dossiers ontbreekt een cruciaal stukje informatie.

Laten we dit uitleggen met een simpele metafoor.

Het Probleem: De Onzichtbare "Geest"

Stel je voor dat je wilt weten of het regenen (de behandeling) ervoor zorgt dat mensen met paraplu's (de uitkomst) nat worden. Je kijkt naar mensen die een paraplu hebben en mensen die dat niet hebben. Maar er is een onzichtbare "geest" (een onbekende verwarrende factor) die je niet kunt zien.

In de echte wereld is deze "geest" bijvoorbeeld de ernst van de ziekte.

Mensen met een ernstige ziekte gaan vaker naar het ziekenhuis (krijgen de "behandeling").
Mensen met een ernstige ziekte hebben ook een grotere kans om ziek te blijven of te overlijden (de "uitkomst").

Als je dit niet corrigeert, denk je misschien: "Oh, mensen die naar het ziekenhuis gaan, worden slechter. Dus ziekenhuizen zijn gevaarlijk!" Maar dat is niet waar. Ze gaan erheen omdat ze al ziek waren. De ziekte is de onzichtbare geest die alles verdraait.

In medische dossiers (EHR) missen we vaak deze exacte maatstaf voor "hoe ziek iemand écht is". We hebben alleen de symptomen.

De Oude Oplossing: Proxies als "Schaduwen"

Gelukkig hebben artsen wel andere dingen opgeschreven: de hartslag, de bloeddruk, de ademhaling. Deze noemen we proxies (tussenpersonen of schaduwen).

Een hoge hartslag is geen directe meting van "ernst van de ziekte", maar het is wel een schaduw die valt op die ziekte. Als de ziekte erger is, is de schaduw (hartslag) vaak groter.

Het probleem is dat artsen deze schaduwen vaak verkeerd gebruiken. Ze denken: "Ik zie de hartslag, dus ik tel die gewoon mee in mijn berekening." De auteurs van dit paper zeggen: "Nee, dat werkt niet!" Als je de schaduw gewoon als een gewone variabele aftrekt, maak je de fout vaak nog groter. Het is alsof je probeert de grootte van een boom te meten door alleen naar de schaduw te kijken en die schaduw dan zomaar van de boom af te halen.

De Nieuwe Oplossing: De "Puzzel" Oplossen

De auteurs van dit onderzoek (Haley Colgate Kottler en Amy Cochran) hebben een nieuwe manier bedacht om die schaduwen slim te gebruiken.

Stel je voor dat je een grote puzzel hebt. Je hebt duizenden losse stukjes (de proxies: hartslag, bloeddruk, temperatuur, etc.). Je weet niet hoe de complete puzzel (de onzichtbare ziekte) eruitziet, maar je weet dat al die stukjes samen een beeld vormen.

Hun methode werkt in twee stappen:

De Puzzel Oplossen (Factorenanalyse):
In plaats van elke schaduw apart te bekijken, kijken ze naar alle schaduwen samen. Ze gebruiken wiskunde om te zeggen: "Kijk, deze vijf schaduwen lijken allemaal op één groot, onzichtbaar patroon. Laten we dat patroon reconstrueren."
Ze bouwen een nieuwe variabele (een schatting van de onzichtbare ziekte) op basis van al die schaduwen. Het is alsof je uit de schaduwen de vorm van de boom zelf reconstructeert.
De Correctie Toepassen:
Nu ze die geschatte vorm van de "ziekte" hebben, voegen ze die toe aan hun berekening. Ze zeggen: "Oké, we weten nu ongeveer hoe ziek deze mensen waren. Laten we de behandeling nu eerlijk beoordelen, alsof we die onzichtbare ziekte hadden gemeten."

Waarom is dit zo belangrijk?

In de echte wereld werken de oude methoden vaak niet perfect. De auteurs hebben gekeken wat er gebeurt als je de regels een beetje verkeert toepast (bijvoorbeeld als de schaduwen niet perfect zijn, of als de ziekte niet lineair verloopt).

De test: Ze hebben duizenden simulaties gedaan. Ze hebben gekeken wat er gebeurt als je de "schaduwen" per ongeluk als "ziekte" behandelt, of als je de wiskunde een beetje fout doet.
Het resultaat: Hun nieuwe methode is veel robuuster. Zelfs als de gegevens niet perfect zijn, blijft hun schatting dicht bij de waarheid. Andere methoden (zoals de bekende "Proximal Causal Inference") werken goed, maar zijn erg lastig en vallen snel uit elkaar als de gegevens niet perfect zijn.

Het Echte Voorbeeld: Ouderen met Borstpijn

Om te laten zien dat het werkt, hebben ze dit toegepast op echte data van het ziekenhuis (MIMIC-IV).

De vraag: Is het beter om een oudere patiënt met borstpijn naar huis te sturen of op te nemen in het ziekenhuis?
Het gevaar: Ziekenhuisopnames kunnen gevaarlijk zijn (infecties, verzwakking), maar als je iemand naar huis stuurt die toch een hartaanval heeft, is dat ook gevaarlijk.
De verwarrende factor: Hoe ziek de patiënt echt is, is vaak niet volledig in de dossiers te vinden.

Wat zagen de andere methoden?
De meeste methoden zeiden: "Opname in het ziekenhuis leidt tot meer heropnames." Dit klinkt logisch, maar het is waarschijnlijk een illusie omdat de zieke mensen vaker werden opgenomen.

Wat zag hun nieuwe methode?
Hun methode gaf een heel ander antwoord: "Opname in het ziekenhuis lijkt het risico op heropname juist te verlagen."
Dit klinkt misschien tegenstrijdig, maar het sluit beter aan bij wat artsen in de praktijk zien: als je een zieke ouder opneemt, krijg je hem/zij beter verzorgd en minder snel weer terug.

Conclusie

Deze paper zegt eigenlijk:
"Stop met het simpelweg aftellen van schaduwen. Gebruik de schaduwen samen om de vorm van het onzichtbare monster (de onbekende ziekte) te reconstrueren. Als je dat slim doet, kun je veel eerlijker oordelen over of een behandeling werkt of niet, zelfs als je niet alles in de dossiers hebt staan."

Het is een nieuwe, sterkere manier om de waarheid te vinden in een wereld vol onvolledige gegevens.

Titel: Een proxy-gebaseerde aanpak voor ongemeten verstorende factoren in onderzoek met elektronische gezondheidsdossiers (EHR)

Auteurs: Haley Colgate Kottler en Amy Cochran (Universiteit van Wisconsin-Madison)
Datum: 23 maart 2026

1. Het Probleem: Ongemeten Verstorende Factoren in EHR

Elektronische gezondheidsdossiers (EHR) zijn een waardevolle bron voor het bestuderen van klinische beslissingen en causale effecten. Een fundamenteel probleem bij het analyseren van deze data is echter ongemeten verstorende factoren (unmeasured confounding).

Huidige uitdaging: Traditionele methoden zoals natuurlijke experimenten of instrumentele variabelen (IV) vereisen strenge aannames die in de praktijk vaak niet gelden.
De valkuil: Veel onderzoekers behandelen beschikbare proxy-variabelen (zoals vitale tekens die indirect iets zeggen over de gezondheid) als gemeten verstorende factoren en passen ze direct toe in regressiemodellen. Het artikel citeert eerdere werken die aantonen dat dit de bias juist kan versterken in plaats van verkleinen.
Bestaande geavanceerde methoden: Methoden zoals Proximal Causal Inference (PCI) gebruiken een paar van negatieve controlexposities (NCE) en negatieve controle-uitkomsten (NCO) om het gemiddelde behandelingseffect (ATE) te identificeren. Echter, PCI is in de praktijk moeilijk toe te passen omdat het het oplossen van complexe integraalvergelijkingen vereist (brugfuncties), wat vaak leidt tot instabiele schattingen en specifieke modelaannames.

2. Methodologie: Een Nieuwe Benadering

De auteurs introduceren een nieuwe, praktische methode die een vector van proxy-variabelen gebruikt om ongemeten verstorende factoren ( $U$ ) te benaderen, zonder de strenge eisen van PCI.

Het Kader:

Variabelen: $X$ (gemeten covariaten), $U$ (ongemeten verstorende factoren), $Z$ (vector van proxy-variabelen, bijv. vitale tekens), $A$ (behandeling) en $Y$ (uitkomst).
Aannames: De methode maakt gebruik van een MIMIC-model (Multiple Indicators Multiple Causes), een uitbreiding van factoranalyse. Hierbij worden de proxy-variabelen $Z$ gezien als ruisachtige metingen van de onderliggende latente variabele $U$ .

De Twee-Stappen Strategie:

Constructie van Covariaten: In plaats van $Z$ direct in het uitkomstmodel te stoppen, gebruiken de auteurs factoranalyse om een vector van covariaten te construeren die aspecten van de ongemeten verstorende factor $U$ samenvatten. Concreet wordt de verwachting $E[U|Z, A, X]$ geschat.
Regressiecorrectie: Deze geschatte waarden worden vervolgens gebruikt als covariaten in een regressiemodel voor de uitkomst $Y$ . Dit stelt het model in staat om te corrigeren voor de verstorende invloed van $U$ .

Identificatie en Schatting:

De auteurs tonen aan dat onder bepaalde aannames (waaronder dat de verdeling van $U$ gegeven $Z$ geïdentificeerd kan worden via een lagere-dimensionale samenvatting), het conditionele gemiddelde behandelingseffect (CATE) geïdentificeerd kan worden.
De schatting gebeurt via een lineaire regressie waarbij de onwaargenomen $U$ wordt vervangen door de geschatte waarden uit het MIMIC-model.
De methode is robuust tegenover misspecificatie van de structuur; zelfs als een variabele die als proxy wordt gebruikt, eigenlijk een directe oorzaak is of een instrument, blijft de methode vaak redelijke resultaten leveren (hoewel met enige bias).

3. Belangrijkste Bijdragen

Praktische Implementatie: De auteurs bieden een eenvoudige, twee-stappen procedure (factoranalyse gevolgd door regressie) die gebruikmaakt van standaard statistische tools (bijv. lavaan in R), in tegenstelling tot de complexe numerieke oplossingen die PCI vereist.
Flexibiliteit: De methode werkt met een vector van proxies die zowel als NCE als NCO kunnen fungeren, in plaats van strikt gescheiden paren te vereisen.
Robuustheid: De studie toont aan dat de methode zeer robuust is tegen modelmisspecificatie (bijv. als de relatie kwadratisch is maar lineair wordt gemodelleerd, of als de verdeling van $U$ scheef is in plaats van normaal).
Validatie: De methode wordt getest op gesimuleerde data en toegepast op een real-world EHR-dataset.

4. Resultaten

Simulatiestudie:

Nauwkeurigheid: De methode presteert over het algemeen beter dan lineaire regressie, inverse probability weighting (IPW) en zelfs PCI, vooral bij kleinere steekproefgroottes en lagere verhoudingen van proxies tot latente dimensies ( $p/k$ ).
Robuustheid:
- Bij een kwadratische relatie tussen $U$ en $Y$ (maar lineair model) bleef de methode onbevooroordeeld, terwijl andere methoden significant vertekend waren.
- Bij een scheef-normale verdeling van $U$ (in plaats van normaal) bleef de bias laag.
- Bij het verkeerd behandelen van een directe verstorende factor als proxy, leverde de methode nog steeds een correct teken en orde van grootte op, hoewel er enige bias optreedt.
Dekking: De 95% bootstrap-betrouwbaarheidsintervallen hadden een dekkingspercentage van ongeveer 94-96%, wat aangeeft dat de onzekerheidsmeting betrouwbaar is.

Casestudie: Ouderen met Borstpijn in de EHBO:

Context: Analyse van MIMIC-IV data om het effect van ziekenhuisopname versus ontslag te bepalen op 30-dagen heropname of overlijden bij ouderen (65+) met borstpijn.
Vergelijking:
- Ongecorrigeerde schatting: Toonde een positief effect van opname op heropname (ATE $\approx$ 0.11).
- IPW: Gaf een zeer grote en onstabiele positieve schatting.
- PCI: Gaf een positieve schatting (median 0.089).
- De nieuwe methode: Leverde een negatieve schatting (-0.021).
Interpretatie: De negatieve schatting suggereert dat opname het risico op heropname verlaagt, wat beter overeenkomt met klinische verwachtingen (opname voorkomt complicaties die leiden tot heropname) en eerder literatuur, terwijl andere methoden suggereren dat opname schadelijk is (waarschijnlijk door ongemeten verstorende factoren zoals ernst van de ziekte).

5. Betekenis en Conclusie

Dit werk biedt een praktische en robuuste oplossing voor een van de grootste obstakels in causale inferentie met EHR-data: ongemeten verstorende factoren.

Klinische Impact: De casestudie demonstreert hoe een juiste behandeling van proxy-variabelen de klinische interpretatie fundamenteel kan veranderen (van "opname is schadelijk" naar "opname is mogelijk beschermend").
Toekomstperspectief: De auteurs hopen dat deze methode, vanwege haar gebruiksgemak en robuustheid, proxy-gebaseerde causaliteitsmethoden breder toepasbaar maakt in de medische research.
Beperkingen: De methode vereist nog steeds dat de juiste variabelen als proxies worden geselecteerd (hoewel ze tolerant zijn voor fouten) en de betrouwbaarheidsintervallen zijn conservatief geschat via bootstrapping. Verdere werk is nodig om de methoden te automatiseren en de selectie van proxies te optimaliseren.

Samenvattend introduceren de auteurs een brug tussen de theoretische complexiteit van proximal causal inference en de praktische behoeften van EHR-analisten, waardoor het mogelijk wordt om ongemeten verstorende factoren effectiever te corrigeren met bestaande klinische data.