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

Technische Samenvatting: Scalar-op-Distributie Regressie via Gegeneraliseerde Odds

Probleemstelling
Digitale gezondheidstechnologieën (DHT) genereren continue, hoog-resolutie gedragsgegevens (bijv. activiteit per minuut via accelerometrie) die rijke subject-specifieke distributies vormen. Hoewel deze distributies meer informatie bevatten dan scalaire samenvattingen (bijv. totale dagelijkse activiteitscounts), blijft het identificeren van welke distributionele kenmerken het meest voorspellend zijn voor klinische uitkomsten een openstaande uitdaging. Vorig werk door Niyogi et al. [2024] toonde aan dat hazard-gebaseerde representaties, die de nadruk leggen op staartgedrag (extreme activiteitsniveaus), andere representaties overtreffen bij het voorspellen van invaliditeit bij multiple sclerose (MS). Echter, bestaande methoden vertrouwen vaak op specifieke distributionele objecten (densiteiten, kwantielen, survival of hazard-functies) die mogelijk niet volledig het contrast tussen extreme en typische waarden kunnen vangen, met name in contexten met ijle (sparse) of discrete data.

Methodologie
De auteurs stellen een verenigd Generalized Odds (GO) framework voor om subject-specifieke distributies te representeren, inclusief een bijbehorend scalar-op-odds regressiemodel.

1. Definitie van Generalized Odds:
   Het framework definieert een subject-specifieke generalized odds functie, $h_{4,F}$, als de ratio van de waarschijnlijkheden van twee willekeurige gebeurtenissen binnen de steekproefruimte. Voor een willekeurige variabele $X$ met distributie $F$, en intervallen $A=[u_1, u_2]$ en $B=[u_3, u_4]$, wordt de GO gedefinieerd als:
   $$h_{4,F}(u_1, u_2, u_3, u_4) = \frac{P(X \in [u_3, u_4])}{P(X \in [u_1, u_2])} = \frac{F(u_4) - F(u_3)}{F(u_2) - F(u_1)}$$
   Deze formulering generaliseert bestaande distributionele objecten:

   • Waarschijnlijkheidsmassa-functie (PMF): $h_{4,F}(0, D, k, k-1) = p(k)$.
   • Hazard-functie: $h_{4,F}(k, D, k-1, k) = \lambda(k)$.
   • Residual Life Distributie: $h_{4,F}(t, D, t, t+u)$.
   • 1-index en 2-index objecten: Speciale gevallen die survival vergelijken met cumulatieve waarschijnlijkheid ($S(u)/F(u)$) of survival met survival ($S(u_2)/F(u_1)$).

2. Regressiemodel:
   De auteurs formuleren een scalar-op-functionele regressie waarbij de klinische uitkomst $y_i$ (bijv. de EDSS-score) gekoppeld is aan de GO-functie $h_{F_i}$ via een linkfunctie $g$:
   $$g(\mu_i) = \alpha + \int \beta(u) h_{F_i}(u) du$$
   waarbij $\mu_i = E[y_i | X_i]$. De coëfficiëntfunctie $\beta(u)$ wordt geschat met behulp van een spline-gebaseerde functionele representatie. Specifiek wordt $\beta$ benaderd via een tensorproduct van B-spline basisfuncties:
   $$\beta(u_1, u_2, u_3, u_4) = \sum_{k_1}\sum_{k_2}\sum_{k_3}\sum_{k_4} b_{k_1,k_2,k_3,k_4} B_{k_1}(u_1)B_{k_2}(u_2)B_{k_3}(u_3)B_{k_4}(u_4)$$

3. Estimatie en Regularisatie:
   Om de hoge dimensionaliteit van de tensor-coëfficiënten te beheersen en informatieve distributionele regio's te identificeren, maken de auteurs gebruik van gepenaliseerde likelihood-estimatie. Zij evalueren vier penalty-functies om sparsity en variabele selectie te induceren:

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

Data en Toepassing
De methodologie wordt toegepast op data uit de HEAL-MS studie (Home-based Evaluation of Actigraphy to Predict Longitudinal Function in Multiple Sclerosis), bestaande uit 248 deelnemers met MS.

• Predictoren: Pols-gedragen accelerometrie-data (GT9X Actigraph) verzameld over 2 weken, verwerkt naar 1-minuut epoch activiteitscounts (log-getransformeerd) van 8:00 tot 20:00 uur.
• Uitkomst: Expanded Disability Status Scale (EDSS) scores (0–10).
• Vergelijking: De GO-modellen worden vergeleken met klassieke scalaire samenvattingen (gemiddelde activiteitscounts) en scalar-op-survival modellen.

Belangrijkste Resultaten
Gebruikmakend van 5-voudige cross-validatie met 100 replicaties, rapporteert de studie de volgende voorspellende prestaties (gemeten als cross-gevalideerde $R^2$) voor EDSS-scores:

• Scalaire Samenvatting (Gemiddelde Activiteit): $R^2 \approx 0,095$.
• Scalar-op-Survival: $R^2 \approx 0,115$.
• Scalar-op-1-index Odds: $R^2 \approx 0,151$ (Lasso).
• Scalar-op-2-index Odds: $R^2 \approx 0,146 - 0,151$.
• Scalar-op-4-index Odds (Gegeneraliseerd): $R^2 \approx 0,208 - 0,209$.

Het 4-index GO-model presteerde consequent beter dan alle andere benaderingen, bijna het dubbele van de scalaire samenvatting en een significante verbetering ten opzichte van het survival-gebaseerde model. De Elastic Net en Lasso penalty's leverden de hoogste $R^2$-waarden voor het 4-index GO-model.

Significantie en Claims
Het artikel claimt dat het Generalized Odds framework een significante methodologische vooruitgang biedt omdat het:

1. Direct Richt op Staartgedrag: In tegen tegenstelling tot single-index representaties (bijv. densiteiten) die de algemene vorm samenvatten, contrasteren GO-functies expliciet extreme waarden met typische waarden, waardoor het "staartgedrag" vangt dat in eerder MS-onderzoek als cruciaal werd geïdentificeerd.
2. Robuustheid: De ratio-gebaseerde formulering blijft goed gedefinieerd en stabiel, zelfs voor ijle, begrensde of discrete data waar directe densiteit-schatting zou kunnen falen.
3. Verenigd Framework: Het omvat hazard, survival en residual life representaties als speciale gevallen, wat een flexibele, verenigde aanpak biedt voor distributionele covariaten.

De auteurs concluderen dat odds-gebaseerde distributionele covariaten superieure voorspellende waarde bieden voor DHT-data in klinische settings, waarbij zij specifiek aantonen dat het staartgedrag in fysieke activiteit een cruciale drijfveer is voor invaliditeitsuitkomsten bij multiple sclerose. Zij merken op dat hoewel de toepassing zich richtte op MS, het framework breed toepasbaar is in andere domeinen waar contrasten tussen extreme en typische gedragingen wetenschappelijk betekenisvol zijn.