Communication-efficient distributed hazard difference estimation for heterogeneous multi-site survival data

Technische Samenvatting: DiSAH – Distributed Survival via Additive Hazards

Probleemstelling
Multi-site overlevingsanalyse wordt gehinderd door twee primaire beperkingen: privacyregels die het delen van patiëntgegevens tussen instellingen verbieden, en technische barrières waarbij klinische gegevens zich bevinden in beschermde omgevingen achter firewalls die de persistente serververbindingen blokkeren die vereist zijn voor iteratieve federated learning-methoden (bijv. FedAvg, FedProx). Bestaande gedistribueerde overlevingsmethoden, zoals ODAC en ODACH, werken binnen het Cox proportional hazards-raamwerk en leveren hazard ratios (relatief risico) op. Echter, veel klinische en publieke gezondheidsbeslissingen vereisen hazard differences (absoluut risico), die de absolute verandering in event-ratio's kwantificeren die toe te schrijven zijn aan risicofactoren. Momenteel bestaat er geen federated methode om hazard differences te schatten zonder data te centraliseren of een continue serverconnectiviteit te vereisen.

Methodologie
De auteurs stellen DiSAH (Distributed Survival via Additive Hazards) voor, een communicatie-efficiënt, privacy-bewarend algoritme gebaseerd op het additive hazards-model:
$$\lambda(t | X) = \lambda_0(t) + \beta^T X$$
waarbij $\beta$ de hazard difference representeert (absolute verandering in hazard per eenheid covariaatverandering). DiSAH vermijdt iteratieve optimalisatie en het delen van patiëntgegevens door gebruik te maken van een closed-form, niet-iteratieve structuur die uitsluitend steunt op de aggregatie van samenvattende statistieken.

Het raamwerk biedt twee varianten:

1. DiSAH-U (Unstratified): Ontworpen voor scenario's waarin sites een gemeenschappelijke baseline hazard $\lambda_0(t)$ delen. Dit vereist drie rondes van communicatie. Sites wisselen geordende geobserveerde event-tijden uit om een globale risk set te construeren, gevolgd door de aggregatie van samenvattende statistieken (covariaat-sommen en gewogen sommen) om de estimator $\hat{\beta}_U$ en de covariantie-matrix te berekenen.
2. DiSAH-S (Stratified): Ontworpen voor heterogene scenario's waar baseline hazards verschillen tussen sites ($\lambda_{0k}(t)$), maar de effecten van covariaten ($\beta$) gedeeld worden. Dit vereist slechts één ronde van communicatie. Elke site berekent lokale componenten van de scorefunctie (samenvattende statistieken), die door een coördinator worden geaggregeerd om de globale estimator $\hat{\beta}_S$ te vormen.

In beide varianten is de rol van de coördinator onafhankelijk van een server; elke deelnemende site kan de aggregatie en broadcasting uitvoeren. De methode vestigt asymptotische normaliteit voor beide estimators en bewijst dat DiSAH-U asymptotisch equivalent is aan de gepoolde oracle-estimator.

Belangrijkste Bijdragen

• Eerste Federated Hazard Difference Estimator: DiSAH is de eerste methode die de schatting van hazard differences (absoluut risico) mogelijk maakt in een federated setting, waarmee een kritiek gat in de overlevingsanalyse wordt gedicht waar relatief risico (hazard ratios) onvoldoende is voor middelenallocatie en triage.
• Serveronafhankelijkheid en Privacy: In tegenstelling tot iteratieve federated methoden vereist DiSAH geen persistente centrale server of externe verbindingen. Het werkt volledig op basis van samenvattende statistieken, wat garandeert dat er geen patiëntgegevens de oorspronkelijke site verlaten.
• Communicatie-efficiëntie: Het algoritme minimaliseert de communicatie-overhead en vereist slechts 1 of 3 rondes van gegevensuitwisseling, afhankelijk van de heterogeniteit van de baseline hazards.
• Theoretische Garanties: Het artikel biedt bewijzen van asymptotische normaliteit en toont aan dat de ongestratificeerde variant een efficiëntie bereikt die vergelijkbaar is met een gecentraliseerde gepoolde analyse.

Resultaten
De auteurs hebben DiSAH geëvalueerd via simulaties en een real-world toepassing met betrekking tot 47.778 patiënten op de spoedeisende hulp uit de VS (MIMIC-IV-ED) en Singapore (Singapore General Hospital).

• Simulaties: In zowel gebalanceerde als ongebalanceerde steekproefconfiguraties produceerden zowel DiSAH-U als DiSAH-S bijna onbevooroordeelde schattingen met dekingskansen nabij het nominale niveau van 95%. Ze bereikten een schattings-efficiëntie die vergelijkbaar is met de gepoolde oracle en presteerden aanzienlijk beter dan meta-analyse (die lokale schattingen aggregeert) en lokale site-specifieke modellen, met name bij het detecteren van significante risicofactoren in kleinere sites.
• Real-World Toepassing: In de multi-site ED-studie identificeerde DiSAH mortaliteitsrisicofactoren (bijv. geslacht, systolische bloeddruk, polsslag, maligniteit) waar individuele sites niet over voldoende statistische kracht beschikten om ze te detecteren. De discriminatieprestatie (C-index) van DiSAH kwam overeen met de gecentraliseerde gepoolde analyse en presteerde aanzienlijk beter dan de lokale modellen en de federated Cox-methode (ODACH). De lagere prestatie van ODACH suggereerde dat de proportional hazards-aanname mogelijk niet standhoudt in deze heterogene populaties, wat het nut van het additive hazards-raamwerk versterkt.

Betekenis en Claims
Het artikel claimt dat DiSAH een praktische oplossing biedt voor collaboratieve overlevingsanalyse in zorgomgevingen waar de IT-infrastructuur varieert en data-governance centralisatie verbiedt. Door de schatting van absoluut risico mogelijk te maken zonder ruwe data te delen, biedt DiSAH een actiegericht schaalniveau voor klinische triage, middelenallocatie en gezondheidseconomische evaluatie. De auteurs benadrukken dat serveronafhankelijkheid niet louter een gemak is, maar een voorwaarde voor samenwerking in omgevingen met strikte firewall-beperkingen. De methode overbrugt de kloof tussen de statistische kracht van gepoolde data en de privacybeperkingen van multi-institutioneel onderzoek, en biedt een robuust alternatief wanneer de proportional hazards-aannames niet standhouden.