Latent variation in pathogen strain-specific effects under multiple-versions-of-treatment theory

Probleemstelling

In de epidemiologie is het cruciaal om de effecten van infecties op de gezondheid te kunnen schatten voor het vormen van beleid. Een complexiteit hierbij is dat de uitkomst van een infectie vaak afhankelijk is van de specifieke stam (variant, serotype, genotype) van de pathogeen. Dit fenomeen staat bekend als variatie in stam-specifieke effecten.

Het centrale probleem dat dit artikel adresseert, is de interpretatie van epidemiologische studies waarin:

1. Er heterogeniteit bestaat in de virulentie of het effect van verschillende stammen.
2. Er geen directe data beschikbaar zijn over de infecterende stam (bijvoorbeeld omdat de detectie-assay niet tussen stammen kan onderscheiden).
3. De blootstelling (infectie) dus een "samengestelde" (compound) blootstelling is, waarbij de versie van de behandeling (de specifieke stam) relevant is voor de uitkomst.

In dergelijke scenario's is de standaard aanname van "consistency" (dat de waargenomen uitkomst overeenkomt met de potentiële uitkomst onder de daadwerkelijk ontvangen behandeling) niet langer geldig, omdat "infectie" geen eenduidige behandeling is, maar een verzameling van verschillende stammen met verschillende effecten.

Methodologie

De auteur hanteert een raamwerk gebaseerd op causale inferentie en de theorie van potentiële uitkomsten (potential outcomes), specifiek toegepast op situaties met meerdere versies van een behandeling (multiple versions of treatment).

• Notatie en Definities:

  • $A$: De waargenomen blootstelling (1 = infectie aanwezig, 0 = geen infectie), gemeten zonder staminformatie.
  • $K$: De versie van de blootstelling (de specifieke stam $k \in \Phi$, of $K=0$ voor geen infectie). $A$ wordt gezien als een "vervormde" (coarsened) versie van $K$.
  • $Y$: De uitkomst (bijv. ziekenhuisopname).
  • $Y_k$: De potentiële uitkomst als de versie $K$ op $k$ zou zijn ingesteld.
  • $L$: Confounders (bijv. leeftijd) die zowel de kans op een specifieke stam als de uitkomst beïnvloeden.

• Causale Structuur:
  Het artikel analyseert een causaal diagram waarbij $K$ voorafgaat aan $A$. De auteur stelt dat de aanname van "exposure variation irrelevance" (dat de uitkomst niet afhangt van de specifieke versie van de blootstelling) hier geschonden is.

• Afleiding van de Schatter:
  De auteur leidt een interpretatie af voor de vaak gerapporteerde empirische grootheid: het verschil in verwachte uitkomsten tussen geïnfecteerden en niet-geïnfecteerden, gestratificeerd op confounders ($L$):
  $$\sum_l \{ E[Y|A=1, L=l] - E[Y|A=0, L=l] \} Pr(L=l)$$
  Door gebruik te maken van de exchangeability-aanname ($Y_k \perp K | L$) en de wet van totale kans, wordt deze grootheid herschreven als een gewogen gemiddelde van stam-specifieke effecten.

Belangrijkste Bijdragen en Resultaten

1. Causale Interpretatie van Ongespecificeerde Infecties:
   Het artikel toont aan dat de standaard effectschatter (het verschil in uitkomst tussen geïnfecteerden en niet-geïnfecteerden) een geldige causale interpretatie heeft, maar deze is afhankelijk van de populatiefrequentie van de stammen.
   De schatter komt overeen met een gecontroleerde trial waarin:

   • De controlegroep geen infectie krijgt.
   • De interventiegroep willekeurig wordt toegewezen aan een specifieke stam, waarbij de toewijzingssanities worden bepaald door de populatieverdeling van de stammen onder de geïnfecteerden ($Pr(K=k | A=1, L=l)$).

   Wiskundig wordt dit uitgedrukt als:
   $$\sum_{l,k} \{ E[Y_k|L=l] - E[Y_0|L=l] \} Pr(K=k|A=1, L=l) Pr(L=l)$$
   Dit betekent dat de geschatte "infectie-effect" een gemiddelde is van de stam-specifieke effecten, gewogen naar de prevalentie van die stammen in de specifieke populatie.

2. Impact van Stamverdeling (Illustratie):
   Via hypothetische scenario's (Figuur 1) wordt aangetoond dat twee populaties met exact dezelfde stam-specifieke effecten (bijv. Stam 1 is schadelijk, Stam 2 is neutraal, Stam 3 is schadelijk) totaal verschillende totale effectschatters kunnen opleveren. Dit hangt puur af van de relatieve frequentie van de stammen in de geïnfecteerde groep. Als een neutrale stam (Stam 2) dominant is, zal het totale effect kleiner lijken dan wanneer schadelijke stammen dominant zijn.

3. Transportabiliteit (Generaliseerbaarheid):
   Een cruciale bevinding is dat de transportabiliteit van infectie-effecten naar andere populaties complexer is dan bij niet-samengestelde blootstellingen. Zelfs als de stam-specifieke effecten ($E[Y_k - Y_0]$) universeel geldig zijn, kan het totale effect in een nieuwe populatie verschillen als de distributie van stammen in die nieuwe populatie verschilt van de oorspronkelijke studiepopulatie.

4. Temporele Variatie:
   De auteur wijst erop dat tijdsgebonden veranderingen in de stammenverdeling (bijv. het opduiken van nieuwe SARS-CoV-2 varianten) leiden tot variatie in de gerapporteerde effecten over de tijd, zelfs zonder veranderingen in de immuniteit van de populatie.

Significantie en Conclusie

Het artikel biedt een theoretisch onderbouwde interpretatie voor epidemiologische studies waarbij staminformatie ontbreekt. De belangrijkste implicaties zijn:

• Interpretatie: Onderzoekers moeten zich realiseren dat een geschat effect van een infectie geen universeel biologisch effect is, maar een populatie-specifiek gemiddelde dat afhankelijk is van de circulerende stammen.
• Beleid en Data: Voor het vergelijken van studies over tijd of tussen regio's, en voor het generaliseren van bevindingen, is data over de samenstelling van pathogeenstammen essentieel. Zonder deze data is het moeilijk om te bepalen of verschillen in effectschatters te wijten zijn aan biologische veranderingen in de stammen of aan veranderingen in de distributie ervan.
• Methodologische Vooruitgang: Het artikel integreert succesvol de theorie van "multiple versions of treatment" in de infectieziekte-epidemiologie, waardoor een coherent raamwerk ontstaat voor het analyseren van latent heterogene blootstellingen.

Kortom, het artikel waarschuwt tegen het simplistisch interpreteren van infectie-effecten als een eenduidige grootheid en benadrukt dat de "versie" van de infectie (de stam) een fundamentele rol speelt in de causale interpretatie, zelfs wanneer deze niet direct wordt gemeten.