Multivariate Functional Principal Component Analysis for Mixed-Type mHealth Data: An Application to Mood Disorders

Deze paper introduceert een nieuwe methode voor multivariate functionele hoofdcomponentenanalyse van gemengde mHealth-gegevens, die via een semiparametrisch Gaussische copula-model tijdsgebonden patronen in stemming en activiteit onthult om subtypen van stemmingsstoornissen effectief te onderscheiden.

De kern

📱 De Digitale Gezondheidsdokter: Een nieuwe manier om stemmingen te lezen

Stel je voor dat je een slim horloge draagt dat de hele dag door je hartslag, je beweging en je slaap meet. Tegelijkertijd vraagt een app op je telefoon een paar keer per dag: "Hoe voel je je vandaag? Ben je verdrietig? Heb je energie?"

Dit is wat mHealth (mobile health) doet. Het verzamelt een enorme berg data. Maar hier zit het probleem: deze data is een kluwen van verschillende soorten informatie.

• Je beweging is een getal (bijv. 5.000 stappen).
• Je pijn is een afgeknipt getal (je zegt "meer dan 10", maar we weten niet hoeveel meer).
• Je stemming is een rangschikking (1 = heel slecht, 7 = heel goed).
• Je dagelijkse gebeurtenissen zijn ja/nee (heeft er een ruzie plaatsgevonden?).

Statistici noemen dit "mixed-type data". Het is alsof je probeert appels, peren, bakstenen en wolken in één grote mand te sorteren en te meten. De oude methoden faalden hier vaak, omdat ze alleen goed werkten met één soort "vrucht" (bijvoorbeeld alleen getallen).

🧩 De Oplossing: De "Geheime Vertaler" (M2FPCA)

De auteurs van dit paper hebben een nieuwe methode bedacht, genaamd M2FPCA. Laten we dit uitleggen met een analogie:

Stel je voor dat al je verschillende gezondheidsmetingen (beweging, stemming, energie) eigenlijk verschillende talen spreken.

• De beweging spreekt "Getal-taal".
• De stemming spreekt "Rangschikking-taal".

De oude methoden probeerden deze talen direct met elkaar te vergelijken, wat leidde tot verwarring. De nieuwe methode doet iets slims: ze gebruikt een geheime vertaler (een zogenaamde Gaussian Copula).

1. De Vertaler: Deze vertaler neemt al die verschillende talen en vertaalt ze allemaal naar één gemeenschappelijke, geheime taal: "Latente Normaal-taal". In deze taal gedragen alle gegevens zich alsof ze uit dezelfde familie komen.
2. De Patroonzoeker: Zodra alles in deze ene taal is vertaald, kan de computer de patronen zien die voorheen verborgen zaten. Het is alsof je door een wazige bril kijkt en plotseling een helder beeld krijgt.

🎵 Het Orkest: De "Stemmen" van de Dag

De kern van de analyse is het vinden van de belangrijkste "melodieën" of patronen in je dagelijkse gedrag. De auteurs noemen dit Functionele Hoofdcomponenten Analyse (FPCA).

Stel je voor dat je dagelijkse gedrag een orkest is met vier instrumenten:

1. Verdriet
2. Angst
3. Energie
4. Beweging

De oude manier was om naar elk instrument apart te luisteren. De nieuwe methode luistert naar het geheel. Ze ontdekten drie belangrijke "melodieën" die door alle instrumenten heen spelen:

• Melodie 1 (De Last): Dit is de totale drukte van de dag. Als dit hoog is, heb je veel angst, veel verdriet, weinig energie en weinig beweging. Het is als een zware deken die je overdag over je heen trekt.
• Melodie 2 (De Morgen-Nacht Glijbaan): Dit is het natuurlijke ritme van de dag. 's Morgens heb je meer energie en minder angst; 's avonds wordt je moe en neemt de spanning toe. Dit is je biologische klok die tikt.
• Melodie 3 (De Tussenstop): Een piek in het middaguur. Dit is een ritme dat specifiek lijkt te spelen bij mensen met bepaalde stemmingsstoornissen (zoals bipolaire stoornis).

🕵️‍♂️ De Detective Werk: Van Data naar Diagnose

De onderzoekers pasten deze methode toe op data van 307 mensen met verschillende stemmingsstoornissen (zoals depressie of bipolaire stoornis).

Wat ze ontdekten was fascinerend:

• Mensen met Depressie hadden een heel specifiek patroon: hun energie bleef de hele dag laag en veranderde nauwelijks. Ze misten die natuurlijke "morgen-nacht" glijbaan. Het was alsof hun dag in een saaie, vlakke lijn zat.
• Mensen met Bipolaire Stoornis hadden een heel ander patroon in hun beweging en energie, dat sterk verschilde van de depressieve groep.

Deze patronen fungeren als digitale biomarkers. Het zijn zoals vingerafdrukken, maar dan voor je dagelijkse gedrag. In plaats van dat een arts alleen vraagt: "Hoe voel je je?", kan deze methode zeggen: "Op basis van hoe je beweegt en je energie de hele dag door verandert, past jouw patroon het beste bij diagnose X."

🚀 Waarom is dit belangrijk?

Vroeger was het moeilijk om deze complexe data te analyseren omdat de verschillende soorten metingen (ja/nee, rangschikking, getallen) niet samenwerkten.

Deze nieuwe methode is als een universale sleutel:

1. Hij maakt het mogelijk om alle soorten gezondheidsdata samen te kijken.
2. Hij haalt de echte, onderliggende patronen uit het ruis.
3. Hij helpt artsen om stemmingsstoornissen preciezer te onderscheiden en te begrijpen.

Kortom: Ze hebben een manier gevonden om het chaotische gedrag van de menselijke geest en het lichaam te vertalen naar een helder, leesbaar verhaal dat artsen kunnen gebruiken om mensen beter te helpen.

Technische samenvatting

Hier is een gedetailleerde technische samenvatting van het artikel "Multivariate Functional Principal Component Analysis for Mixed-Type mHealth Data: An Application to Mood Disorders" in het Nederlands.

Titel

Multivariate Functionele Hoofdkomponentenanalyse voor Gemengde mHealth-Data: Een Toepassing op Stemmingsstoornissen

1. Het Probleem

Moderne mobile health (mHealth) studies genereren complexe datasets die voortkomen uit een combinatie van zelfgerapporteerde gezondheidservaringen (via Ecological Momentary Assessment, EMA) en passief verzamelde gedragsdata (via draagbare sensoren zoals actigrafie). Deze data vertonen drie belangrijke uitdagingen voor statistische analyse:

• Gemengde meetniveaus: De data omvatten continue variabelen (bijv. fysieke activiteit), afgeknotte variabelen (bijv. pijn), ordinale variabelen (bijv. stemming op een Likert-schaal) en binaire variabelen.
• Irreguliere tijdsindeling: Observaties vinden plaats op onregelmatige tijdstippen en variëren per deelnemer en meetdomein.
• Multivariabele functionele aard: De data vormen tijdreeksen (functies) over de dag, waarbij complexe afhankelijkheden bestaan tussen verschillende domeinen (bijv. de relatie tussen stemming en activiteit gedurende de dag).

Bestaande methoden voor Functionele Data-analyse (FDA) zijn vaak beperkt tot continue, Gaussische data en kunnen deze gemengde, irreguliere en multivariabele structuren niet coherent modelleren.

2. Methodologie

De auteurs stellen een nieuwe methode voor: M2FPCA (Multivariate Functional Principal Component Analysis for Mixed-Type Data). De kern van de aanpak is gebaseerd op een semiparametrisch Gaussisch copula-model.

Het Model (MGLNPP):
De auteurs introduceren het Multivariate Generalized Latent Nonparanormal Process (MGLNPP). Het idee is dat de waargenomen gemengde data ($X$) voortkomen uit een onderliggend, continu, latent multivariaat Gaussisch proces ($V$).

• Latent Proces: Een multivariaat Gaussisch proces $V(\cdot)$ met een correlatiekern $C(s,t)$ die de afhankelijkheid binnen en tussen variabelen beschrijft.
• Transformaties: Voor continue data wordt een monotoon transformatie toegepast. Voor binaire, ordinale en afgeknotte data worden specifieke "observation maps" gebruikt (drempelwaarden of truncatie) om de waargenomen waarden te genereren vanuit het latente proces.
• Schattingsstrategie: Omdat directe momenten-schattingen niet werken voor niet-Gaussische data, maken de auteurs gebruik van de invariantie van Kendall's $\tau$ onder monotoon transformaties. Ze schatten de latente correlatiekern $C$ via een "bridging"-methode die $\tau$ koppelt aan de onderliggende Gaussische correlatie.

Twee Schattingsprocedures:

1. M2FPCA (Blockwise Estimation): Een volledig multivariabele schatter die de volledige latente covariantie- en kruiscovariantie-oppervlakken $\{C_{jk}\}$ schat via bloksgewijze schatting. Dit is flexibel maar computationeel zwaar ($O(J^2|S|^2n \log n)$).
2. ps-M2FPCA (Partially Separable): Een schaalbare alternatief dat de aanname van partiële separabiliteit gebruikt. Hierbij worden gedeelde temporale eigenfuncties ($\phi_\ell$) over alle domeinen verondersteld, terwijl de component-specifieke scores variëren. Dit reduceert de computationele complexiteit aanzienlijk ($O(J|S|^2n \log n)$) en is ideaal voor grote datasets.

Voorspelling:
De methode gebruikt Best Linear Unbiased Prediction (BLUP) op het latente Gaussische niveau om ontbrekende waarden in te vullen en volledige functionele trajecten te reconstrueren, waarna deze worden teruggeprojecteerd naar de waargenomen schaal.

3. Belangrijkste Bijdragen

• Unificatie van gemengde data: De eerste methode die functionele hoofdkomponentenanalyse (FPCA) toepast op multivariabele data met gemengde meetniveaus (continu, ordinale, binair, afgeknot) binnen één coherent probabilistisch raamwerk.
• Semiparametrische afhankelijkheidsschatting: Het gebruik van Kendall's $\tau$ om de complexe, niet-lineaire afhankelijkheden tussen verschillende datatypen te schatten zonder specifieke verdelingsaannames voor de marginaal.
• Computationele schaalbaarheid: De ontwikkeling van de ps-M2FPCA-methode, die de rekenlast verlaagt zonder in te boeten aan interpretatiekwaliteit, waardoor toepassing op grote mHealth-cohorten mogelijk wordt.
• Digitale biomerkers: Het leveren van interpreteerbare, subject-specifieke latente scores die dienen als digitale biomerkers voor de dynamiek van gezondheidsgedrag.

4. Resultaten

Simulatiestudies:
De auteurs testten de methoden op synthetische data met stationaire en niet-stationaire covariantiestructuren.

• Prestatie: Zowel M2FPCA als ps-M2FPCA presteerden aanzienlijk beter dan bestaande methoden voor continue data (MFPCA) wanneer de data gemengd was. De geschatte covariantie-oppervlakken hadden een veel lagere Integrated Squared Error (ISE).
• Robuustheid: De methoden waren robuust bij verschillende steekproefgroottes ($n=100$ tot $1000$) en complexe afhankelijkheidsstructuren.

Toepassing op NIMH Family Study:
De methode werd toegepast op data van 307 deelnemers (gezonde controles, MDD, Bipolaire I en II) met EMA-data (stemming, angst, energie) en actigrafie-data (beweging) over 14 dagen.

• Gedetecteerde Patronen: De analyse onthulde drie dominante latente componenten:
  1. FPC1 (64% variantie): Een algemene as van "symptoomlast en activiteit".
  2. FPC2 (12% variantie): Een monotoon contrast van ochtend tot avond (homeostatische slaapdruk).
  3. FPC3 (6% variantie): Een omgekeerde U-vormige piek rond het middaguur (circadiane invloed).
• Differentiatie van Stoornissen: Door de latente scores te gebruiken in een LASSO-logistische regressie, konden de auteurs subtiel onderscheid maken tussen stoornissen:
  • Angst: Was een universele voorspeller voor alle stemmingsstoornissen.
  • Bipolaire Stoornissen: Toonden specifieke patronen in de variabiliteit en het gemiddelde van de activiteitsscores (FPC1 en FPC2) gedurende de dag. Bipolaire I had een negatieve associatie met activiteit, terwijl Bipolaire II een positieve associatie vertoonde met de ochtend-avond gradient.
  • MDD (Depressie): Was uniek geassocieerd met een verlaagde variabiliteit in energie en een zwakke binnen-dag energie-gradiënt.
  • Stemming: "Sad mood" (verdriet) bleek minder discriminatief dan dynamische patronen van angst en energie.

5. Betekenis en Conclusie

De studie demonstreert dat het combineren van passieve sensordata en actieve EMA-rapportage via een geavanceerde functionele data-analyse methode, diepte-inzicht biedt in de pathofysiologie van stemmingsstoornissen.

• Klinische Relevantie: De methode identificeert "digitale fenotypes" die verder gaan dan simpele gemiddelden; ze vangen de dynamiek en variabiliteit van symptomen gedurende de dag in.
• Toekomstperspectief: De resultaten onderstrepen het belang van het monitoren van de koppeling tussen energie en activiteit, en bieden een raamwerk voor precisie-psychiatrie. De auteurs wijzen echter op beperkingen, zoals de aanname van onafhankelijke "subject-dagen" (geen seriële afhankelijkheid tussen dagen), wat een richting is voor toekomstig onderzoek (M3FPCA).

Samenvattend biedt dit werk een robuust, schaalbaar en interpreteerbaar statistisch instrument om de complexe, gemengde tijdsreeksdata van moderne mHealth-studies te ontrafelen.