Causal Inference of Blood Pressure Reduction and Coronary Heart Disease Risk in the Framingham Study

Door causale inferentiemethoden toe te passen op de Framingham Heart Study, toont dit artikel aan dat standaard observatieve risicocalculatoren het absolute voordeel van bloeddrukverlaging op het risico op coronaire hartziekten door verstorende factoren met ongeveer 21,8% overschatten, wat de kritieke noodzaak benadrukt om onderscheid te maken tussen conditionele kansen en interventionele effecten in klinische besluitvorming.

De kern

Stel je voor dat je probeert uit te vinden hoeveel een specifieke actie—zoals het verlagen van je bloeddruk—echt helpt om een hartaanval te voorkomen. Decennialang hebben artsen en risicocalculatoren een methode gebruikt waarbij ze mensen die van nature een lage bloeddruk hebben, vergelijken met mensen die van nature een hoge bloeddruk hebben.

Het probleem, volgens deze studie, is dat deze vergelijking lijkt op het beoordelen van een race door te kijken naar de schoenen van de renners in plaats van naar hun loopvermogen.

Hier is de uiteenzetting van wat de onderzoekers vonden, met behulp van eenvoudige analogieën:

De "Natuurlijke" versus "Gedwongen" Fout

Stel je bloeddruk voor als de temperatuur in een huis.

• De Oude Manier (Observationeel): Onderzoekers keken naar huizen die van nature koel zijn en vergeleken ze met huizen die van nature heet zijn. Ze merkten op dat de hete huizen meer gebroken ramen hadden (hartziekte). Ze concludeerden: "Als we het huis afkoelen, zullen we veel ramen redden."
• De Fout: De huizen die van nature heet zijn, hebben vaak ook andere problemen: ze zijn ouder, de isolatie is slechter en de eigenaren zijn minder zorgvuldig met onderhoud. De hitte is niet de enige reden dat de ramen breken; de leeftijd en slecht onderhoud spelen ook een rol.
• De Nieuwe Manier (Causaal): Deze studie stelde een andere vraag: "Als we een huis dat van nature heet is de thermostaat afdwingen naar beneden (met medicijnen), hoeveel ramen redden we dan eigenlijk?"

De studie vond dat de "Oude Manier" het voordeel met ongeveer 22% overschatte. Het blamde de hitte voor alle gebroken ramen, terwijl in werkelijkheid de leeftijd van het huis en slecht onderhoud veel van de schade veroorzaakten. Als je de hitte repareert, repareer je de hitte, maar repareer je niet magisch de leeftijd of de onderhoudsproblemen.

De "Kaart"-Correctie

Om dit goed te krijgen, tekenden de onderzoekers een nieuwe "kaart" (een zogenaamde Gerichte Acyclische Grafiek of DAG) van hoe hartgezondheid werkt. Ze vonden vier fouten in de kaarten die iedereen anders had gebruikt:

1. Roken: Ze verwijderden een lijn die suggereerde dat roken in deze specifieke context direct hoge bloeddruk veroorzaakt, en realiseerden zich dat het eerst via andere paden (zoals cholesterol) de hartgezondheid beïnvloedt.
2. Leeftijd: Ze voegden een lijn toe die laat zien dat ouder worden diabetes veroorzaakt, wat vervolgens de hartgezondheid beïnvloedt.
3. Medicatie: Ze realiseerden zich dat het nemen van bloeddrukpillen een gevolg is van het hebben van hoge bloeddruk, en niet de oorzaak ervan. Pillen behandelen als oorzaak was als het blusapparaat de schuld geven voor het begin van het vuur.
4. Geschiedenis: Ze hielden op met het tellen van "vroegere hoge bloeddruk" als een aparte oorzaak, omdat het slechts een symptoom is van de huidige hoge bloeddruk.

Door deze kaartfouten te herstellen, konden ze het ware effect van de "thermostaat-aanpassing" berekenen.

De Resultaten: Een Eerlijker Getal

Toen ze de wiskunde correct uitvoerden:

• De Oude Schatting: Het verlagen van de bloeddruk met 20 punten zou hartziekte voorkomen bij ongeveer 4,14% van de mensen.
• De Nieuwe Waarheid: Het verlagen van de bloeddruk met 20 punten voorkomt hartziekte eigenlijk bij ongeveer 3,40% van de mensen.

Hoewel 3,40% nog steeds goed klinkt, toont de studie aan dat de "Oude Schatting" te optimistisch was. Als een arts het oude getal gebruikt om te beslissen of medicijnen moeten worden voorgeschreven, zou ze kunnen denken dat het voordeel groot genoeg is om een patiënt te behandelen, terwijl het werkelijke voordeel misschien net onder de drempel voor behandeling ligt.

Wie Profiteert Het Meest?

De studie keek ook of deze "fix" op verschillende manieren werkt voor verschillende mensen:

• Leeftijd: Oudere mensen lijken een groter absoluut voordeel te hebben uit het verlagen van de bloeddruk dan jongere mensen. Dit is logisch omdat oudere mensen van tevoren meer "gebroken ramen" hebben.
• Diabetes: De onderzoekers probeerden te kijken naar mensen met diabetes, maar er waren er te weinig in de studie om iets betrouwbars te zeggen. Ze waarschuwen uitdrukkelijk dat we nog geen conclusies over diabetici kunnen trekken uit deze gegevens.

De Conclusie

Deze studie zegt niet "verlaag de bloeddruk niet". Het zegt: "Wees voorzichtig met hoeveel je denkt dat het verlagen van de bloeddruk zal helpen."

Standaard risicocalculatoren zijn als een weersvoorspelling die een storm voorspelt op basis van hoe donker de lucht er nu uitziet, en negeert dat de lucht donker is vanwege een stormwolk die al weg beweegt. Door een geavanceerdere methode te gebruiken (causale inferentie), lieten de onderzoekers zien dat de "storm" (het risico op hartziekte) iets minder ernstig is dan de oude voorspellingen voorspelden wanneer je het effect van bloeddruk alleen isoleert.

Dit helpt artsen nauwkeurigere beslissingen te nemen, zodat ze het "magische" effect van een enkele behandeling niet overschatten wanneer het totale gezondheidsbeeld van een patiënt veel complexer is.

Technische samenvatting

Technische Samenvatting: Causale Inferentie van Bloeddrukverlaging en Risico op Coronaire Hartziekte in de Framingham-studie

Probleemstelling
Standaard risicocalculators voor cardiovasculaire aandoeningen, zoals de Framingham Risicoscore en de ACC/AHA Pooled Cohort-vergelijkingen, schatten de conditionele waarschijnlijkheid van coronaire hartziekte (CHD) gegeven een specifiek bloeddrukprofiel, $P(\text{CHD} \mid \text{SysBP}=s, Z=z)$. Deze grootheid weerspiegelt de waargenomen frequentie van de ziekte onder individuen die van nature bepaalde kenmerken vertonen. Echter, klinische besluitvorming inzake antihypertensiva vereist de interventiegrootheid, $P(\text{CHD} \mid \text{do}(\text{SysBP}=s))$, die het risico vertegenwoordigt indien de bloeddruk farmacologisch op een streefwaarde wordt ingesteld, onafhankelijk van de onderliggende biologische toestand van de patiënt (bijvoorbeeld leeftijd, obesitas, metabole dysregulatie).

Het artikel betoogt dat het verwarren van deze twee grootheden leidt tot een systematische overschatting van het absolute voordeel van bloeddrukverlaging. Individuen met van nature verhoogde bloeddruk vertonen vaak een hogere last van comorbiditeiten (hogere leeftijd, hogere BMI, diabetes) in vergelijking met personen met een lagere bloeddruk. Observationele schattingen vangen het risico op dat geassocieerd is met dit volledige profiel, terwijl antihypertensiva alleen het causale pad van druk naar vasculaire gebeurtenissen doorsnijden. Bijgevolg kunnen observationele instrumenten de waargenomen werkzaamheid van behandeling opblazen, wat mogelijk invloed heeft op voorschrijftriggers en risicostratificatie.

Methodologie
De studie past Pearls do-calculus en structureel causaal modelleren toe op de Framingham Heart Study Offspring Cohort ($n=4.240$; primaire analyse op $n=3.776$ complete gevallen). De methodologische pijplijn omvat:

1. Specificatie van het Structureel Causaal Model (DAG): Een Directed Acyclic Graph (DAG) werd geconstrueerd met 11 knopen en 24 randen. De auteurs introduceerden vier biologisch gemotiveerde correcties op eerdere formuleringen:

   • Verwijdering van Roken $\to$ SysBP: Met de erkenning dat hoewel nicotine acute vasoconstrictie veroorzaakt, het in deze cross-sectionele context geen structureel causaal pad op populatieniveau vormt van rookstatus naar aanhoudende systolische bloeddruk.
   • Toevoeging van Leeftijd $\to$ Diabetes: Het incorporeren van de scherpe toename van het incidentie van Type 2-diabetes met de leeftijd, waarbij leeftijd wordt erkend als een gedeelde oorzaak van zowel bloeddrukverhoging als CHD.
   • Herrubricering van Medicatie (BPMEDS): Het behandelen van antihypertensiva als een nazaat van Systolische Bloeddruk (SysBP) in plaats van een verstorende variabele. Het opnemen ervan in de aanpassingsset zou colliderbias induceren.
   • Uitsluiting van Prevalente Hypertensie: Het verwijderen van prevalent hypertensie uit de primaire aanpassingsset om bias door overaanpassing te voorkomen, aangezien dit causaal stroomafwaarts ligt van langetermijnbloeddruk.

   De validiteit van de DAG werd getest via tests voor conditionele onafhankelijkheid (partiële correlaties), die allen slaagden bij $\alpha=0.05$.

2. Schatting van Causale Effecten:

   • Primaire Schatter: G-computatie (standaardisatie) werd gebruikt om het Gemiddelde Causale Effect (ACE) van een verlaging van 20 mmHg in SysBP te schatten. De back-door aanpassingsset $Z = \{\text{Leeftijd, Geslacht, BMI, Huidig Roken}\}$ werd gebruikt. Totale cholesterol en glucose werden opgenomen als precisiecovariaten in de regressie voor de uitkomst.
   • Triangulatie: De resultaten werden geverifieerd met geslachtsgespecificeerde Propensity Score Matching (PSM) en Inverse Probability Weighting (IPW).
   • Heterogeniteit: Conditionele Gemiddelde Behandelings-effecten (CATE) werden geschat met R-Learner en T-Learner metalearners met gradient-boosted nuisance-modellen om effectmodificatie te beoordelen op basis van leeftijd, geslacht en diabetesstatus.
   • Robuustheid: De studie hanteerde permutatie-refutatie-tests en placebo-instrumenten (bijvoorbeeld hartslag $\to$ leeftijd) om de causale schattingen te valideren. E-waarden werden berekend om de robuustheid van de bevindingen voor ongemeten verstorende factoren te kwantificeren.

Belangrijkste Resultaten

• Kloof tussen Voorspelling en Causaliteit: De g-computatie benadering leverde een ACE op van 3,40% absolute risicoreductie (95% bootstrap CI: 2,64%–4,14%) voor een verlaging van 20 mmHg in SysBP. In tegenstelling hiermee was de naïeve observationele schatting 4,14%. Dit vertegenwoordigt een relatieve overschatting van ongeveer 21,8% door de observationele benadering.
• Bron van Bias: De divergentie wordt gedreven door de clustering van hogere leeftijd, hogere BMI en metabole dysregulatie met verhoogde bloeddruk. De observationele schatting vangt het risico van het comorbide profiel op, niet alleen de bloeddrukverlaging.
• Heterogeniteit: Statistisch significante heterogeniteit werd gedetecteerd over leeftijdsschichten ($p < 0.001$) en diabetesstatus ($p < 0.001$). Oudere patiënten (45–64 jaar) vertoonden hogere geschatte absolute risicoreducties (~4,5–4,8%) in vergelijking met jongere patiënten (<45 jaar, ~2,2%).
• Beperkingen Subgroepen: Schattingen voor de diabetes-subgroep ($n=109$) waren instabiel en ondergepowerd, met een breed betrouwbaarheidsinterval dat nul kruist. De auteurs stellen expliciet dat geen betrouwbare inferentie met betrekking tot differentiële voordelen bij diabetici uit deze data kan worden getrokken zonder replicatie.
• Robuustheid: De ondergrens van de E-waarde was 2,18, wat aangeeft dat een ongemeten verstorende factor een risicoverhouding van ten minste 2,18 zou moeten hebben met zowel SysBP als CHD om het waargenomen effect volledig te verklaren. Dit overstijgt de sterkte van de associatie van alle gemeten covariaten.

Betekenis en Beweringen
Het artikel claimt de eerste te zijn die de omvang van de bias in standaard observationele cardiovasculaire risicoinstrumenten binnen de Framingham-cohort kwantificeert, en demonstreert dat deze instrumenten het absolute voordeel van antihypertensiva ongeveer met één vijfde kunnen overschatten.

De auteurs betogen dat deze overschatting directe klinische consequenties heeft. Voor patiënten nabij voorschrijftriggers kan een inflatie van 21,8% in het geschatte voordeel leiden tot behandelbeslissingen waarbij het ware causale voordeel onder een klinisch betekenisvolle drempel valt. De studie suggereert dat klinische risicostratificatie bij voorkeur zou moeten steunen op interventieschattingen in plaats van conditionele associaties.

Methodologisch draagt het artikel een end-to-end reproduceerbare pijplijn bij die DAG-evaluatie, g-computatie, PSM, IPW en semiparametrische metalearners integreert. Het wijst op specifieke structurele fouten in eerdere causale analyses van cardiovasculaire data, met name de incorrecte behandeling van antihypertensiva als verstorende variabele in plaats van als nazaat van bloeddruk, wat colliderbias introduceert.

Beperkingen Erkend door de Auteurs
De auteurs handhaven een bescheiden toon regarding hun conclusies en merken verschillende beperkingen op:

• Ongemeten Verstorende Factoren: De aanname van geen ongemeten verstorende factoren is niet verifieerbaar; factoren zoals dieet, fysieke activiteit en genetica kunnen de resultaten beïnvloeden.
• Cross-Sectioneel Karakter: De analyse steunt op baseline-data en houdt geen rekening met tijd-variabele verstorende factoren over de 10-jarige follow-up, wat kan leiden tot conservatieve schattingen.
• Vereenvoudiging DAG: De DAG is een vereenvoudigde weergave; falen in sommige placebo-tests suggereert latente gedeelde oorzaken die niet in het model zijn opgenomen.
• Generaliseerbaarheid: De Framingham Offspring Cohort is grotendeels een blanke, gemeenschapsgebaseerde steekproef uit het midden van de 20e eeuw in Nieuw-Engeland, wat de generaliseerbaarheid beperkt tot hedendaagse, diverse of hogerrisicopopulaties.
• Subgroepkracht: De analyse van de diabetes-subgroep is expliciet gemarkeerd als ondergepowerd en onbetrouwbaar voor inferentie.

De studie positioneert haar bevindingen als hypothesegenererend en roept op tot toekomstige validatie tegen data van gerandomiseerde trials (bijvoorbeeld SPRINT, ACCORD-BP) en replicatie in grotere, diversere cohorten.