📊 statistics

A Latent Trajectory Analysis for Multivariate Outcomes with Mixed-Scale: Application to Alzheimer's Disease Neuroimaging Initiative

Dit artikel stelt een nieuw latent trajectmodel voor dat gebruikmaakt van het expectation-maximization algoritme om multivariate longitudinale uitkomsten met gemengde schalen te analyseren, wat de identificatie van dynamische patiëntensubgroepen mogelijk maakt ter ondersteuning van geïndividualiseerde behandelplanning, zoals aangetoond door een toepassing op de Alzheimer's Disease Neuroimaging Initiative (ADNI).

Oorspronkelijke auteurs: Lindsay R. Salvati, Jungwun Lee

Gepubliceerd 2026-08-10

📖 7 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Lindsay R. Salvati, Jungwun Lee

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je voor dat je probeert te begrijpen hoe een complexe machine, zoals een automotor, in de loop van de tijd verandert. Meestal kijken monteurs naar één onderdeel tegelijk: "Daalt de oliedruk?" of "Stijgt de temperatuur?". Maar in de echte wereld is alles met elkaar verbonden. De oliedruk kan dalen omdat de temperatuur steeg, en beide kunnen alleen voorkomen bij auto's met een specifiek type brandstoffilter. Als je alleen naar de olie kijkt, mis je het hele verhaal. Dit is de uitdaging waar wetenschappers voor staan bij het bestuderen van de ziekte van Alzheimer. Ze hebben een berg aan data: getallen die meetbaar zijn op een schaal (zoals scores op geheugentests of lichaamsgewicht), en categorieën die simpelweg "ja" of "nee" zijn (zoals een hoge bloeddruk hebben of een specifieke genetische marker).

Lama tijd moesten statistici kiezen: ofwel alle getallen samen bekijken, ofwel alle ja/nee-antwoorden samen bekijken, maar zelden beide tegelijkertijd. Het is alsof je probeert een symfonie te begrijpen door alleen naar de violen of alleen naar de drums te luisteren, maar nooit naar het hele orkest. Het probleem wordt nog ingewikkelder omdat mensen niet allemaal hetzelfde script volgen. Sommige mensen met Alzheimer verslechteren langzaam, anderen snel, en sommigen blijven jarenlang stabiel. Traditionele wiskundige instrumenten gaan er vaak vanuit dat iedereen slechts een iets andere versie is van de "gemiddelde" persoon, wat deze belangrijke verschillen verbergt. Dit artikel introduceert een nieuwe manier om het hele orkest tegelijk te beluisteren, zelfs wanneer de instrumenten verschillende soorten muziek spelen.

Het Nieuwe Instrument: Een Statisch "Zwitsers Zakmes"

De auteurs van dit artikel, Lindsay R. Salvati en Jungwun Lee, hebben een nieuw statistisch instrument gebouwd genaamd het Mixed Latent Class Profile Model (Mixed-LCPM). Denk aan dit model als een super slimme detective die niet alleen naar aanwijzingen kijkt, maar mensen indeelt in geheime teams op basis van hoe hun aanwijzingen in de loop van de tijd veranderen.

In de wereld van het Alzheimer-onderzoek gebruiken wetenschappers data van de Alzheimer's Disease Neuroimaging Initiative (ADNI). Dit is een enorme collectie informatie van 919 mensen, die gedurende 48 maanden (ongeveer 4 jaar) werden gevolgd. Elke paar maanden namen deze mensen geheugentests af (continue getallen) en werd hun bloeddruk, BMI (lichaamsgewicht en lengte) en dementiestatus gecontroleerd (categorisch ja/nee of hoog/laag).

De oude manier van deze data analyseren was als het sorteren van een gemengde zak rode en blauwe knikkers door eerst alleen naar de rode knikkers te kijken, en dan apart naar de blauwe. Je zou dan kunnen missen dat de zware rode knikkers altijd samen komen met de glanzende blauwe knikkers. Het nieuwe Mixed-LCPM-model bekijkt de rode en blauwe knikkers gelijktijdig. Het vraagt: "Wie zijn de mensen wiens geheugenscores dalen terwijl hun bloeddruk hoog blijft? Wie zijn de mensen wiens geheugen stabiel blijft, ondanks dat ze overgewicht hebben?"

Hoe de Detective Werkt: Het Twee-Lagen Systeem

Het model gebruikt een slim tweestaps-proces om deze verborgen groepen te vinden, die de auteurs latent classes en latent profiles noemen.

De Snapshot (Latent Classes): Stel je voor dat je een foto maakt van iedereen op een enkel moment in de tijd. Het model kijkt naar die foto en groepeert mensen in "classes" op basis van hoe ze er op dat moment uitzien. Bijvoorbeeld, één class zou "Hoog Geheugen, Lage Bloeddruk" kunnen zijn, terwijl een andere "Laag Geheugen, Hoge Bloeddruk" is.
De Film (Latent Profiles): Stel je nu voor dat je een film kijkt van diezelfde mensen over zes jaar. Het model kijkt hoe mensen van de ene "class" naar de andere bewegen. Blijven ze voor altijd in de groep "Hoog Geheugen"? Springen ze van "Laag Geheugen" naar "Hoog Geheugen" (onwaarschijnlijk, maar wiskundig mogelijk)? Of drijven ze langzaam van "Gezond" naar "Belemmerd"?

Door deze twee stappen te combineren, vindt het model trajecten. Het zegt niet alleen: "Persoon A is ziek." Het zegt: "Persoon A behoort tot een groep die gezond begon, een tijdje gezond bleef, en daarna op een specifieke manier plotseling slechter werd."

Wat Ze Vonden: Vijf Groepen, Zes Verhalen

Toen de auteurs dit instrument toepasten op de ADNI-data, ontdekten ze dat de patiënten niet gewoon een vage massa van "slechter worden" waren. Ze vielen uiteen in vijf duidelijke groepen (latent classes) op basis van hun mix van geheugenscores en gezondheidsrisico's:

Groep 1: Hoge geheugenscores, laag risico op hoge bloeddruk of obesitas. (De "Gezonde" groep).
Groep 2: Hoge geheugenscores, maar hoog risico op hoge bloeddruk en obesitas. (De "Gezond maar Ongezond" groep).
Groep 3: Milde geheugenproblemen, hoog risico op hoge bloeddruk en obesitas.
Groep 4: Milde geheugenproblemen, maar laag risico op hoge bloeddruk en obesitas.
Groep 5: Ernstige geheugenproblemen over de hele linie, met hoge gezondheidsrisico's. (De "Significante Belemmering" groep).

Maar de echte magie gebeurde toen ze naar de trajecten (de verhalen) keken. Ze vonden zes verschillende paden die mensen volgden:

Stabiel & Gezond: Mensen die de hele tijd in Groep 1 bleven.
Stabiel maar Ongezond: Mensen die de hele tijd in Groep 2 bleven (goed geheugen, slechte gezondheid).
Stabiel Mild & Ongezond: Mensen die in Groep 3 bleven.
Stabiel Mild & Gezond: Mensen die in Groep 4 bleven.
De Decliners (De Achteruitgaanders): Een kleine groep (ongeveer 4,5% van de mensen) die begon in Groep 4 (milde beperking, gezond) maar tegen het einde van de studie bijna zeker naar Groep 5 (ernstige beperking) was bewogen.
De Stabiel Belemmerde: Mensen die in de beperkte groepen bleven.

Waarom Dit Belangrijk Is: Het Onzichtbare Zien

Het artikel bewijst dat als je alleen naar de geheugenscores (de getallen) had gekeken, je een groot verschil had gemist. Bijvoorbeeld, de "Stabiel & Gezonde" groep en de "Stabiel maar Ongezonde" groep hadden beide goede geheugenscores. Als je alleen naar het geheugen had gekeken, zouden ze als dezelfde groep hebben geleken. Maar het nieuwe model zag dat de ene groep een hoge bloeddruk had en de andere niet.

Hetzelfde geldt voor twee groepen met milde geheugenproblemen die hetzelfde leken op geheugentests, maar de een was zeer overgewicht en de ander niet. Door de "ja/nee" gezondheidsdata te negeren, zouden onderzoekers deze cruciale verschillen hebben gemist.

De auteurs hebben ook gecontroleerd hoe hun nieuwe instrument werkte met behulp van simulaties. Ze creëerden nepdata met bekende antwoorden en draaiden hun model erop. De resultaten lieten zien dat het model erg goed was in het vinden van de juiste groepen, vooral wanneer ze veel data hadden (zoals 1.000 mensen). Het identificeerde de patronen in ongeveer 95% van de gevallen, wat een zeer sterk resultaat is voor dit soort complexe wiskunde.

De Limieten en de Toekomst

De auteurs benadrukken dat dit een statistische ontdekking is, geen medisch geneesmiddel. Ze vonden dat factoren zoals leeftijd, geslacht, opleiding en het aantal APOE4-allelen (een genetische marker) verbonden waren aan welke "verhaal" iemand waarschijnlijk zou volgen. Zo waren oudere mensen bijvoorbeeld iets minder waarschijnlijk om in de "Stabiel maar Ongezonde" groep te zitten vergeleken met de "Stabiel & Gezonde" groep.

Echter, het artikel vermeldt ook enkele beperkingen. De wiskunde is lastig; soms komt de computer vast te zitten in een "lokaal maximum", wat lijkt op een wandelaar die vastzit in een klein dal en denkt dat hij de top van de berg heeft bereikt. Om dit op te lossen, hebben de auteurs het model 100 keer gedraaid met verschillende startpunten om er zeker van te zijn dat ze de echte hoogste piek vonden. Ze merkten ook op dat hun model ervan uitgaat dat ontbrekende data (zoals een gemiste doktersafspraak) willekeurig is, wat in de echte wereld niet altijd het geval is.

De Kernboodschap

Dit artikel vertelt ons nog niet hoe we Alzheimer kunnen stoppen. In plaats daarvan geeft het wetenschappers een betere bril. Voorheen zagen ze misschien een menigte mensen die er allemaal "een beetje ziek" uitzagen. Nu, met de Mixed-LCPM, kunnen ze zien dat de menigte eigenlijk bestaat uit duidelijke teams, elk met hun eigen unieke geschiedenis en toekomstig pad. Deze helderheid kan artsen in de toekomst helpen om de juiste patiënten te selecteren voor de juiste klinische studies, zodat ze bij het testen van een nieuw medicijn testen op een groep mensen die werkelijk vergelijkbaar zijn, in plaats van op een rommelige mix van verschillende verhalen.

Technische Samenvatting: Een Latente Trajectanalyse voor Multivariaat Uitkomsten met Gemengde Schalen

Probleemstelling
De ziekte van Alzheimer (AD) is een progressieve neurodegeneratieve stoornis die wordt gekenmerkt door heterogene klinische manifestaties. Grootschalige initiatieven zoals de Alzheimer's Disease Neuroimaging Initiative (ADNI) genereren uitgebreide longitudinale datasets die mixed-type variabelen bevatten: continue maten (bijv. cognitieve scores, biomarkers) en categorische items (bijv. diagnostische status, comorbiditeiten). Het gelijktijdig analyseren van deze variabelen is essentieel voor het begrijpen van de evolutie van de ziekte, maar vormt aanzienlijke statistische uitdagingen.

Traditionele benaderingen, zoals mixed-effects modellen, gaan vaak uit van een enkel populatiegemiddelde traject, wat betekenisvolle heterogeniteit in de ziekteprogressie kan maskeren. Hoewel Growth Mixture Modeling (GMM) latente subgroepen identificeert, zijn standaardframeworks doorgaans beperkt tot enkelvoudige uitkomsten of vertrouwen ze op parametrische aannames met betrekking tot gemiddelde vectoren en variantie-covariantie matrices. Indien deze parametrische vormen verkeerd gespecificeerd zijn, kunnen de conclusies misleidend zijn. Daartegenover bieden niet-parametrische benaderingen zoals Latent Class Profile Models (LCPM) en Latent Transition Models (LTM) weliswaar flexibiliteit, maar zijn zij beperkt tot categorische uitkomsten, waardoor ze niet in staat zijn om continue metingen te accommoderen die cruciaal zijn voor het vastleggen van de nuances in de progressie van AD. Er bestaat een methodologische kloof in het modelleren van gezamenlijke trajecten van zowel continue als categorische uitkomsten zonder rigide parametrische trajectvormen op te leggen.

Methodologie
Om deze kloof te overbruggen, stellen de auteurs het Mixed Latent Class Profile Model (Mixed-LCPM) voor, een uitbreiding van het standaard LCPM-framework.

Modelstructuur: Het model maakt gebruik van een latent structuur op twee niveaus:
1. Latente klassen ( $C_t$ ): Op elk tijdstip $t$ vertegenwoordigt een vector van categorische latente variabelen de subject-niveau respons patronen. Deze klassen vatten de gezamenlijke verdeling van geobserveerde uitkomsten (zowel continu $Y_t$ als categorisch $Z_t$ ) samen.
2. Latente profielen ( $U$ ): Een hogere-orde categorische latente variabele vat de sequentiële patronen van klassenlidmaatschappen over de tijd samen in $S$ representatieve trajectprofielen.
Distributionele aannames:
- Continue uitkomsten: Gemodelleerd als een multivariate normale verdeling met klasse-specifieke gemiddelden ( $\mu_c$ ) en covariantie matrices ( $\Sigma_c$ ).
- Categorische uitkomsten: Gemodelleerd met multinomiale verdelingen met klasse-specifieke waarschijnlijkheden ( $\pi_{pk|c}$ ).
- Conditionele onafhankelijkheid: Het model gaat ervan uit dat uitkomsten op een specifiek tijdstip conditioneel onafhankelijk zijn gegeven de latente klasse-lidmaatschapsstatus op dat tijdstip. Voorts zijn latente klassenlidmaatschappen over de tijd conditioneel onafhankelijk gegeven het latente profiel-lidmaatschap.
Parametrisering:
- Meetparameters: Omvat $\mu$ en $\Sigma$ voor continue uitkomsten, en $\pi$ voor categorische uitkomsten. Deze worden als tijd-invariant beschouwd om een consistente interpretatie van latente klassen over tijdsperioden te waarborgen.
- Structurele parameters: Omvat $\eta$ (transitie-waarschijnlijkheden tussen profielen en klassen) en $\gamma$ (prevalentie van profielen).
- Covariaten: Associaties tussen subject-niveau covariaten ( $x$ ) en latente profiel-lidmaatschap worden gemodelleerd via multinomiale logistische regressie.
Schatting: Parameters worden geschat met behulp van Maximum Likelihood (ML) via het Expectation-Maximization (EM) algoritme.
- E-stap: Maakt gebruik van het forward-backward algoritme om de posterieure waarschijnlijkheden van latente klasse-sequenties en profiel-lidmaatschappen efficiënt te berekenen, wat de computationele complexiteit van hoog-dimensionale latente sequenties aanpakt.
- M-stap: Update parameters om de verwachte complete-data log-likelihood te maximaliseren. Closed-form oplossingen worden gebruikt voor normale en multinomiale parameters, terwijl het Newton-Raphson algoritme wordt ingezet voor regressiecoëfficiënten ( $\beta$ ).
- Inferentie: Standaardfouten worden afgeleid van de inverse van de Hessian matrix van de geobserveerde data-likelihood. Modelselectie (het bepalen van het aantal klassen $K$ en profielen $S$ ) wordt uitgevoerd met behulp van het Bayesian Information Criterion (BIC).

Belangrijkste Bijdragen

Methodologische Uitbreiding: Het artikel breidt het LCPM-framework uit om multivariate uitkomsten met gemengde schalen (continu en categorisch) te verwerken, waarmee de beperking van bestaande niet-parametrische trajectmodellen die slechts categorische data ondersteunen, wordt overwonnen.
Niet-parametrische Flexibiliteit: In tegen tegenstelling tot parametrische GMM's, legt de Mixed-LCPM geen specifieke functionele vorm (bijv. lineair, kwadratisch) op aan het traject. In plaats daarvan worden trajecten gekarakteriseerd door de sequentiële patronen van latente klassenlidmaatschappen, wat een flexibelere en datagestuurde identificatie van longitudinale trends mogelijk maakt.
Gezamenlijke Modellering: De aanpak modelleert simultaan de associaties tussen variabeletypen op specifieke tijdstippen en de correlaties die voortvloeien uit herhaalde metingen, waardoor een verenigd framework ontstaat voor longitudinale data met gemengde schalen.
Implementatie: De auteurs bieden een R-implementatie van de voorgestelde methode en valideren deze via uitgebreide simulatiestudies.

Resultaten

Simulatiestudies: De auteurs voerden simulaties uit over vier scenario's waarbij varieerde in klasse-scheiding (sterk vs. zwak) en profiel-balans (gelijk vs. ongelijk) met steekproefgroottes van $N=250, 500, 1000$ $N = 250, 500, 1000$ .
- De estimator vertoonde een robuuste prestatie met minimale gestandaardiseerde bias ($|Sbias| < 0,1$) en dekking waarschijnlijkheden nabij het nominale niveau van 0,95 voor $N=1000$ .
- Dekkingswaarschijnlijkheden waren gevoelig voor de steekproefomvang en daalden onder de 0,90 voor $N=250$ , wat consistent is met de asymptotische aard van de standaardfouten bij mixture modeling.
ADNI Toepassing: De methode werd toegepast op ADNI-data ( $N=919$ $N = 919$ ) met zes tijdstippen (Baseline tot Maand 48).
- Latente Klassen: Vijf verschillende klassen werden geïdentificeerd, waarbij patiënten werden gedifferentieerd op basis van cognitieve status (Normaal, Milde Belemmering, Significante Belemmering) en vasculaire risicoprofielen (Gezond vs. Ongezond met betrekking tot Bloeddruk en BMI).
- Latente Trajecten: Zes verschillende trajectprofielen werden geïdentificeerd. Opvallend genoeg onderscheidde het model groepen met vergelijkbare cognitieve trajecten maar verschillende vasculaire risicoprofielen (bijv. "Stabiele Cognitie en Stabiele Goede Gezondheid" vs. "Stabiele Cognitie en Stabiele Slechte Gezondheid").
- Covariaat Associaties: Significante associaties werden gevonden tussen baseline covariaten (Leeftijd, Geslacht, Educatie, APOE4 allelen) en traject-lidmaatschap. Bijvoorbeeld, oudere leeftijd was geassocieerd met lagere kansen op het behoren tot het "Normaal en Ongezond" profiel vergeleken met de "Normaal en Gezond" referentiegroep.

Betekenis en Claims
Het artikel claimt dat het voorgestelde Mixed-LCPM een robuust, niet-parametrisch alternatief biedt voor het analyseren van complexe longitudinale data waarbij de uitkomsten een mix zijn van continue en categorische variabelen. Door onderscheidende subgroepen te identificeren op basis van gezamenlijke trajecten, onthult de methode heterogeniteit in ziekteprogressie die univariate of enkelvoudige type analyses zouden kunnen maskeren.

De auteurs benadrukken dat hoewel de methode succesvol is in het identificeren van representatieve patronen van multivariate uitkomsten en hun associaties met covariaten, de gepresenteerde resultaten uit de ADNI-cohort bedoeld zijn om de statistische benadering te illustreren en niet om directe klinische besluitvorming te informeren. Zij erkennen beperkingen, waaronder de afhankelijkheid van de Missing at Random (MAR) aanname voor het afhandelen van ontbrekende gegevens, en de computationele kosten van modelselectie via grid search. Toekomstige richtingen die worden gesuggereerd omvatten het uitbreiden van het model naar geclusterde data en het adresseren van Missing Not at Random (MNAR) scenario's via joint modeling frameworks.