Regression-based Modeling of Spearman's Rho for Longitudinal Metabolomics and Mental Wellness in Breast Cancer Patients

In dit artikel wordt een nieuw regressiegebaseerd raamwerk voorgesteld om Spearman's rho uit te breiden naar longitudinale metabolomics-data, waarmee de associatie tussen metabolietprofielen en mentale gezondheid bij borstkankerpatiënten tijdens chemotherapie kan worden onderzocht met aanpassing voor covariaten en ontbrekende gegevens.

De kern

De Kern: Een Nieuwe Ruzie-Detector voor Longitudinale Data

Stel je voor dat je een groep mensen observeert die een zware reis maken (chemotherapie). Onderweg meten je twee dingen: hoe ze zich voelen (hun mentale gezondheid) en wat er in hun bloed gebeurt (hun metabolieten, de kleine chemische bouwstenen).

De onderzoekers willen weten: Is er een verband tussen wat er in het bloed gebeurt en hoe iemand zich voelt? En belangrijker nog: Verandert dat verband naarmate de reis vordert?

1. Het Probleem: De oude meetlat is te stijf

Vroeger gebruikten wetenschappers een meetlat genaamd de Pearson-correlatie. Die werkt prima als twee dingen lineair met elkaar meegaan (zoals een ladder: als je hoger klimt, word je ouder). Maar mensen en hun bloed zijn vaak niet zo simpel. Soms is het verband krom of niet-lineair.

Daarom gebruiken ze liever de Spearman's Rho. Denk aan dit als een ranglijst in plaats van een exacte meting. Het zegt niet: "Als je 10 punten meer hebt, krijg je 5 punten minder." Het zegt: "Als je in de ranglijst omhoog gaat, gaat die ander ook omhoog (of juist omlaag)." Dit werkt veel beter voor complexe biologische data.

Maar hier zit de hak: Bestaande methoden om deze ranglijst te meten, waren alleen gemaakt voor één momentopname (een foto). Ze konden niet omgaan met een video (longitudinale data), waarbij je dezelfde mensen over een periode van een jaar volgt. Ze konden ook geen rekening houden met factoren zoals roken, BMI of etniciteit, en ze hielden geen rekening met mensen die halverwege de studie uitvielen (ontbrekende data).

2. De Oplossing: De "Functie-Reactie" Motor (FRM)

De onderzoekers hebben een nieuwe motor gebouwd, genaamd Functionele Response Models (FRM).

• De Analogie: Stel je voor dat je niet kijkt naar één persoon, maar naar driehoekjes van drie willekeurige mensen die je met elkaar vergelijkt.
  • Als je kijkt naar drie mensen A, B en C, vraag je je af: "Als A hoger scoort dan B, scoort C dan ook hoger dan B?"
  • De nieuwe methode bouwt duizenden van deze driehoekjes op en kijkt hoe het gemiddelde van die vergelijkingen verandert in de tijd.
• Waarom is dit slim? Het is alsof je in plaats van één foto van een dansvloer, een hele film bekijkt. Je kunt zien hoe de dansstijl (de correlatie) verandert van de eerste dans (T1) naar de laatste (T4), terwijl je tegelijkertijd rekening houdt met of de dansers roken, hoe zwaar ze zijn, en van welke etnische groep ze zijn.

3. Het Experiment: De EPIGEN-studie

Ze pasten deze nieuwe motor toe op een echte studie met 77 vrouwen met borstkanker.

• De Meting: Ze namen vier keer bloed af (voor de chemo, tijdens de chemo, en twee keer daarna) en vroegen de vrouwen hoe angstig ze zich voelden.
• De Uitdaging: Niet iedereen kwam elke keer opdagen (ontbrekende data). De nieuwe methode is slim genoeg om dit op te lossen zolang het niet volledig willekeurig is (bijvoorbeeld: als mensen met meer angst vaker uitvielen, kon de methode dit corrigeren).

4. De Resultaten: Wat hebben ze ontdekt?

Toen ze de oude, simpele methoden gebruikten, zagen ze zwakke verbanden. Maar toen ze de nieuwe "ranglijst-motor" met alle correcties (BMI, roken, etniciteit) gebruikten, werden de verbanden sterker en duidelijker.

• Raciale verschillen: Ze vonden dat voor sommige stoffen in het bloed het verband met angst heel anders was voor zwarte vrouwen dan voor blanke vrouwen. Voor de ene groep ging het omhoog, voor de andere omlaag. Het is alsof twee verschillende auto's (etnische groepen) op dezelfde brandstof (chemotherapie) totaal anders reageren.
• Tijdsverloop: Een specifieke stof (5-Methoxytryptophol) had een sterk positief verband met angst voor de chemo. Maar direct na de chemo keerde dit om naar een negatief verband. Het was alsof de "chemische alarmbel" in het bloed plotseling van kleur veranderde tijdens de behandeling.

5. Waarom is dit belangrijk?

Dit artikel is niet alleen een wiskundig raadsel; het is een nieuwe lens voor artsen en onderzoekers.

• Het helpt om te begrijpen waarom sommige patiënten meer last hebben van angst tijdens chemo dan anderen.
• Het kan leiden tot nieuwe medicijnen of voedingstips die specifiek gericht zijn op die stoffen in het bloed.
• Het laat zien dat je niet naar iedereen in één grote pot kunt kijken; je moet kijken naar de specifieke groepen en hoe hun verbanden in de tijd veranderen.

Kortom: De onderzoekers hebben een slimme nieuwe manier bedacht om te kijken naar hoe ons bloed en onze geest in de loop van de tijd met elkaar dansen, zelfs als de muziek (de data) niet perfect is of als sommige dansers halverwege weglopen. Dit helpt ons om betere, persoonlijkere zorg te bieden aan kankerpatiënten.

Technische samenvatting

Probleemstelling

Chemotherapie bij borstkanker heeft een aanzienlijke impact op de mentale gezondheid. Metabolomics biedt inzicht in de biologische mechanismen die verband houden met deze effecten door metabolietprofielen over tijd te analyseren. Een centrale uitdaging in dit onderzoek is het modelleren van de associatie tussen metabolietprofielen en mentale gezondheid (specifiek angstsymptomen) in een longitudinale setting.

Bestaande methoden hebben echter belangrijke beperkingen:

1. Lineariteitsaannames: De gebruikelijke Pearson-correlatie is alleen geschikt voor lineaire relaties. Veel biologische processen vertonen echter niet-lineaire, monotoon toenemende of afnemende relaties, waarvoor de Spearman's rho (rangcorrelatie) geschikter is.
2. Gebrek aan longitudinale modellen: Bestaande methoden voor Spearman's rho zijn voornamelijk ontworpen voor cross-sectionele data of geclusterde data die slechts één geaggregeerde schatting over de tijd geven. Ze kunnen geen tijdsafhankelijke veranderingen in correlatie modelleren.
3. Covariaatcorrectie: Er zijn weinig methoden die het mogelijk maken om Spearman's rho te modelleren terwijl er wordt gecorrigeerd voor covariaten (zoals ras, BMI, levensstijl).
4. Ontbrekende data: Longitudinale studies hebben vaak te maken met ontbrekende waarden. Bestaande methoden negeren dit vaak of zijn beperkt tot MCAR (Missing Completely At Random), terwijl in de praktijk vaak MAR (Missing At Random) het geval is.

Methodologie

De auteurs stellen een nieuw regressie-gebaseerd kader voor, gebaseerd op Functionele Respons Modellen (FRM - Functional Response Models).

1. FRM voor Spearman's Rho:

   • In plaats van de correlatie te beschouwen als een eigenschap van individuen, wordt deze gemodelleerd als een "functionele respons" die afhangt van paren of trios van individuen.
   • Spearman's rho wordt uitgedrukt via een kernfunctie $\phi(z_i, z_j, z_k)$ gebaseerd op rangordes van drie waarnemingen. De populatieparameter $\rho$ wordt gedefinieerd als het verwachte gemiddelde van deze kernfunctie.
   • Een linkfunctie (logit-achtig: $g(\rho) = \ln(\frac{1+\rho}{1-\rho})$) wordt gebruikt om de correlatie $\rho$ (die tussen -1 en 1 ligt) te mappen naar de reële lijn, zodat regressie mogelijk is.
   • Het model specificeert: $E[\phi(z_i) | x_i] = h(\eta_i)$, waarbij $\eta_i$ een lineaire voorspeller is van covariaten $x_i$ (zoals tijd, ras, BMI).

2. Uitbreiding naar Longitudinale Data:

   • Het model wordt toegepast op herhaalde metingen ($t = 1, ..., m$).
   • Door tijdsindicatoren op te nemen in de covariaten, kan het model testen of de correlatie tussen metabolieten en angst verandert over de tijd (bijv. voor, tijdens en na chemotherapie).

3. Omgaan met Ontbrekende Data (MAR):

   • De auteurs nemen aan dat data Missing At Random (MAR) zijn.
   • Ze gebruiken een Gewogen U-statistiek Generalized Estimating Equation (UWGEE).
   • Een logistiek regressiemodel schat de kans op waarneming (propensiteit) op basis van eerdere waarnemingen. Waarnemingen worden vervolgens gewogen met de inverse van deze kans om bias te corrigeren.

4. Inferentie:

   • De parameters worden geschat via een iteratief proces dat de asymptotische normaliteit van de schatters garandeert, zelfs bij kleine steekproefgroottes.
   • De variantie wordt geschat met behulp van een "sandwich"-schatting.

Belangrijkste Bijdragen

• Eerste integratie: Dit is, voor zover bekend, het eerste regressiekader dat Spearman's rho modelleert voor longitudinale data, met inachtneming van tijdsverloop en covariaatcorrectie.
• Robuustheid: Door gebruik te maken van rangordes is de methode inherent robuust tegen niet-lineariteit en uitbijters in de data.
• Handling van MAR: De methende lost een kritiek methodologisch gat op door ontbrekende data onder de MAR-aanname correct te verwerken, wat essentieel is voor klinische studies.
• Flexibiliteit: Het kader maakt het mogelijk om hypothese-toetsen uit te voeren op tijds-trends en groepsverschillen (bijv. ras) in de sterkte van de correlatie.

Resultaten

1. Simulatiestudies:

• De methode werd getest op steekproefgroottes van 50, 150 en 500.
• Zowel bij volledige data als bij data met een monotoon ontbrekend patroon (MAR) leverde de methode consistente schattingen op.
• De empirische standaardfouten kwamen overeen met de asymptotische waarden.
• De Type-I fouten (falsen positieven) lagen dicht bij het nominale niveau van 0,05, zelfs bij kleine steekproeven ($n=50$).

2. Toepassing op de EPIGEN-studie (Borstkanker):

• Data: 74 vrouwen met borstkanker, 4 meetmomenten (voor chemotherapie, tijdens, 6 maanden en 1 jaar na), 2.395 metabolieten en angstscores (HADS).
• Covariaatcorrectie: Na correctie voor ras, BMI, roken en alcoholgebruik bleken de correlaties tussen metabolieten en angst over het algemeen sterker en biologisch betekenisvoller dan zonder correctie.
• Rasverschillen: Er werd een significant rasverschil gevonden in de correlatie tussen het metaboliet PE (40:4-2OH) en angst. Bij Afro-Amerikaanse patiënten was de correlatie positief, terwijl deze bij blanke patiënten negatief was.
• Tijdsverloop: Er werd een significant tijdsverloop gevonden voor het metaboliet 5-Methoxytryptofol. De correlatie met angst was positief voor de behandeling (T1), maar werd sterk negatief tijdens de chemotherapie (T2). Na de behandeling (T3, T4) verzwakte deze negatieve correlatie weer.

Betekenis en Toekomstperspectief

Deze studie biedt een krachtig instrument om dynamische relaties tussen biomarkers en ziekteverloop te ontrafelen. De geïdentificeerde metabolieten kunnen dienen als kandidaten voor:

• Biomarkerontwikkeling: Voor diagnose, prognose of monitoring van mentale gezondheid tijdens kankerbehandeling.
• Biologische inzichten: Door pathway-analyses (zoals metabolietset-verrijking) kunnen biologische paden worden geïdentificeerd die door chemotherapie worden beïnvloed.
• Gepersonaliseerde geneeskunde: De bevindingen van rasverschillen onderstrepen de noodzaak van gerichte interventies.

De auteurs merken op dat voor toekomstig werk de schaalbaarheid voor ultra-hoogdimensionale data (duizenden genen/metabolieten) en de ontwikkeling van "doubly robust" schatters (om modelmispecificatie te voorkomen) belangrijke vervolgstappen zijn. De code is beschikbaar gesteld om de reproduceerbaarheid te waarborgen.