A prevalence-incidence mixture model for interval-censored screening and post-treatment surveillance data in a population with a temporarily increased disease risk

Deze studie introduceert een prevalentie-incidentie mengmodel voor interval-gecensureerde data dat de duur tussen een tijdelijk verhoogd risico en de ziekte-ontwikkeling schat, waarmee geoptimaliseerde risicogebaseerde screenings- en surveillanceprogramma's kunnen worden ontworpen.

De kern

🕵️‍♀️ De Grote Detective: Een nieuwe manier om ziekte-risico's te voorspellen

Stel je voor dat je een detective bent die probeert uit te zoeken hoe lang het duurt voordat een klein, onzichtbaar gevaar (zoals een virus) uitgroeit tot een echt probleem (zoals kanker). Maar er is een probleem: je kunt niet 24 uur per dag naar de verdachte kijken. Je ziet ze alleen op bepaalde momenten, bijvoorbeeld tijdens een jaarlijkse controle.

Dit is precies het probleem waar artsen en onderzoekers mee te maken hebben bij kankerscreening (zoals de uitstrijkjes voor baarmoederhalskanker) en controle na behandeling.

De auteurs van dit artikel, Kelsi Kroon en haar team, hebben een nieuwe "recept" (een wiskundig model) bedacht om dit raadsel op te lossen. Laten we het stap voor stap uitleggen.

1. Het Probleem: De "Gaten" in de tijd

In de echte wereld weten we nooit precies wanneer een ziekte begint.

• Voorbeeld: Een vrouw komt langs voor een uitstrijkje. Alles is goed. Een jaar later komt ze terug en heeft ze een afwijking.
• Het raadsel: Is die afwijking net ontstaan? Of zat hij er al een jaar geleden, maar was hij te klein om te zien? Of is hij juist pas gisteren ontstaan?
• De extra twist: Sommige vrouwen hebben het virus al bij de eerste controle (een "bestaand" probleem), terwijl anderen het virus pas later oplopen. En voor sommigen verdwijnt het virus vanzelf weer.

Oude modellen waren als een simpele schatting: "Gemiddeld duurt het 5 jaar." Maar dat klopt niet voor iedereen. Sommigen hebben een hoog risico, anderen een laag risico, en voor sommigen is het risico tijdelijk (zoals een virus dat verdwijnt).

2. De Oplossing: De "Mix van Soep"

De auteurs noemen hun nieuwe model een "Prevalentie-Incidentie Mengsel" (Prevalence-Incidence Mixture Model). Dat klinkt ingewikkeld, maar stel je het voor als het maken van een grote pan soep met twee soorten ingrediënten:

1. De "Bestaande" Groente (Prevalentie): Dit zijn de mensen die al ziek zijn op het moment dat ze voor het eerst worden gecontroleerd, maar het nog niet weten. Het is alsof er al een aardappel in de soep zit voordat je begint met koken.
2. De "Nieuwe" Groente (Incidentie): Dit zijn de mensen die gezond beginnen, maar tijdens het koken (tijdens de follow-up) toch een nieuwe groente (ziektes) in de soep krijgen.

De creatieve twist:
Bij deze specifieke ziekte (zoals HPV) is het risico niet voor altijd. Het is alsof je een tijdelijke "vuurhaard" hebt.

• Sommige mensen hebben een vuurhaard die brandt en langzaam de soep opwarmt tot het kookt (ziektes).
• Maar soms blust de haard vanzelf (het virus verdwijnt) en koelt de soep weer af naar de normale temperatuur (het achtergrondrisico).
• Het oude model kon dit "afkoelen" niet goed uitleggen. Het nieuwe model wel! Het houdt rekening met het feit dat het risico tijdelijk is en weer terugvalt naar een normaal niveau.

3. De "Rekenmachine" (Het EM-algoritme)

Omdat ze niet weten wie precies ziek is en wanneer, moeten ze gissen. Maar niet zomaar gissen! Ze gebruiken een slimme rekenmethode genaamd het EM-algoritme (Expectation-Maximisation).

• Stap 1 (Verwachten): De computer maakt een gok: "Oké, laten we aannemen dat 10% van de mensen al ziek was en dat de rest het virus later oploopt."
• Stap 2 (Maximaliseren): De computer kijkt naar de echte data en zegt: "Hmm, die gok was niet helemaal goed. Laten we de percentages iets aanpassen."
• Herhalen: Ze doen dit duizenden keren, steeds iets nauwkeuriger, totdat de gok perfect past bij de werkelijkheid. Het is alsof je een blindeman bent die een muur aftast; elke aanraking helpt hem de vorm van de muur beter te begrijpen.

Ze gebruiken ook een slimme truc (een "Cauchy-prior") om te voorkomen dat de rekenmachine in de war raakt als er weinig data is voor een specifieke groep. Het is alsof je een veiligheidsnet onder de acrobaat legt.

4. Wat hebben ze ontdekt? (De Toepassing)

Ze hebben hun nieuwe model getest op twee echte situaties in Nederland:

1. Vrouwen met HPV: Vrouwen die bij de eerste controle het HPV-virus hadden.
   • Resultaat: Het model kon precies voorspellen hoe lang het gemiddeld duurt voordat HPV uitgroeit tot een ernstige afwijking (CIN2+). Voor vrouwen met een specifiek virus (HPV16) duurde het gemiddeld 3,3 jaar. Voor anderen iets langer.
2. Vrouwen na behandeling: Vrouwen die al behandeld waren voor een afwijking.
   • Resultaat: Het model kon onderscheid maken tussen: "Heeft ze nog restjes van de oude ziekte?" of "Heeft ze een nieuwe infectie opgelopen?" of "Is ze veilig?"

De winst: Hun nieuwe model paste veel beter op de data dan de oude modellen (zoals de Weibull of B-spline modellen). Het was alsof ze een slechte, wazige foto hadden vervangen door een scherpe, HD-foto.

5. Waarom is dit belangrijk? (De Conclusie)

Dit nieuwe model is als een GPS voor artsen.

• Vroeger: "Kom elke 3 jaar terug, voor iedereen hetzelfde."
• Nu: Dankzij dit model kunnen artsen zeggen: "Jij hebt een laag risico en je virus is waarschijnlijk verdwenen; kom over 5 jaar terug. Jij hebt een hoog risico; kom over 1 jaar terug."

Dit leidt tot persoonlijke zorg. Mensen met weinig risico hoeven niet oververmoeid te worden door te veel controles, en mensen met veel risico worden sneller gevangen.

Samengevat:
De auteurs hebben een slimme wiskundige methode bedacht om de "gaten" in tijd te vullen bij medische controles. Ze kunnen nu precies zeggen: "Hoe lang duurt het voordat een tijdelijk risico uitgroeit tot een ziekte?" en "Wie heeft dat risico al en wie niet?" Dit helpt om screeningen slimmer, veiliger en persoonlijker te maken.

Technische samenvatting

1. Het Probleem

In het kader van ziektescreening en post-behandeling surveillance is het cruciaal om de duur tussen het ontstaan van een risicofactor (bijvoorbeeld een oncogene infectie) en de ontwikkeling van behandelbare ziekte te begrijpen. Bestaande methoden hebben echter beperkingen in specifieke scenario's:

• Intervalcensurering: De exacte tijd van ziekte-ontstaan is vaak onbekend; men weet alleen dat de ziekte is opgetreden tussen twee bezoeken.
• Prevalente vs. Incidente gevallen: Bij de start van een studie (baseline) kunnen sommige personen al een ongediagnosticeerde ziekte hebben (prevalent), terwijl anderen de ziekte later ontwikkelen (incident).
• Tijdelijke risicofactoren: Sommige risicofactoren zijn tijdelijk (bijv. HPV-infecties die kunnen klaren). Bestaande modellen gaan er vaak ten onrechte van uit dat de cumulatieve incidentie naar 1 convergeert, terwijl deze in de praktijk vaak afvlakt omdat slechts een deel van de populatie een tijdelijke hoge risicofactor heeft.
• Heterogeniteit: Er is een onderscheid nodig tussen ziekte die voortkomt uit de baseline-conditie en ziekte die ontstaat door nieuwe infecties of achtergrondrisico's.

2. Methodologie

De auteurs stellen een Prevalentie-Incidentie Mengmodel (Prevalence-Incidence Mixture Model) voor, specifiek ontworpen voor intervalgecensureerde data.

Modelstructuur:

• Prevalentie: De kans op een bestaande ziekte bij baseline wordt gemodelleerd via een logistische regressie.
• Incidentie (Risicoconditie): Voor personen zonder prevalentie bij baseline wordt aangenomen dat een deel een tijdelijke hoge risicofactor heeft. De progressie van deze risicofactor naar ziekte wordt gemodelleerd als een concurrentie van gebeurtenissen:
  1. Progressie naar ziekte.
  2. Overgang naar een niet-observeerbare "concurrente staat" (bijv. klaring van de infectie).
  • Beide processen volgen een exponentiële verdeling.
• Achtergrondrisico: Personen zonder de specifieke risicofactor kunnen toch ziekte ontwikkelen (bijv. door een nieuwe infectie). Dit wordt gemodelleerd als een constante achtergrondhazard.
• Mix: De totale cumulatieve risicofunctie is een mengsel van de prevalentie, de progressie vanuit de risicofactor, en het achtergrondrisico.

Schatting en Validatie:

• Schatting: De parameters worden geschat met een Expectation-Maximisation (EM) algoritme (specifiek de EM-gradient versie).
• Priors: Om identificeerbaarheidsproblemen bij covariaten met weinig data te voorkomen, worden zwak-informatieve Cauchy-priors (centrum 0, schaal 2.5) toegepast.
• Score-test: Een nieuwe score-test is afgeleid om te controleren of de aanname van een exponentiële progressietijd geldig is. De nulhypothese (exponentieel) wordt getoetst tegen een alternatief met een Gamma-verdeling (waarbij de vormparameter $k \neq 1$).

Implementatie:
Het algoritme is geïmplementeerd in een R-pakket (beschikbaar op GitHub).

3. Belangrijkste Bijdragen

1. Nieuw Model: Een flexibel mengmodel dat zowel prevalentie als tijdelijke incidentie (met achtergrondrisico) combineert, waardoor het de heterogeniteit in screening- en surveillancepopulaties beter kan vangen dan eerdere modellen.
2. Directe Schatting van Duur: Het model levert directe schattingen op van de gemiddelde duur tussen de risicofactor en de ziekte, wat essentieel is voor het ontwerpen van screeningintervallen.
3. Validatiemethode: De ontwikkeling van een score-test om de geldigheid van de exponentiële aanname voor progressie te verifiëren.
4. Software: Beschikbaarheid van een open-source R-pakket voor toepassing op real-world data.

4. Resultaten

Simulatiestudies:

• Het model toonde zeer goede convergentie en nauwkeurige parameterherwinning (lage bias, goede dekking van betrouwbaarheidsintervallen) voor zowel kleine ($N=1000$) als grote ($N=10.000$) steekproeven.
• De toevoeging van covariaten en priors had minimale negatieve invloed op de prestaties.
• De score-test had een lage Type I-fout (0.03-0.10 bij kleine steekproeven, <0.05 bij grote) en voldoende power om afwijkingen van de exponentiële verdeling te detecteren bij grote steekproeven.

Toepassing op Real-World Data:
Het model werd toegepast op twee Nederlandse datasets:

1. Cervixkankerscreening (POBASCAM): Vrouwen die HPV-positief waren bij baseline.
   • Het model had een lagere Akaike Information Criterion (AIC) dan vergelijkbare modellen met Weibull, B-spline of lognormale hazards.
   • Resultaten: HPV16-positieve vrouwen hadden een gemiddelde tijd tot CIN2+ van 3,32 jaar; 33% ontwikkelde CIN2+ vanuit de baseline-infectie.
2. Post-behandeling Surveillance: Vrouwen behandeld voor CIN2+.
   • Ook hier presteerde het model beter (lagere AIC) dan concurrenten.
   • De toevoeging van achtergrondrisico verbeterde de modelfit significant.
   • Resultaten: Vrouwen met CIN3 bij behandeling hadden een verwachte recidivtijd van 1,05 jaar.

5. Betekenis en Conclusie

Deze studie biedt een robuust statistisch raamwerk voor het analyseren van complexe screening- en surveillancedata.

• Klinische Relevantie: Het model helpt bij het optimaliseren van screeningprogramma's door nauwkeurige schattingen te geven van hoe lang het risico verhoogd blijft na een infectie of behandeling. Dit ondersteunt de verschuiving naar gepersonaliseerde screening op basis van individuele risicofactoren.
• Beleid: De geschatte parameters kunnen worden gebruikt in Markov-simulatiemodellen om de gezondheidswinst (QALY's) en schade van nieuwe screeningstrategieën te evalueren.
• Beperkingen: Het model houdt momenteel geen rekening met de sensitiviteit van de screeningstests tijdens follow-up (wat kan leiden tot bias bij lage sensitiviteit) en neemt aan dat de risicofactor niet opnieuw wordt gemeten tijdens follow-up.

Kortom, dit model vult een belangrijke lacune in de epidemiologische modellering door een realistische beschrijving te geven van tijdelijke risicofactoren en intervalgecensureerde data, met directe toepasbaarheid voor het verbeteren van cervixkankerpreventie.