Limited discriminative utility of resting-state heart rate variability for chronic pain–depression–anxiety comorbidity subtypes: an exploratory SHAP-based machine-learning analysis

Technische Samenvatting: Beperkte Discriminatieve Nut van Rusttoestand-HRV voor CPDA-Subtypes

Probleemstelling
Chronische pijn komt vaak samen met depressie en angst, wat een complexe comorbiditeit vormt die bekend staat als Chronische Pijn–Depressie–Angst (CPDA). Hoewel klinisch bewijs suggereert dat er specifieke subtypes bestaan—met name pijn-depressie dominant, pijn-angst dominant en de pijn-depressie-angst triple comorbiditeit—steunt de huidige klinische beoordeling zwaar op subjectieve symptoomrapportages. Er is een gebrek aan gevestigde objectieve fysiologische indicatoren die in staat zijn om deze specifieke CPDA-subtypes te differentiëren. Hoewel Hartslagvariabiliteit (HRV) een goed gedocumenteerde marker is voor de regulatie van het autonome zenuwstelsel in relatie tot pijn en emotionele stoornissen, blijft de specifieke bruikbaarheid ervan voor het onderscheiden tussen deze heterogene CPDA-presentaties onzeker. Deze studie onderzoekt of rusttoestand-HRV kan dienen als een betrouwbare biomarker voor subtypeclassificatie, of dat het slechts een breed, transdiagnostisch patroon van autonome dysregulatie reflecteert.

Methodologie
Deze exploratieve cross-sectionele studie maakte gebruik van gegevens van 172 volwassen patiënten met chronische pijn, gerekruteerd uit een ziekenhuis in Zuidwest-China.

• Participeerdersstratificatie: Van de totale cohort werden 82 patiënten geclassificeerd in drie wederzijds uitsluitende CPDA-subtypes op basis van de symptoomlast relatief aan het gemiddelde van de steekproef:
  • Pijn-depressie dominant ($n=8$): Hoge depressie, lage angst.
  • Pijn-angst dominant ($n=11$): Hoge angst, lage depressie.
  • Pijn-depressie-angst triple comorbiditeit ($n=63$): Hoge niveaus van zowel depressie als angst.
  • Noot: De overige deelnemers voldeden niet aan de specifieke drempelcriteria voor deze drie subtypes en werden uit de classificatiemodellen uitgesloten.
• Gegevensverzameling:
  • Klinische Metrieken: Pijn Ernst/interferentie (Brief Pain Inventory–Short Form), depressieve symptomen (Hamilton Depression Rating Scale, HAMD-24), en angstssymptomen (Hamilton Anxiety Rating Scale, HAM-A).
  • Fysiologische Metrieken: Rusttoestand-HRV werd opgenomen via een niet-invasieve vingertip-sensor gedurende 5 minuten. Geëxtraheerde kenmerken omvatten tijddomein-indices (bijv. SDNN, RMSSD, pNN50, TINN, Triangular Index) en frequentiedomein-indices, evenals hartslagmetrieken.
• Machine Learning-benadering:
  • Er werden drie gewogen binaire "one-vs-rest" Random Forest-classifiers geconstrueerd om elk specifiek subtype te onderscheiden van de andere twee.
  • Omgaan met Class Imbalance: Class weights werden toegepast op basis van inverse frequentie om misclassificatie van minderheidsklassen te bestraffen.
  • Validatie: Modellen werden geëvalueerd op een onafhankelijke testset (gestratificeerde 8:2 split) met behulp van ROC-AUC, nauwkeurigheid, verwarringsmatrices en classificatierapporten.
  • Interpreteerbaarheid: SHAP (Shapley Additive Explanations)-analyse werd ingezet om de belangrijkheid van kenmerken te rangschikken en de bijdragepatronen van HRV-indices te visualiseren, inclusclusief afhankelijkheidsplots voor niet-lineaire relaties.

Belangrijkste Resultaten
De studie toonde aan dat rusttoestand-HRV een ongelijke en over het algemeen beperkte discriminatieve nut vertoonde over de CPDA-subtypes:

• Pijn-Depressie Dominant Model: Presteerde slecht met een AUC van 0,483. Cruciaal was dat het model er niet in slaagde om de 2 positieve gevallen in de testset correct te identificeren; deze werden als negatief geclassificeerd.
• Pijn-Angst Dominant Model: Toonde eveneens een slechte discriminatie met een AUC van 0,433. Vergelijkbaar met het depressie-dominante model, slaagde het er niet in om de 2 positieve gevallen in de testset te identificeren.
• Triple Comorbiditeit Model: Toonde een comparatief hogere discriminatie met een AUC van 0,712. Echter, het model vertoonde een bias naar positieve classificatie, waarbij het 13 positieve gevallen correct identificeerde maar 4 negatieve gevallen als positief misclassificeerde. De auteurs waarschuwen dat deze prestatie waarschijnlijk de hogere algehele comorbiditeitslast reflecteert in plaats van een specifiek subtype-kenmerk.
• Kenmerkbelang (SHAP): De leidende HRV-kenmerken varieerden per model:
  • Pijn-Depressie: Max HR, Mean HR, pNN50.
  • Pijn-Angst: TINN, pNN50, HRV Triangular Index.
  • Triple Comorbiditeit: HRV Triangular Index, SDNN, CV.
  • De SHAP-distributies voor de minderheidssubtypes waren smal en gecentreerd nabij nul, wat wijst op een beperkte marginale bijdrage van kenmerken aan de modeloutput.

Betekenis en Claims
Het artikel claimt expliciet dat rusttoestand-HRV niet kan worden gebruikt als een stand-alone biomarker voor de precieze classificatie van CPDA-subtypes, met name voor het onderscheid tussen pijn-depressie dominante en pijn-angst dominante presentaties.

• Primaire Conclusie: Het onvermogen van HRV om de enkelvoudig dominante subtypes te differentiëren, suggereert dat HRV een gedeelde, transdiagnostische autonome dysregulatie reflecteert die algemeen voorkomt bij pijn en affectieve stoornissen, in plaats van een stoornisspecifiek kenmerk.
• Genuanceerde Bevinding: Hoewel het triple comorbiditeitsmodel een betere exploratieve discriminatie vertoonde, schrijven de auteurs dit toe aan de detectie van een "hoge-last"-toestand gekenmerkt door ernstige globale autonome dysregulatie, in plaats van een unieke fysiologische vingerafdruk voor triple comorbiditeit.
• Methodologische Bijdrage: De studie biedt een rigoureuze, op SHAP gebaseerde evaluatie van de beperkingen van HRV in deze context, waarbij verder wordt gegaan dan eenvoudige correlatie door daadwerkelijke classificatieprestaties te testen. Het benadrukt de risico's van het vertrouwen op kleine, ongebalanceerde steekproeven voor subtype-ontdekking.
• Toekomstige Richting: De auteurs concluderen dat HRV waarde kan hebben als een aanvullende screeningsindicator voor hoge-last comorbiditeit, maar dat het gevalideerd moet worden in grotere, gebalanceerde cohorten met multimodale indicatoren (klinisch, inflammatoir, slaapgerelateerd) voordat het de CPDA-stratificatie kan informeren.

Beperkingen Erkend door de Auteurs
De studie benadrukt de volgende beperkingen:

1. Subtype Definitie: Subtypes werden gedefinieerd met behulp van steekproefgemiddelde drempelwaarden in plaats van gevestigde klinische diagnostische afkapwaarden, wat de generaliseerbaarheid naar formele diagnostische categorieën beperkt.
2. Steekproefomvang: Het kleine aantal deelnemers in de pijn-depressie ($n=8$) en pijn-angst ($n=11$) groepen beperkte de statistische power en modelstabiliteit aanzienlijk.
3. Validatie: Het gebrek aan externe validatie en de afhankelijkheid van een enkele train-test split betekent dat de gerapporteerde AUC's exploratieve schattingen zijn.
4. Contextuele Gevoeligheid: Kortdurige rust-HRV is gevoelig voor factoren zoals ademhaling, houding en medicatie, wat de stabiliteit als classifier kan verminderen.