📊 statistics

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

Este artigo propõe um novo modelo de trajetória latente utilizando o algoritmo de expectativa-máxima para analisar desfechos longitudinais multivariados com escalas mistas, permitindo a identificação de subgrupos dinâmicos de pacientes para apoiar o planejamento de tratamento individualizado, conforme demonstrado através de uma aplicação à Alzheimer's Disease Neuroimaging Initiative (ADNI).

Autores originais: Lindsay R. Salvati, Jungwun Lee

Publicado 2026-08-10

📖 8 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Lindsay R. Salvati, Jungwun Lee

Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Imagine que você está tentando entender como uma máquina complexa, como o motor de um carro, muda ao longo do tempo. Normalmente, os mecânicos observam uma parte de cada vez: "A pressão do óleo está caindo?" ou "A temperatura está subindo?". Mas, no mundo real, tudo está conectado. A pressão do óleo pode cair porque a temperatura subiu, e ambos podem acontecer apenas em carros que possuem um tipo específico de filtro de combustível. Se você observar apenas o óleo, perderá a história completa. Este é o desafio que os cientistas enfrentam ao estudar a doença de Alzheimer. Eles têm uma montanha de dados: alguns números que podem ser medidos em uma escala (como pontuações de testes de memória ou peso corporal), e algumas categorias que são apenas "sim" ou "não" (como ter pressão alta ou um marcador genético específico).

Por muito tempo, os estatísticos tiveram que escolher: ou observavam todos os números juntos, ou observavam todas as respostas de sim/não juntas, mas raramente ambos ao mesmo tempo. É como tentar entender uma sinfonia ouvindo apenas os violinos ou apenas os tambores, mas nunca a orquestra inteira. O problema fica ainda mais complicado porque as pessoas não seguem o mesmo roteiro. Algumas pessoas com Alzheimer declinam lentamente, outras rapidamente, e algumas permanecem estáveis por anos. As ferramentas matemáticas tradicionais costumam assumir que todos são apenas uma versão ligeiramente diferente da pessoa "média", o que esconde essas diferenças importantes. Este artigo apresenta uma nova maneira de ouvir a orquestra inteira de uma vez, mesmo quando os instrumentos estão tocando tipos diferentes de música.

A Nova Ferramenta: Um "Canivete Suíço" Estatístico

Os autores deste artigo, Lindsay R. Salvati e Jungwun Lee, construíram uma nova ferramenta estatística chamada Modelo de Perfil de Classe Latente Mista (Mixed-LCPM). Pense neste modelo como um detetive superinteligente que não apenas procura pistas, mas agrupa pessoas em equipes secretas com base em como suas pistas mudam ao longo do tempo.

No mundo da pesquisa sobre Alzheimer, os cientistas utilizam dados da Alzheimer's Disease Neuroimaging Initiative (ADNI). Esta é uma coleção massiva de informações de 919 pessoas, acompanhadas durante 48 meses (cerca de 4 anos). A cada poucos meses, essas pessoas faziam testes de memória (números contínuos) e tinham sua pressão arterial, índice de massa corporal (IMC) e estado de demência verificados (categóricos sim/não ou alto/baixo).

A forma antiga de analisar esses dados era como tentar separar um saco misto de bolinhas de gude vermelhas e azuis olhando apenas para as vermelhas e, depois, separadamente, olhando para as azuis. Você poderia perder o fato de que as bolinhas vermelhas pesadas sempre vêm acompanhadas das bolinhas azuis brilhantes. O novo modelo Mixed-LCPM olha para as bolinhas vermelhas e azuis simultaneamente. Ele pergunta: "Quem são as pessoas cujas pontuações de memória caem enquanto sua pressão arterial permanece alta? Quem são as pessoas cuja memória permanece estável apesar de estarem acima do peso?".

Como o Detetive Funciona: O Sistema de Duas Camadas

O modelo utiliza um processo inteligente de duas etapas para encontrar esses grupos ocultos, que os autores chamam de classes latentes e perfis latentes.

O Instantâneo (Classes Latentes): Imagine tirar uma foto de todos em um único momento no tempo. O modelo olha para essa foto e agrupa as pessoas em "classes" com base no que elas parecem naquele momento. Por exemplo, uma classe pode ser "Memória Alta, Pressão Baixa", enquanto outra pode ser "Memória Baixa, Pressão Alta".
O Filme (Perfis Latentes): Agora, imagine assistir a um filme dessas mesmas pessoas ao longo de seis anos. O modelo observa como as pessoas se movem de uma "classe" para outra. Elas permanecem no grupo de "Memória Alta" para sempre? Elas saltam de "Memória Baixa" para "Memória Alta" (improvável, mas possível na matemática)? Ou elas derivam lentamente de "Saudável" para "Comprometido"?

Ao combinar essas duas etapas, o modelo encontra trajetórias. Ele não diz apenas "A Pessoa A está doente". Ele diz: "A Pessoa A pertence a um grupo que começou saudável, permaneceu saudável por um tempo e depois piorou subitamente de uma forma específica".

O Que Eles Descobriram: Cinco Grupos, Seis Histórias

Quando os autores aplicaram esta ferramenta aos dados da ADNI, descobriram que os pacientes não eram apenas um borrão de "piora progressiva". Eles se dividiram em cinco grupos distintos (classes latentes) com base em sua mistura de pontuações de memória e riscos de saúde:

Grupo 1: Pontuações de memória altas, baixo risco de pressão alta ou obesidade. (O grupo "Saudável").
Grupo 2: Pontuações de memória altas, mas alto risco de pressão alta e obesidade. (O grupo "Saudável, mas Não Saudável").
Grupo 3: Problemas de memória leves, alto risco de pressão alta e obesidade.
Grupo 4: Problemas de memória leves, mas baixo risco de pressão alta e obesidade.
Grupo 5: Problemas de memória graves em todos os aspectos, com altos riscos de saúde. (O grupo de "Comprometimento Significativo").

Mas a verdadeira magia aconteceu quando eles observaram as trajetórias (as histórias). Eles descobriram seis caminhos diferentes que as pessoas percorreram ao longo do tempo:

Estável e Saudável: Pessoas que permaneceram no Grupo 1 durante todo o tempo.
Estável, mas Não Saudável: Pessoas que permaneceram no Grupo 2 (boa memória, saúde ruim) durante todo o tempo.
Estável Leve e Não Saudável: Pessoas que permaneceram no Grupo 3.
Estável Leve e Saudável: Pessoas que permaneceram no Grupo 4.
Os Declinantes: Um pequeno grupo (cerca de 4,5% das pessoas) que começou no Grupo 4 (comprometimento leve, saudável, mas com riscos) e que, ao final do estudo, quase certamente havia passado para o Grupo 5 (comprometimento severo).
O Comprometido Estável: Pessoas que permaneceram nos grupos comprometidos.

Por Que Isso Importa: Ver o Invisível

O artigo prova que, se você olhasse apenas para as pontuações de memória (os números), teria perdido uma diferença enorme. Por exemplo, o grupo "Estável e Saudável" e o grupo "Estável, mas Não Saudável" possuíam excelentes pontuações de memória. Se você olhasse apenas a memória, eles pareceriam o mesmo grupo. Mas o novo modelo viu que um grupo tinha pressão alta e o outro não.

Da mesma forma, dois grupos com problemas de memória leves pareciam iguais nos testes de memória, mas um estava muito acima do peso e o outro não. Ao ignorar os dados de saúde "sim/não", os pesquisadores teriam perdido essas diferenças cruciais.

Os autores também verificaram como sua nova ferramenta funcionava usando simulações. Eles criaram dados falsos com respostas conhecidas e rodaram seu modelo sobre eles. Os resultados mostraram que o modelo é muito bom em encontrar os grupos corretos, especialmente quando há muitos dados (como 1.000 pessoas). Ele identificou corretamente os padrões cerca de 95% das vezes, o que é um resultado muito forte para este tipo de matemática complexa.

Os Limites e o Futuro

Os autores são cuidadosos ao dizer que isso é uma descoberta estatística, não uma cura médica. Eles descobriram que fatores como idade, gênero, educação e o número de alelos APOE4 (um marcador genético) estavam ligados a qual "história" uma pessoa provavelmente pertenceria. Por exemplo, pessoas mais velhas eram ligeiramente menos propensas a estar no grupo "Estável, mas Não Saudável" em comparação ao grupo "Estável e Saudável".

No entanto, o artigo observa algumas limitações. A matemática é complicada; às vezes, o computador fica preso em um "máximo local", que é como um caminhante que fica preso em um pequeno vale e pensa que chegou ao topo da montanha. Para corrigir isso, os autores rodaram o modelo 100 vezes com diferentes pontos de partida para garantir que encontrassem o verdadeiro pico mais alto. Eles também notaram que seu modelo assume que os dados ausentes (como uma consulta médica perdida) são aleatórios, o que nem sempre é verdade na vida real.

A Conclusão

Este artigo não nos diz como parar o Alzheimer ainda. Em vez disso, ele oferece aos cientistas um par de óculos melhores. Antes, eles poderiam ver uma multidão de pessoas que pareciam "um pouco doentes". Agora, com o Mixed-LCPM, eles podem ver que a multidão é, na verdade, composta por equipes distintas, cada uma com sua própria história única e caminho futuro. Essa clareza pode ajudar médicos no futuro a selecionar os pacientes certos para os ensaios clínicos adequados, garantindo que, quando testarem um novo medicamento, estejam testando-o em um grupo de pessoas que são verdadeiramente semelhantes, em vez de uma mistura confusa de histórias diferentes.

Resumo Técnico: Uma Análise de Trajetória Latente para Desfechos Multivariados com Escalas Mistas

Definição do Problema
A doença de Alzheimer (DA) é um transtorno neurodegenerativo progressivo caracterizado por manifestações clínicas heterogêneas. Iniciativas de larga escala, como o Alzheimer's Disease Neuroimaging Initiative (ADNI), geram conjuntos de dados longitudinais abrangentes contendo variáveis de tipos mistos: medidas contínuas (ex: escores cognitivos, biomarcadores) e itens categóricos (ex: status diagnóstico, comorbidades). Analisar essas variáveis concomitantemente é essencial para compreender a evolução da doença, mas apresenta desafios estatísticos significativos.

Abordagens tradicionais, como modelos de efeitos mistos, frequentemente assumem uma trajetória de média populacional única, o que pode ocultar a heterogeneidade significativa na progressão da doença. Embora a Modelagem de Mistura de Crescimento (Growth Mixture Modeling - GMM) identifique subgrupos latentes, as estruturas padrão são tipicamente limitadas a desfechos únicos ou dependem de suposições paramétricas em relação aos vetores de média e matrizes de covariância-variância. Se essas formas paramétricas forem mal especificadas, as conclusões podem ser enganosas. Por outro efeito, abordagens não paramétricas, como os Modelos de Perfil de Classe Latente (LCPM) e os Modelos de Transição Latente (LTM), oferecem flexibilidade, mas são restritos a desfechos categóricos, falhando em acomodar medições contínuas críticas para capturar a nuance da progressão da DA. Existe uma lacuna metodológica para modelar trajetórias conjuntas de desfechos tanto contínuos quanto categóricos simultaneamente sem impor formas de trajetória paramétricas rígidas.

Metodologia
Para abordar essa lacuna, os autores propõem o Modelo de Perfil de Classe Latente Mista (Mixed-LCPM), uma extensão da estrutura padrão de LCPM.

Estrutura do Modelo: O modelo utiliza uma estrutura latente de dois níveis:
1. Classes Latentes ( $C_t$ ): Em cada ponto no tempo $t$ , um vetor de variáveis latentes categóricas representa padrões de resposta ao nível do sujeito. Essas classes resumem a distribuição conjunta dos desfechos observados (tanto contínuos $Y_t$ quanto categóricos $Z_t$ ).
2. Perfis Latentes ( $U$ ): Uma variável latente categórica de nível superior resume os padrões sequenciais de membros de classes ao longo do tempo em $S$ perfis de trajetória representativos.
Suposições Distribuicionais:
- Desfechos Contínuos: Modelados como seguindo uma distribuição normal multivariada com médias específicas por classe ( $\mu_c$ ) e matrizes de covariância ( $\Sigma_c$ ).
- Desfechos Categóricos: Modelados usando distribuições multinomiais com probabilidades específicas por classe ( $\pi_{pk|c}$ ).
- Independência Condicional: O modelo assume que os desfechos em um ponto específico no tempo são condicionalmente independentes dada a membresia da classe latente naquele tempo. Além disso, as membresias de classes latentes ao longo do tempo são condicionalmente independentes dada a membresia do perfil latente.
Parametrização:
- Parâmetros de Medição: Incluem $\mu$ e $\Sigma$ para desfechos contínuos, e $\pi$ para desfechos categóricos. Estes são assumidos como invariantes no tempo para garantir uma interpretação consistente das classes latentes através dos períodos de tempo.
- Parâmetros Estruturais: Incluem $\eta$ (probabilidades de transição entre perfis e classes) e $\gamma$ (prevalência de perfis).
- Covariáveis: Associações entre covariáveis ao nível do sujeito ( $x$ ) e a membresia do perfil latente são modeladas via regressão logística multinomial.
Estimação: Os parâmetros são estimados usando Máxima Verossimilhança (ML) via algoritmo de Expectativa-Maximização (EM).
- Passo E (E-step): Utiliza o algoritmo forward-backward para computar eficientemente as probabilidades a posteriori de sequências de classes latentes e membros de perfis, abordando a complexidade computacional de sequências latentes de alta dimensão.
- Passo M (M-step): Atualiza os parâmetros para maximizar a esperança da log-verossimilhança dos dados completos. Soluções de forma fechada são usadas para parâmetros normais e multinomiais, enquanto o algoritmo de Newton-Raphson é empregado para coeficientes de regressão ( $\beta$ ).
- Inferência: Erros padrão são derivados da inversa da matriz Hessiana da verossimilhança dos dados observados. A seleção de modelos (determinando o número de classes $K$ e perfis $S$ ) é realizada utilizando o Critério de Informação Bayesiano (BIC).

Principais Contribuições

Extensão Metodológica: O artigo estende a estrutura LCPM para lidar com desfechos multivariados com escalas mistas (contínuas e categóricas), superando a limitação de modelos de trajetória não paramétricos existentes que suportam apenas dados categóricos.
Flexibilidade Não Paramétrica: Diferente das GMMs paramétricas, o Mixed-LCPM não assume uma forma funcional específica (ex: linear, quadrática) para a trajetória. Em vez disso, as trajetórias são caracterizadas pelos padrões sequenciais de membros de classes latentes, permitindo a identificação de tendências longitudinais mais flexíveis e orientadas pelos dados.
Modelagem Conjunta: A abordagem modela simultaneamente as associações entre tipos de variáveis em pontos específicos no tempo e as correlações decorrentes de medições repetidas, fornecendo uma estrutura unificada para dados longitudinais de escala mista.
Implementação: Os autores fornecem uma implementação em R do método proposto e o validam através de extensos estudos de simulação.

Resultados

Estudos de Simulação: Os autores conduziram simulações em quatro cenários variando a separação de classes (forte vs. fraca) e o equilíbrio de perfis (igual vs. desigual) com tamanhos de amostra de $N=250, 500, 1000$ $N = 250, 500, 1000$ .
- O estimador demonstrou desempenho robusto com viés padronizado mínimo ($|Sbias| < 0.1$) e probabilidades de cobertura próximas ao nível nominal de 0.95 para $N=1000$ .
- As probabilidades de cobertura foram sensíveis ao tamanho da amostra, caindo abaixo de 0.90 para $N=250$ , o que é consistente com a natureza assintótica dos erros padrão de modelagem de mistura.
Aplicação ADNI: O método foi aplicado aos dados do ADNI ( $N=919$ $N = 919$ ) envolvendo seis pontos no tempo (Baseline até o Mês 48).
- Classes Latentes: Cinco classes distintas foram identificadas, diferenciando pacientes pelo status cognitivo (Normal, Comprometimento Leve, Comprometimento Significativo) e perfis de risco vascular (Saudável vs. Não Saudável em relação à Pressão Arterial e IMC).
- Trajetórias Latentes: Seis perfis de trajetória distintos foram identificados. Notavelmente, o modelo distinguiu grupos com trajetórias cognitivas semelhantes, mas perfis de risco vascular diferentes (ex: "Cognição Estável e Saúde Boa Estável" vs. "Cognição Estável e Saúde Ruim Estável").
- Associações de Covariáveis: Foram encontradas associações significativas entre covariáveis de linha de base (Idade, Gênero, Escolaridade, alelos APOE4) e a membresia do perfil latente. Por exemplo, a idade avançada foi associada a menores chances de pertencer ao perfil "Normal e Não Saudável" em comparação ao grupo de referência "Normal e Saudável".

Significância e Alegações
O artigo afirma que o Mixed-LCPM proposto oferece uma alternativa robusta e não paramétrica para analisar dados longitudinais complexos onde os desfechos são uma mistura de variáveis contínuas e categóricas. Ao identificar subgrupos distintos baseados em trajetórias conjuntas, o método revela a heterogeneidade na progressão da doença que análises univariadas ou de tipo único poderiam ocultar.

Os autores enfatizam que, embora o método identifique com sucesso padrões representativos de desfechos multivariados e suas associações com covariáveis, os resultados apresentados da coorte ADNI pretendem ilustrar a abordagem estatística, em vez de informar decisões clínicas imediatas. Eles reconhecem limitações, incluindo a dependência da suposição de Dados Ausentes ao Acaso (Missing at Random - MAR) para lidar com dados ausentes e o custo computacional da seleção de modelos via busca em grade (grid search). Direções futuras sugeridas incluem a extensão do modelo para dados agrupados e o tratamento de cenários de Dados Ausentes Não Ao Acaso (Missing Not at Random - MNAR através de estruturas de modelagem conjunta.