[論文レビュー] Distributional data analysis of accelerometer data from the NHANES database using nonparametric survey regression models

Marcos Matabuena, Alexander M. Petersen|arXiv (Cornell University)|Apr 2, 2021

Physical Activity and Health被引用数 6

ひとこと要約

本論文は、NHANES調査の加速度計データに対して、非パラメトリックな調査回帰モデル（カーネルスムージングおよびカーネルリッジ回帰）を複雑な調査設計に適応させた、分布的関数的データ表現を提案する。この手法は、任意の強度の閾値による情報損失を避けるために、完全な時間的活動プロファイルを保持し、代表的な全国的サンプルにおける身体活動の健康への影響について信頼性のある推論を可能にする。

ABSTRACT

Accelerometers enable an objective measurement of physical activity levels among groups of individuals in free-living environments, providing high-resolution detail about physical activity changes at different time scales. Current approaches used in the literature for analyzing such data typically employ summary measures such as total inactivity time or compositional metrics. However, at the conceptual level, these methods have the potential disadvantage of discarding important information from recorded data when calculating these summaries and metrics since these typically depend on cut-offs related to exercise intensity zones chosen subjectively or even arbitrarily. Furthermore, much of the data collected in these studies follow complex survey designs. Then, using specific estimation strategies adapted to a particular sampling mechanism is mandatory. The aim of this paper is two-fold. First, a new functional representation of a distributional nature accelerometer data is introduced to build a complete individualized profile of each subject's physical activity levels. Second, we extend two nonparametric functional regression models, kernel smoothing and kernel ridge regression, to handle survey data and obtain reliable conclusions about the influence of physical activity in the different analyses performed in the complex sampling design NHANES cohort and so, show representation advantages.

研究の動機と目的

• 任意の強度の閾値による情報損失を引き起こす「範囲内時間」のような要約指標の限界を是正すること。
• 個々の個人の身体活動レベルの完全なプロファイルを捉える関数的・分布的表現を構築すること。
• カーネルスムージングおよびカーネルリッジ回帰を含む非パラメトリック関数的回帰モデルを、非等確率抽出および層別化を伴う複雑な調査設計に拡張すること。
• 調査設計の特徴を考慮した上で、NHANESコhortにおける身体活動が健康結果に与える影響について、信頼性のある統計的推論を可能にすること。
• 精密医療および臨床試験設計における、より感受性が高く、個別化された身体活動効果の評価を支援すること。

提案手法

• 時間ごとの活動量の要約ではなく、グルコデニシティに類似したアプローチによる、加速度計データの関数的表現（分布的プロファイル）を提案する。
• 設計ベース推定の原則を用いて、カーネルスムージングおよびカーネルリッジ回帰を調査加重データに適応する。
• NHANESの層別化、クラスタリング、非等確率抽出確率を考慮した調査回帰モデルを適用する。
• パラメトリックな関数的形を仮定しない非パラメトリック推定を用いて、身体活動プロファイルと健康結果の関係をモデル化する。
• Rのsurveyパッケージを用いて設計ベース推論を実装し、妥当な標準誤差および信頼区間を保証する。
• NHANES加速度計データ（2003–2006年）を用いて、身体活動パターンと健康指標との関連を焦点に、手法の妥当性を検証する。

実験結果

リサーチクエスチョン

• RQ1 従来の時間ごとの区間内要約とは異なり、分布的関数的表現が、個々の身体活動パターンをよりよく捉えられるか。
• RQ2 非パラメトリック関数的回帰モデルを、推論の有効性を保つために複雑な調査設計にどのように適応できるか。
• RQ3 代表的な全国的サンプルにおける身体活動プロファイルが、BMI、グルコースコントロール、死亡リスクなどの健康結果に与える影響は何か。
• RQ4 提案手法が、従来の要約指標よりも感受性の高い身体活動と健康の関連を検出できるか。
• RQ5 このアプローチは、臨床および公衆衛生分野における、より個別化された身体活動の処方を支援できるか。

主な発見

• 提案された分布的表現は、時間ごとの区間要約に起因する情報損失を回避するため、完全な時間的活動プロファイルを保持している。
• 非パラメトリック調査回帰モデルは、複雑な調査設計の特徴（層別化、クラスタリング、加重）をうまく考慮することができた。
• 調査データに適応させたカーネルスムージングおよびカーネルリッジ回帰は、身体活動パターンと健康結果の関係について信頼性のある推論を可能にした。
• 従来の要約統計よりも、より繊細で臨床的に感受性の高い身体活動と健康の関連を同定できる。
• NHANESのような、個々の活動パターンが大きく異なる多様な集団においても、身体活動効果のより正確な推定が可能になった。
• このフレームワークは、他のバイオスセンサーやウェアラブルデバイスデータへも拡張可能であり、将来的な精密医療およびデジタルヘルスアプリケーションを支援する。