[論文レビュー] Monotone function estimation in the presence of extreme data coarsening: Analysis of preeclampsia and birth weight in urban Uganda

Jennifer E. Starling, Catherine Aiken+3 more|arXiv (Cornell University)|Dec 14, 2019

Pregnancy and preeclampsia studies参考文献 59被引用数 4

ひとこと要約

本稿では、低資源地域における極端なデータ粗利化（出生体重の83％が100g単位に丸められている）を考慮しつつ、胎齢と出生体重の単調で滑らかな関係を推定するベイジアン非パラメトリックモデルであるpsBARTを提案する。この手法により、ウガンダ都市部における低出生体重の主な予測要因として妊娠中毒症が特定され、特に早期の胎齢でより強い負の影響を示すことが明らかになった。また、事後分布推論による頑健な不確実性評価が可能である。

ABSTRACT

This paper proposes a Bayesian hierarchical model to characterize the relationship between birth weight and maternal pre-eclampsia across gestation at a large maternity hospital in urban Uganda. Key scientific questions we investigate include: 1) how pre-eclampsia compares to other maternal-fetal covariates as a predictor of birth weight; and 2) whether the impact of pre-eclampsia on birthweight varies across gestation. Our model addresses several key statistical challenges: it correctly encodes the prior medical knowledge that birth weight should vary smoothly and monotonically with gestational age, yet it also avoids assumptions about functional form along with assumptions about how birth weight varies with other covariates. Our model also accounts for the fact that a high proportion (83%) of birth weights in our data set are rounded to the nearest 100 grams. Such extreme data coarsening is rare in maternity hospitals in high resource obstetrics settings but common for data sets collected in low and middle-income countries (LMICs); this introduces a substantial extra layer of uncertainty into the problem and is a major reason why we adopt a Bayesian approach. Our proposed non-parametric regression model, which we call Projective Smooth BART (psBART), builds upon the highly successful Bayesian Additive Regression Tree (BART) framework. This model captures complex nonlinear relationships and interactions, induces smoothness and monotonicity in a single target covariate, and provides a full posterior for uncertainty quantification. The results of our analysis show that pre-eclampsia is a dominant predictor of birth weight in this urban Ugandan setting, and therefore an important risk factor for perinatal mortality.

研究の動機と目的

• 極端なデータ粗利化（低資源の産科設定下）がある中で、胎齢と出生体重の複雑で非線形な関係をモデル化すること。
• 出生体重が胎齢とともに単調に増加するという先行医学的知識を反映させつつ、特定の関数形を仮定せずにモデル化すること。
• このようなデータが不完全に記録されている状況下で、妊娠中毒症の影響と他の母体・胎児共変量の影響を出生体重予測に与える相対的影響を比較すること。
• LMICsで一般的なヘープド（丸められた）出生体重データの下で、妥当な不確実性評価を提供すること。標準的なモデルではしばしば無視されるが、本稿ではこれを重視する。
• 妊娠中毒症状態および新生児性別で定義されるサブグループにおける異質な成長パターンの検出を可能にすること。

提案手法

• 著者らは、目的変数（胎齢）における滑らかさと単調性を強制しつつ、他の共変量には柔軟性をもたせる非パラメトリックベイジアン加法的回帰木モデルであるProjective Smooth BART（psBART）を開発した。
• モデルはtsBARTを拡張し、データ粗利化に対処するための潜在変数フレームワークを統合。観測された丸められた出生体重を区間センシング観測としてモデル化している。
• 胎齢における滑らかさと単調性を確保するため、木構造にガウス過程事前分布を適用。生物学的に妥当な成長曲線の生成を保証する。
• 完全なベイジアン事後分布推論アプローチを採用。極端なデータ粗利化下でも不確実性評価が可能である。
• MCMCサンプリングを用いてモデルを実装。適合度の検証のため、事後予測チェックとモデル診断を実施。
• 木ベースの分割を用いたサブグループ分析が可能であり、共変量ごとの分割の有意性を事後密度を用いて評価できる。

実験結果

リサーチクエスチョン

• RQ1 都市部ウガンダにおける妊娠中毒症は、他の母体・胎児共変量と比較して、出生体重予測要因としてどのように位置づけられるか？
• RQ2 妊娠中毒症の出生体重への影響は、胎齢によって変化するか。もしそうならば、その変化の仕組みは？
• RQ3 出生体重が100g単位に丸められるほど重度の粗利化がある状況下で、胎齢と出生体重の単調で滑らかな関係をどのようにモデル化できるか？
• RQ4 極端なデータ粗利化下でも、単調性と滑らかさを維持したまま、出生体重予測の不確実性をどのように定量的評価できるか？
• RQ5 本研究の低資源地域設定下で、妊娠中毒症、新生児性別、その他の母体・胎児要因のうち、出生体重予測に与える相対的影響は何か？

主な発見

• 妊娠中毒症は都市部ウガンダにおける低出生体重の主な予測要因であり、妊娠中毒症の患者は、正常血圧の患者と比較して、同じ胎齢において顕著に低い出生体重の新生児を出産する。
• 妊娠中毒症の出生体重への負の影響は、早期の胎齢でわずかに大きいことが示され、早期〜中期妊娠期にかけてより顕著な影響を示している。
• 新生児性別は2番目に重要な予測要因であり、妊娠中毒症群および正常血圧群の両方で、女性の新生児は男性より軽い出生体重を示す。
• 妊娠中毒症および性別と比較して、他の母体・胎児共変量は出生体重に与える影響が最小限であり、これら要因を超えた異質性は限定的であることが示唆される。
• モデルは83％のデータ粗利化（100g単位に丸め）を適切に処理し、妥当な事後不確実性推定を提供しており、データ制限下でも信頼性の高い推論が可能である。
• 木のノードごとの出生体重の事後密度プロットは、妊娠中毒症群と非妊娠中毒症群の明確な分離を示しており、サブグループ内では徐々に重なりが増す傾向を示しており、モデルが意味のあるサブグループを検出できていることを確認している。