[論文レビュー] Multi-study factor regression model: an application in nutritional epidemiology

Roberta De Vito, Alejandra Avalos‐Pacheco|arXiv (Cornell University)|Apr 25, 2023

Nutritional Studies and DietMedicine被引用数 3

ひとこと要約

本稿では、性別、教育水準、ライフスタイル要因などの共変量を調整しながら、多様な集団において共通およびグループ固有の食事パターンを同時に同定する、新しい共同要因分析フレームワーク「マルチスタディ要因回帰（MSFR）モデル」を紹介する。この手法は、標準的手法に比べて推定精度と予測性能を向上させ、ヒスパニック・ラティーノコミュニティにおける食事パターンと健康結果の有意な関連を明らかにした。

ABSTRACT

Diet is a risk factor for many diseases. In nutritional epidemiology, studying reproducible dietary patterns is critical to reveal important associations with health. However, it is challenging: diverse cultural and ethnic backgrounds may critically impact eating patterns, showing heterogeneity, leading to incorrect dietary patterns and obscuring the components shared across different groups or populations. Moreover, covariate effects generated from observed variables, such as demographics and other confounders, can further bias these dietary patterns. Identifying the shared and group-specific dietary components and covariate effects is essential to drive accurate conclusions. To address these issues, we introduce a new modeling factor regression, the Multi-Study Factor Regression (MSFR) model. The MSFR model analyzes different populations simultaneously, achieving three goals: capturing shared component(s) across populations, identifying group-specific structures, and correcting for covariate effects. We use this novel method to derive common and ethnic-specific dietary patterns in a multi-center epidemiological study in Hispanic/Latinos community. Our model improves the accuracy of common and group dietary signals and yields better prediction than other techniques, revealing significant associations with health. In summary, we provide a tool to integrate different groups, giving accurate dietary signals crucial to inform public health policy.

研究の動機と目的

• 栄養疫学における多様な民族的・文化的背景を持つ集団において、再現可能な食事パターンを同定する課題に対処すること。
• 異質な集団における真の食事信号を隠す要因となる人口統計学的およびライフスタイル変数の交絡効果を是正すること。
• 複数の研究において共通および研究固有の食事成分を統合的にモデル化する統一された統計的フレームワークを構築すること。
• 従来の要因分析手法に比べ、食事パターンの推定および予測の精度を向上させること。
• 多様な民族的背景を持つ集団における食事-疾患関連の強固で解釈可能かつ政策的意義のある知見を可能にすること。

提案手法

• MSFRモデルは、マルチスタディ要因分析（MSFA）と潜在的要因回帰を統合し、複数の集団において共通および研究固有の要因を同時にモデル化する。
• 決定論的推定を可能にする閉形式更新を備えた効率的なECMアルゴリズムを用い、スケーラブルな計算を実現する。
• 性別、教育水準、喫煙、アルコール摂取、BMIなどの共変量効果が要因構造に明示的にモデル化され、調整されている。
• 共通（共通）およびグループ固有の負荷行列と潜在的要因を同時に推定する。
• 要因の次元数が強く推定され、調整なしのモデルに比べ過学習が低減される。
• 本手法はGitHub経由で公開されており、再現可能性および広範な採用を支援する。

Figure 1: Heatmap of the common (left panel) and study-specific (right panel) factor loadings in the HCHS/SOL.

実験結果

リサーチクエスチョン

• RQ1 主にラテン系サブグループにまたがる多様な集団において、主要な交絡要因を調整しながら、共通および民族固有の食事パターンを同時に同定する方法は何か？
• RQ2 共変量の調整は、多施設研究における食事パターン推定の精度および解釈可能性をどの程度向上させるか？
• RQ3 MSFRモデルは、標準的要因分析およびマルチスタディ要因分析に比べ、予測性能および要因推定においてどのように差を示すか？
• RQ4 ヒスパニック・コミュニティ・ヘルス・スタディ/ラティーノス・スタディ（HCHS/SOL）において、代替的健康食事指数（AHEI-2010）と最も強く関連する食事パターンは何か？
• RQ5 MSFRモデルは、異なるラテン系民族的背景において、グローバルに共有されると同時にローカルに特異的な意味のある解釈可能な食事パターンを検出できるか？

主な発見

• MSFRモデルは、MSFAおよび標準的要因回帰に比べ、特に共変量効果が強い状況下で、予測精度と推定のロバスト性が顕著に向上した。
• 共通の食事パターンでは、植物性食品およびシーフードパターンがAHEI-2010スコアを上昇させたが、動物性食品および乳製品は低下させた。
• 動物性食品パターンはAHEI-2010に対して強く負の関連を示し、第1四分位数（49.7）から第5四分位数（45.2）に低下した。
• 乳製品パターンはAHEI-2010をわずかに低下させ、第1四分位数（48.1）から第5四分位数（46.7）に低下した。
• 研究固有のパターンでは、ドミニカンパターンがAHEI-2010を第1四分位数（51.2）から第3四分位数（46.4）に上昇させた一方、キューバンパターンはわずかに低下させ、44.7から43.5に低下した。
• 研究固有要因の標準誤差は非常に低く、推定の高い精度を示した。

Figure 2: Association of each factor with each food group for each common factor (first box) and each study-specific factor (second box).