[論文レビュー] Predicting Smoking Events with a Time-Varying Semi-Parametric Hawkes Process Model

Matthew Engelhard, Hongteng Xu+4 more|PubMed|Sep 5, 2018

Point processes and geometric inequalities参考文献 26被引用数 5

ひとこと要約

本稿では、以前の喫煙行動が現在のリスクを上昇させる自己触発的点過程として喫煙をモデル化する、時間変動型半パラメトリック・ハーグス過程（TV-SPHP）を提案する。このモデルは、既存の手法よりも喫煙イベントの予測性能に優れ、ニコチン代謝や日常パターンに関連する新たな時間的ダイナミクスを明らかにする。

ABSTRACT

Health risks from cigarette smoking - the leading cause of preventable death in the United States - can be substantially reduced by quitting. Although most smokers are motivated to quit, the majority of quit attempts fail. A number of studies have explored the role of self-reported symptoms, physiologic measurements, and environmental context on smoking risk, but less work has focused on the temporal dynamics of smoking events, including daily patterns and related nicotine effects. In this work, we examine these dynamics and improve risk prediction by modeling smoking as a self-triggering process, in which previous smoking events modify current risk. Specifically, we fit smoking events self-reported by 42 smokers to a time-varying semi-parametric Hawkes process (TV-SPHP) developed for this purpose. Results show that the TV-SPHP achieves superior prediction performance compared to related and existing models, with the incorporation of time-varying predictors having greatest benefit over longer prediction windows. Moreover, the impact function illustrates previously unknown temporal dynamics of smoking, with possible connections to nicotine metabolism to be explored in future work through a randomized study design. By more effectively predicting smoking events and exploring a self-triggering component of smoking risk, this work supports development of novel or improved cessation interventions that aim to reduce death from smoking.

研究の動機と目的

• 静的リスク要因を超えた時系列的ダイナミクスをモデル化することで、喫煙イベントの予測を向上させること。
• 喫煙行動が自己触発的性質を示すかどうかを検証すること、すなわち、過去のイベントが将来のイベントの可能性を高めるかどうかを明らかにすること。
• 体内時計やニコチン代謝などの時間変動予測因子が、より長い予測期間における予測精度をどのように向上させるかを調査すること。
• 非パラメトリックで柔軟な点過程モデルを用いて、これまでに未知の喫煙リスクの時間的パターンを解明すること。
• より正確に高リスク時刻を特定することで、即時的デジタル介入の開発を支援すること。

提案手法

• 著者らは、過去のイベントと時間変動予測因子を関数とする喫煙イベントの強度をモデル化する時間変動型半パラメトリック・ハーグス過程（TV-SPHP）を採用する。
• ベースライン強度はカーネルスムージングを用いて非パラメトリックにモデル化され、特定のパラメトリック形式を仮定せずに複雑な時間的パターンを柔軟に捉える。
• 励起（影響）関数は、過去のイベントが現在のリスクに与える影響を非パラメトリックに推定し、動的な自己触発的効果を明らかにする。
• 時間変動予測因子（時刻、曜日、自己報告の喫煙衝動など）を強度関数に組み込み、予測精度を向上させる。
• ペナルティ付き尤度を用いた尤度ベースの推定フレームワークを用いて、42名の被験者から得られた自己報告の喫煙イベントデータにモデルを適合させ、過学習を回避する。
• 影響関数の分析により、喫煙直後から約30分後にリスクのピークが観察され、ニコチン低下と喫煙衝動の増加と関連する可能性があることが示唆された。

実験結果

リサーチクエスチョン

• RQ1 過去の喫煙イベントは、直後の喫煙イベントのリスクにどのように影響するか。この自己触発的効果は定量的に測定可能か。
• RQ2 時間変動予測因子（例：体内時計、自己報告の喫煙衝動）は、より長い予測ウィンドウにおいて予測性能をどの程度向上させるか。
• RQ3 喫煙リスクの背後にある時間的ダイナミクスは何か。また、ニコチン代謝などの既知の生理的プロセスと整合性があるか。
• RQ4 非パラメトリックで半パラメトリックなハーグス過程モデルは、従来のパラメトリックまたは静的モデルを上回る喫煙イベント予測性能を達成できるか。
• RQ5 個々の被験者間で推定された影響関数はどのように異なるか。また、単一の誤りから再発に至るプロセスを明らかにするにはどのような情報を提供するか。

主な発見

• TV-SPHPモデルは、特に長期予測ウィンドウにおいて時間変動予測因子を組み込んだ場合、関連および既存のモデルよりも優れた予測性能を達成した。
• 影響関数から、喫煙後約30分後に喫煙リスクのピークが観察され、これはニコチン低下と喫煙衝動の増加と関連し、自己強化的サイクルを示唆している。
• 喫煙後1〜2日後に、やや弱いピークが観察されたが、これは直接的なニコチン効果ではなく、一定の日常パターンや行動的好みによるものと考えられる。
• モデルは喫煙リスクにおける明確な日周期的パターンを的確に捉えており、個々の被験者が安定的かつ繰り返し可能な日常パターンを示すという先行研究の結果を裏付けた。
• 時間変動予測因子、特に時刻や行動的文脈に関連する要因の組み込みが、長期予測期間における予測精度の向上に最も寄与した。
• 本研究は、TV-SPHPが行動的健康分野における自己触発的ダイナミクスをモデル化する可能性を示しており、今後の干渉戦略の設計や生理的メカニズムの解明の基盤を提供する。