[논문 리뷰] Distributional data analysis with accelerometer data in a NHANES database with nonparametric survey regression models

Marcos Matabuena, Alex Petersen|arXiv (Cornell University)|2021. 04. 02.

Physical Activity and Health참고 문헌 66인용 수 4

한 줄 요약

이 논문은 NHANES(2003–2006)의 복잡한 설문 설계를 고려하면서도 풍부한 고해상도 신체활동 패턴을 유지하는 가속도계 데이터의 새로운 분포 표현 방식을 제안한다. 비모수적 기능 모델—커널 스무딩과 커널 리지 회귀—를 설문 가중치와 설계 효과를 통합하도록 확장하여, 68세 이상 개인의 건강 결과를 신뢰성 있게 예측할 수 있도록 한다. 기존의 요약 지표가 세부 활동 데이터를 손실하는 데서 비롯하는 한계를 극복한다.

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 intensity exercise zones that are chosen subjectively or even arbitrarily. Much of the data collected in these studies follow complex survey designs, making application of standard statistical tools such as non-parametric regression models inappropriate and the requirement of specific estimation procedures according to particular sampling-design is mandatory. With functional data or other complex objects, barely literature exist that handles complex sampling designs in the statistical analysis. This paper aims two-fold; first, we introduce a new functional representation of accelerometer data of a distributional nature to build a complete individualized profile of each subject's physical activity levels. Second, using the NHANES accelerometer data (2003-2006), we show the potential advantages of this new representation to predict patients' outcomes over $68$ years of age. A critical component in our statistical modeling is that we extend non-parametric functional models used: kernel smoother and kernel ridge regression, to handle the specific effect of complex sampling design in order to provide reliable conclusions about the influence of physical activity in distinct analysis performed.

연구 동기 및 목표

• 기존의 임의의 강도 절단 기준에 기반한 요약 지표가 초래하는 세부 신체활동 정보의 손실 문제를 해결하기 위해.
• 시간 척도에 걸쳐 개인화된 활동 프로파일을 포착하는 기능적이고 분포적인 가속도계 데이터 표현 방식을 개발하기 위해.
• 설계 기반 추론을 보장하기 위해 복잡한 설문 설계를 고려한 비모수적 기능 회귀 모델—커널 스무딩과 커널 리지 회귀—를 확장하기 위해.
• NHANES에서 68세 이상 개인의 건강 결과 추정에 있어 이 새로운 방법의 예측 성능을 평가하기 위해.

제안 방법

• 활동 카운트의 전체 분포를 시간에 따라 모델링하는 방식으로, 요약 통계에 의존하지 않는 가속도계 데이터의 분포 표현을 제안한다.
• 비모수적 커널 스무딩과 커널 리지 회귀를 적용하여 전체 활동 분포와 건강 결과 간의 관계를 모델링한다.
• 설계 특성—층화, 군집, 표본 가중치—를 커널 추정 과정에 통합하여 설계 기반 추론을 보장한다.
• 불균형한 선택 확률과 설문 설계 효과를 보정하기 위해 가중치가 부여된 국소 추정 방정식을 사용한다.
• 설계 일관성 있는 밴드위드스택 선택과 분산 추정을 구현하여 복잡한 표본 추출 조건 하에서도 통계적 타당성을 유지한다.
• 참가자가 68세 이상인 NHANES 가속도계 데이터(2003–2006)를 사용하여 방법을 검증한다.

실험 결과

연구 질문

• RQ1 기존의 요약 지표에 비해 분포 표현 방식이 세부적인 신체활동 패턴의 풍부함을 더 잘 유지할 수 있는가?
• RQ2 비모수적 기능 회귀 모델은 기능 데이터 분석에서 복잡한 설문 설계를 어떻게 다룰 수 있는가?
• RQ3 제안된 방법은 기존 접근 방식에 비해 고령자에서의 건강 결과 예측 성능을 향상시키는가?
• RQ4 설문 설계 조정은 가속도계 데이터에 적용된 기능 회귀 모델의 추정 정확도와 추론에 어떤 영향을 미치는가?

주요 결과

• 제안된 분포 표현 방식은 다양한 시간 척도에서 개인화된 신체활동 패턴을 성공적으로 포착하여 기존 요약 지표에서 손실되는 정보를 유지한다.
• 커널 스무딩과 커널 리지 회귀를 복잡한 설문 설계에 확장함으로써 기능 데이터의 구조를 유지하면서도 타당한 통계적 추론을 가능하게 한다.
• 요약 통계를 사용하는 모델에 비해 68세 이상 개인의 건강 결과 예측 성능이 향상됨을 입증하였다.
• 설문 설계 조정은 분산 추정과 신뢰구간에 상당한 영향을 미치며, 기능 모델에 표본 가중치를 통합하는 것이 필수적임을 시사한다.
• NHANES 데이터의 비균형 선택 확률과 군집 구조를 고려함으로써 효과 추정의 편향을 감소시켰다.