[논문 리뷰] Predicting Smoking Events with a Time-Varying Semi-Parametric Hawkes Process Model

Matthew Engelhard, Hongteng Xu외 4명|PubMed|2018. 09. 05.

Point processes and geometric inequalities참고 문헌 26인용 수 5

한 줄 요약

이 논문은 과거의 흡연 사건이 현재의 위험을 증가시키는 자가각각의 포인트 과정으로서 흡연을 모델링하기 위해 시간에 따라 변하는 준모수적 하크스 프로세스(TV-SPHP)를 제안한다. 이 모델은 기존 방법들보다 흡연 사건 예측 성능이 뛰어나며, 니코틴 대사와 일일 패턴과 관련된 새로운 시간 역학적 특성을 드러낸다.

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.

연구 동기 및 목표

• 정적 위험 요인을 넘어서 흡연 사건의 시간 역학을 모델링하여 그 예측 성능을 향상시키기.
• 흡연 행동이 과거 사건이 미래 사건의 가능성을 높이는 자가각각 성질을 띠는지 조사하기.
• 순환 리듬과 니코틴 대사와 같은 시간에 따라 변하는 예측 변수가 장기 예측 윈도우에서 정확도를 향상시키는 데 얼마나 기여하는지 탐색하기.
• 비모수적이고 유연한 포인트 과정 모델을 사용하여 이전에 알려지지 않은 흡연 위험의 시간 패턴을 밝혀내기.
• 더 정밀한 정밀도로 고위험 순간을 식별함으로써 즉각적인 디지털 간호 개입 개발을 지원하기.

제안 방법

• 저자들은 과거 사건과 시간에 따라 변하는 공변량에 따라 흡연 사건의 강도를 모델링하는 시간에 따라 변하는 준모수적 하크스 프로세스(TV-SPHP)를 사용한다.
• 기저 강도는 커널 스무딩을 사용하여 비모수적으로 모델링되어 특정한 모수적 형태를 가정하지 않고도 복잡한 시간 패턴을 민감하게 포착할 수 있다.
• 흥분(영향) 함수는 과거 사건이 현재 위험에 미치는 영향을 나타내며, 비모수적으로 추정되어 동적인 자가각각 효과를 드러낸다.
• 시간에 따라 변하는 공변량—예를 들어 시간대, 요일, 자가 보고한 갈망 정도—은 강도 함수에 통합되어 예측 성능을 향상시킨다.
• 과적합을 방지하기 위해 펜라이즈드 최대우도 기반 추정 프레임워크를 사용하여 42명의 흡연자로부터의 자가 보고 흡연 사건 데이터에 모델을 적합시켰다.
• 영향 함수 분석을 통해 흡연 직후에 위험 증가 피크가 나타나는 등, 니코틴 감소와 갈망 증가와 관련된 가능성을 시사하는 시간 패턴을 확인했다.

실험 결과

연구 질문

• RQ1 과거의 흡연 사건이 후속 흡연 사건의 즉각적인 위험에 어떻게 영향을 미치며, 이러한 자가각각 효과는 정량화될 수 있는가?
• RQ2 순환 리듬, 자가 보고 갈망 정도 등 시간에 따라 변하는 예측 변수가 장기 예측 윈도우에서 예측 성능을 얼마나 향상시키는가?
• RQ3 흡연 위험의 근본적인 시간 역학은 무엇이며, 니코틴 대사와 같은 알려진 생리적 과정과 일치하는가?
• RQ4 비모수적, 준모수적 하크스 프로세스 모델이 기존의 모수적 또는 정적 모델보다 흡연 사건 예측에서 뛰어난 성능을 보일 수 있는가?
• RQ5 개별 환자 간에 추정된 영향 함수는 어떻게 다를 수 있으며, 이는 단일 림프에서 복귀로의 진행 과정을 어떻게 드러내는가?

주요 결과

• TV-SPHP 모델은 특히 장기 예측 윈도우에서 시간에 따라 변하는 예측 변수를 통합할 경우, 관련 및 기존 모델보다 뛰어난 예측 성능을 달성했다.
• 영향 함수는 흡연 사건 이후 약 30분 후에 흡연 위험의 피크를 보였으며, 이는 니코틴 감소와 갈망 증가와 관련되어 자가강화 사이클을 시사한다.
• 흡연 후 1~2일 후에 더 낮은 강도의 두 번째 피크도 관찰되었으며, 이는 직접적인 니코틴 효과보다는 일정한 일일 패턴이나 행동적 선호도를 반영할 가능성이 높다.
• 모델은 흡연 위험의 강력한 일일 주기성을 성공적으로 포착하여, 개인 흡연자들이 안정적이고 반복 가능한 일일 패턴을 보임을 확인한 이전 연구 결과를 뒷받침했다.
• 특히 시간대와 행동적 맥락과 관련된 시간에 따라 변하는 예측 변수의 통합이 장기 예측 윈도우에서 예측 정확도 향상에 가장 큰 기여를 하였다.
• 본 연구는 TV-SPHP가 행동 건강 분야에서 자가각각 역학을 모델링하는 데 잠재력을 지녔으며, 향후 간호 개입 설계와 생리적 메커니즘 탐구의 기초를 제공할 수 있음을 강조한다.