Métodos de imputación para biomarcadores serológicos en la enfermedad inflamatoria intestinal

Área de la Ciencia:

• Informática Biomédica
• Modelado Estadístico
• Investigación de Enfermedades Inflamatorias Intestinales

Sus antecedentes:

• Los biomarcadores serológicos son cruciales para el diagnóstico y subtipificación de la Enfermedad Inflamatoria Intestinal (EII).
• Los datos faltantes en conjuntos de datos serológicos pueden comprometer los análisis estadísticos y de aprendizaje automático, lo que lleva a predicciones sesgadas.

Objetivo del estudio:

• Comparar exhaustivamente varios modelos de imputación múltiple para datos serológicos en EII.
• Evaluar el rendimiento de la imputación bajo diferentes mecanismos de datos faltantes (MCAR, MAR, MNAR) y porcentajes variables de datos faltantes.

Principales métodos:

• Se utilizaron tres técnicas distintas de imputación: Múltiple Imputación por Ecuaciones Encadenadas (MICE), Imputador Iterativo (II) y Autoencoders (AE).
• Se evaluaron modelos de imputación en tres cohortes de EII del mundo real y 2.400 escenarios simulados.
• Se evaluó el rendimiento basándose en la precisión directa, la preservación de la señal inferencial y la utilidad predictiva.

Principales resultados:

• Ningún método de imputación único demostró superioridad universal en todos los escenarios.
• Los métodos de imputación iterativa (II-BR, KNN, RF) generalmente funcionaron mejor con niveles de datos faltantes bajos a moderados.
• Los métodos basados en autoencoders (AE, VAE) mostraron mayor robustez con el aumento de los porcentajes de datos faltantes.

Conclusiones:

• La elección del método de imputación para datos serológicos de EII debe guiarse por la extensión de los datos faltantes.
• Los imputadores iterativos son adecuados para conjuntos de datos menos incompletos, mientras que los autoencoders ofrecen una solución más robusta para datos altamente incompletos.
• El análisis dentro de la cohorte es esencial para prevenir la fuga de información y garantizar resultados de imputación fiables.