炎症性腸疾患における血清学的バイオマーカーのインピュテーション方法

科学分野:

• 生物医学情報学
• 統計モデリング
• 炎症性腸疾患研究

背景:

• 血清学的バイオマーカーは、炎症性腸疾患（IBD）の診断とサブタイピングに不可欠である。
• 血清学的データセットにおける欠損データは、統計的および機械学習的分析を損ない、偏った予測につながる可能性がある。

研究 の 目的:

• IBDの血清学的データに対する様々な多重インピュテーションモデルを包括的に比較すること。
• MCAR, MAR, MNARの異なる欠損データメカニズムおよび様々な欠損率下でのインピュテーションパフォーマンスを評価すること。

主な方法:

• チェイン方程式による多重インピュテーション（MICE）、反復インピュター（II）、およびオートエンコーダー（AE）の3つの異なるインピュテーション技術を利用した。
• 3つの実世界のIBDコホートおよび2,400のシミュレーションシナリオにわたってインピュテーションモデルを評価した。
• 直接的な精度、推論信号の保持、および予測ユーティリティに基づいてパフォーマンスを評価した。

主要な成果:

• 単一のインピュテーション方法がすべてのシナリオで普遍的な優位性を示すことはなかった。
• 反復インピュテーション方法（II-BR, KNN, RF）は、一般的に低から中程度の欠損レベルでより良好なパフォーマンスを示した。
• オートエンコーダーベースの方法（AE, VAE）は、欠損データの割合が増加するにつれて、より高い堅牢性を示した。

結論:

• IBD血清学的データのインピュテーション方法の選択は、欠損の程度に基づいて導かれるべきである。
• 反復インピュターは、不完全さが少ないデータセットに適しており、オートエンコーダーは、高度に不完全なデータに対してより堅牢なソリューションを提供する。
• 情報漏洩を防ぎ、信頼性の高いインピュテーション結果を保証するために、コホート内分析が不可欠である。