Summary

Un método de trigonométricas Modelización de Variación Estacional demostrada con Esclerosis Múltiple La recaída de datos

Published: December 09, 2015
doi:

Summary

Combining plot analysis with trigonometric regression is a robust method for exploring complex, cyclical phenomena such as relapse onset timing in multiple sclerosis (MS). This method enabled unbiased characterisation of seasonal trends in relapse onset permitting novel inferences around the influence of seasonal variation, ultraviolet radiation (UVR) and latitude.

Abstract

This report describes a novel Stata-based application of trigonometric regression modelling to 55 years of multiple sclerosis relapse data from 46 clinical centers across 20 countries located in both hemispheres. Central to the success of this method was the strategic use of plot analysis to guide and corroborate the statistical regression modelling. Initial plot analysis was necessary for establishing realistic hypotheses regarding the presence and structural form of seasonal and latitudinal influences on relapse probability and then testing the performance of the resultant models. Trigonometric regression was then necessary to quantify these relationships, adjust for important confounders and provide a measure of certainty as to how plausible these associations were. Synchronization of graphing techniques with regression modelling permitted a systematic refinement of models until best-fit convergence was achieved, enabling novel inferences to be made regarding the independent influence of both season and latitude in predicting relapse onset timing in MS. These methods have the potential for application across other complex disease and epidemiological phenomena suspected or known to vary systematically with season and/or geographic location.

Introduction

La forma más común de la esclerosis múltiple (EM) es esclerosis múltiple remitente recurrente (EMRR). EMRR se caracteriza por deterioros episódicos en la función neurológica, seguido de la recuperación parcial o completa. A nivel mundial, la incidencia y la prevalencia de SM aumentan al aumentar la distancia lejos del ecuador en ambos hemisferios. 1-3 Si la frecuencia de eventos de recaídas que se producen específicamente en EMRR también varían con la latitud, y si hay alguna variación estacional subyacente en tal asociación, aún no está claro. Para los estudios que exploran fecha estacionalidad en el tiempo de recaída se han limitado a centros clínicos individuales, lo que limita las inferencias respecto a las tendencias estacionales en el momento de recaída a ubicaciones geográficas solitarios y por lo tanto incapaces de explorar las influencias latitudinales amplios. 4-14 Estos estudios se han limitado aún más por pequeña muestra tamaños y datos de recaída escasas. Un 2000 meta-análisis de diez estudios de los centros clínicos en Europa, los Estados Unidos y Canadá, donde cada estudio incluido un mínimo de treinta casos de informes de la temporada de aparición de recaídas, describen una clara tendencia estacional en el momento de la aparición de recaídas, con recaídas en horas pico en primavera y con una depresión de invierno 4 . Tendencias anuales cíclicas similares en el inicio se han observado en la posterior, aunque más pequeños, estudios en Japón 15 y España 16. Sin embargo, un estudio de Estados Unidos comparables no pudo corroborar este patrón 17. Hasta la fecha, estos estudios y observaciones se han limitado al hemisferio norte. El grupo de estudio MSBase analizó recientemente una gran base de datos mundial de las recaídas de EM a través de ambos hemisferios norte y sur para explorar las tendencias de temporada en el momento de la aparición de recaídas, además de influencias latitudinales sobre la relación entre la probabilidad de pico de recaídas y la radiación ultravioleta de temporada (UVR) artesa 18 . Central de estos métodos fue la aplicación de la regresión trigonométricapara visualizar y evaluar las tendencias en el tiempo de inicio y UVR distribuciones de recaída.

El objetivo general de este estudio fue probar la hipótesis de que la variación temporal en el momento de la aparición de recaídas en la EM varía previsiblemente con la temporada, tanto en los hemisferios norte y sur y este estacionalidad fue influenciado por la latitud. La justificación para el uso de modelos trigonométrica para investigar estas preguntas era su flexibilidad para la caracterización de los fenómenos de dos o tres dimensiones que se sabe o se sospecha que describir formas o patrones discretos, predecibles y consistentes, tales como el ciclo anual de máximos y mínimos comunes observadas en fenómenos biológicos o epidemiológicos que posee la estacionalidad. 19-22 Una desventaja de series de tiempo convencional análisis, incluyendo el análisis de Fourier, es la presunción de que las series temporales a menudo se caracteriza por procesos estocásticos. 21,23,24 Por el contrario, la incorporación de funciones trigonométricas into un modelo tipo de regresión tiene la ventaja de facilitar tanto la exploración de las estructuras regulares y sistemáticas de datos periódicos, mientras que la explotación de la estructura del modelo de regresión para explorar otros correlatos o ajustar por factores de confusión de la estacionalidad.

Regresión trigonométricas previamente se ha utilizado ampliamente en la literatura epidemiológica médica para explorar la temporalidad en temas tan diversos infecciosa detección de brotes de la enfermedad, el papel de los ritmos circadianos en todo, desde autonómica disfunción del sistema nervioso de desprendimiento placentario prematuro a través de correlaciones estacionales de malformaciones congénitas y el calendario de presentaciones de accidente y de emergencia. 25-32 Tal modelado normalmente exige muestras de mayor tamaño que más análisis de series de tiempo convencional y, como tal, esta es la primera vez que se ha aplicado a un conjunto de datos mundial de la EM aparición de recaídas. Regresión trigonométricas como se describe aquí es la herramienta adecuada para los investigadores que exploran cualquier phenomena que se conoce o se sospecha de la bicicleta de forma sistemática en el tiempo. No sólo se puede modelar como ayudar a caracterizar y visualizar estos patrones, permite además al usuario explorar los conductores potenciales y correlatos de estas tendencias.

En relación con el ejemplo concreto de MS aparición de recaídas se presenta aquí, el uso de dispersión y gráficos de residuos para visualizar y evaluar cómo de cerca un modelo de formulario trigonométrica hipótesis encaja los datos constituye el paso crítico en la determinación de: 1) si los datos observados proporcionan evidencia suficiente para apoyar una hipótesis de la estacionalidad o de otras tendencias temporales en el momento de la aparición de recaídas; y 2) si la frecuencia y la disposición de las funciones seno y coseno que definen un modelo trigonométrica en particular es adecuada para permitir el uso de este modelo para la posterior inferencia y predicción. Modelos de regresión también permite el control de los factores de confusión importantes de cualquier efecto estacional o latitudinal observada como a nivel de pacientepropensión a la recaída, en particular los factores que en sí mismos son variables en el tiempo, como la duración de la exposición antes de la recaída en el tratamiento de drogas modificadoras de la enfermedad de Duchenne (DMD). Aislar predictores y correlatos de temporización aparición de recaídas en la EM geográficas y temporales independientes tiene el potencial para guiar la investigación biológica en los mecanismos de eventos de recaída, que a su vez puede informar el desarrollo de intervenciones terapéuticas futuras destinadas a prevenir o retrasar la exacerbación de la enfermedad.

El Registro MSBase

Pacientes con EM que aportaron datos de recaída a este análisis se obtienen del registro internacional MSBase. Establecido en 2004, el registro recopila longitudinalmente, la actividad demográfica de la enfermedad, el examen clínico y las características de investigación y las métricas de consentir los pacientes que asisten a la EM clínica utilizando un sistema de propiedad y operación médico basado en Internet. 33 centros miembros siguen un protoc comúnol que define el conjunto de datos mínimo requerido para ser subido a intervalos regulares convenidos para asegurar los datos de resultado como eventos de recaída se compilan de forma coherente y prospectiva. La fecha de inicio de la recaída se incluye como una variable de conjunto de datos mínimo obligatorio. Además los datos clínicos relevantes asociadas a estos eventos de recaída se recoge habitualmente incluyendo el tratamiento con corticosteroides y sistema funcional afectado. El uso del sistema iMed común de entrada de datos más asegura un enfoque unificado a través de centros de recogida y presentación de datos. Este proyecto tiene la aprobación del Comité de Ética en Investigación Humana o la exención en cada centro contribuye. El consentimiento informado de acuerdo a las leyes locales de todos los pacientes incluidos en el análisis es obligatorio.

Criterios de inclusión

Un total de 9811 pacientes que contribuyen 32,762 eventos de recaída fueron incluidos en el análisis. MS Clínica centros con un mínimo de 20 pacientes registrados consentido, uploaded y seguimiento en el registro a partir del 1 de diciembre de 2013 (fecha de la compilación de datos) fueron elegibles para su inclusión en el análisis. Para asegurar que todos los eventos de recaída incluidos en el análisis fueron observados prospectivamente, solamente recaen inicios de fecha posterior a la primera evaluación de la discapacidad del paciente registrado (con el Kurtzke Expanded Disability Status Score (EDSS)) se incluyeron en el análisis. Todos los pacientes que aportaron datos de recaída al análisis satisfacían los criterios diagnósticos formales para la EM. 34,35

Medidas de resultado

Este estudio considera dos resultados principales: 1) si hubo variación temporal en la probabilidad de aparición de recaídas en el ámbito de la ubicación geográfica, el hemisferio y / o mundial; y 2) si existía una relación entre la latitud y el rezago, en meses, entre el momento de la artesa UVR de temporada y el pico de la recaída fecha probabilidad posterior. El grupo hypothe MSBase Estudiotamaño que los niveles absolutos de vitamina D son más bajos en las regiones más alejadas de los nadires D nivel de población estacional vitamina ecuador y en la localización específica probable que se alcancen antes tras el solsticio de invierno en lugares tan distantes, entonces el efecto de los niveles bajos de vitamina D en el aumento de la EM probabilidad de recaída describiría asimismo de los patrones temporales y latitudinales.

Definición y fechas recaída

Una recaída se definió como la aparición de nuevos síntomas o exacerbación de los síntomas existentes persisten durante al menos 24 horas, en la ausencia de enfermedad o fiebre concurrente, y que se producen por lo menos 30 días después de un ataque anterior. Esta definición previamente se ha aplicado en un análisis fenotipo recaída MSBase. 36 El período de seguimiento para cada paciente elegible a través del cual los eventos de recaída se pudo observar fue definida como el período que abarca la fecha de la primera evaluación EDSS hasta la fecha de la más recienteEvaluación EDSS registrado en el registro antes de los datos de extracto de datos y compilación. En los casos en que no estaba disponible o no puede ser determinada por un mes en particular el día exacto de la aparición de recaídas, clínicas utilizan ya sea el 1 o 15 días del mes como fechas predeterminadas. De los 32,762 recaídas analizados en este informe, 7.913 (24,2%) y 4594 (14,0%) se registraron en la 1 ª y 15 ª día del mes, respectivamente, significativamente mayor que las proporciones registradas en cualquier otro día del mes que oscilaba de 0,8% a través de 5,6%. Para corregir esto, recaídas grabadas a ambos el 1 de 15 días del mes fueron asignados al azar a un día dentro de un intervalo de 15 días cada lado de estas dos fechas predeterminadas. La validez interna de este enfoque se confirmó mediante análisis de sensibilidad que demostró que la estimación de modelado de la fecha pico de recaída con fecha predeterminada aleatorización no fue significativamente diferente de un model uso de ya sea el original fechas excluyendo fechas defecto reportado por completo.

Protocol

NOTA: Cada paso descrito corresponde a una sección de código Stata con el mismo número en el archivo de código proporcionado. Nombres de los comandos de Stata se han cursiva en el siguiente protocolo. 1. Preparar y Trazar la recaída Onset datos observados Abra un archivo de hacerlo haciendo clic en el botón "Editor de Nueva Do-file" y utilice el comando generará para calcular el número de inicios de recaída con fecha a cada uno de los doce meses …

Representative Results

La aplicación de la regresión trigonométrica de 32,762 eventos de recaída procedentes de 46 centros clínicos en 20 países fue la base para proporcionar un argumento estadístico defendible para la observación de que el tiempo de aparición de recaídas en la EM es cíclico y estacional a través de ambos hemisferios y que la duración entre estacional artesa UVR y el pico de la recaída posterior se correlaciona con la latitud. Crítica a esta era la confianza en el análisis complot para guiar el proceso necesar…

Discussion

The protocol described herein details a systematic regression based technique, guided by visual plot analysis, of global MS relapse onset data. It takes as a starting point a relatively simple descriptive analysis of relapse data from 20 countries across both hemispheres, allowing the user to explore theories regarding the temporality of relapse onset timing in MS and testing these theories formally through the use of trigonometric models. Through a step-wise process of first plotting global relapse onset data and then s…

Disclosures

The authors have nothing to disclose.

Acknowledgements

The authors would like to thank Ivan Hanigan for his support in extracting and interpreting the ultraviolet radiation satellite data. The work was supported by the NHMRC Career Development Award (Clinical) to HB [ID628856], NHMRC Project Grant [1032484], NHMRC Center for Research Excellence [Grant ID 1001216] and the MSBase Foundation. The MSBase Foundation is a not-for-profit organization that receives support from Merck Serono, Biogen Idec, Novartis Pharma, Bayer-Schering, Sanofi-Aventis and BioCSL. RL is supported by a NHMRC Career Development Award [ID 1004898].

Materials

Stata SE Version 13 StataCorp, College Station, Texas Version 13 Statistical analysis software used for analysis
Microsoft Excel 2010 Microsoft 2010 Spreadsheet program for calendar date look-up

References

  1. Simpson, S., Blizzard, L., Otahal, P., Van der Mei, I., Taylor, B. Latitude is significantly associated with the prevalence of multiple sclerosis: a meta-analysis. J Neurol Neurosurg Psychiatry. 82 (10), 1132-1141 (2011).
  2. Risco, J., et al. Latitudinal prevalence gradient of multiple sclerosis in Latin America. Mult Scler. 17 (9), 1055-1059 (2011).
  3. Hollingworth, S., Walker, K., Page, A., Eadie, M. Pharmacoepidemiology and the Australian regional prevalence of multiple sclerosis. Mult Scler. 19 (13), 1712-1716 (2013).
  4. Jin, Y., de Pedro-Cuesta, J., Soderstrom, M., Stawiarz, L., Link, H. Seasonal patterns in optic neuritis and multiple sclerosis: a meta-analysis. J Neurol Sci. 181 (1), 56-64 (2000).
  5. Bamford, C. R., Sibley, W. A., Thies, C. Seasonal variation of multiple sclerosis exacerbations in Arizona. Neurol. 33 (6), 697-701 (1983).
  6. Bisgard, C. Seasonal variation in disseminated sclerosis (Danish). Ugeskrift for Laeger. 152 (16), 1160-1161 (1990).
  7. Callaghan, T. S. Multiple sclerosis and sinusitis. Lancet. 328 (8499), 160-161 (1986).
  8. Gay, D., Dick, G., Upton, G. Multiple sclerosis associated with sinusitis: a case-controlled study in general practice. Lancet. 327 (8485), 815-819 (1986).
  9. Goodkin, D. E., Hertsgaard, D. Seasonal variation of multiple sclerosis exacerbations in North Dakota. Arch Neurol. 46 (9), 1015-1018 (1989).
  10. Hopkins, C. E., Swank, R. L. Multiple sclerosis and the local weather. Arch Neurol. 74 (2), 203-207 (1955).
  11. O’Reilly, M. A. R., O’Reilly, P. M. R. Temporal influences on relapses of multiple sclerosis. Eur Neurol. 31 (6), 391-395 (1991).
  12. Schapira, K. The seasonal incidence of onset and exacerbations in multiple sclerosis. J Neurol Neurosurg Psychiat. 22 (4), 285 (1959).
  13. Sibley, W. A., Foley, J. M. Seasonal variation in multiple sclerosis and retrobulbar neuritis in Northeastern Ohio. Trans Am Neurol Assoc. 90, 295-297 (1965).
  14. Sosa, E. M., Betancor, L. P., Rosas, C., Navarro, M. C. Multiple sclerosis in the province of Las Palmas (Spanish). Archivos de Neurobiologia. 46 (3), 161-166 (1982).
  15. Ogawa, G., Mochizuki, H., Kanzaki, M., Kaida, K., Motoyoshi, K., Kamakura, K. Seasonal variation of multiple sclerosis exacerbations in Japan. Neurol Sci. 24 (6), 417-419 (2004).
  16. Abella-Corral, J., Prieto, J. M., Dapena-Bolaño, D., Iglesias-Gòmez, S., Noya-Garcìa, M., Lema, M. Seasonal variations in the outbreaks in patients with multiple sclerosis. Rev Neurol. 40 (7), 394-396 (2004).
  17. Koziol, J. A., Feng, A. C. Sesonal variations in exacerbations and MRI parameters in relapsing-remitting multiple sclerosis. Neuroepidemiology. 23 (5), 217-223 (2004).
  18. Spelman, T., et al. Seasonal variation of relapse rate in multiple sclerosis is latitude dependent. Ann Neurol. 76 (6), 880-890 (2014).
  19. Gallier, J. H. . Curves and surfaces in geometric modeling: theory and algorithms. , (2000).
  20. Agoston, K. Computer Graphics and Geometric Modelling: Implementation & Algorithms. Springer Science & Business Media. , (2005).
  21. Cox, N. J. Speaking Stata: in praise of trigonometric predictors. Stata Journal. 6 (4), 561-579 (2006).
  22. Bhaskaran, K., Gasparrini, A., Hajat, S., Smeeth, L., Armstrong, B. Time series regression studies in environmental epidemiology. Int J Epidemiol. , (2013).
  23. Bracewell, R. N. . The Fourier Transform and Its Applications. , (2000).
  24. Korner, T. W. . Fourier Analysis. , (1998).
  25. Rigdon, S. E., et al. Detection of Outbreak Signals Using R. Online J Public Health Inform. 6 (1), (2014).
  26. Ziemssen, T., Reimann, M., Gasch, J., Rüdiger, H. Trigonometric regressive spectral analysis: an innovative tool for evaluating the autonomic nervous system. J Neural Transm. 120 (1), 27-33 (2013).
  27. Luque-Fernandez, M. A., et al. Absence of circadian rhythms of preterm premature rupture of membranes and preterm placental abruption. Ann Epidemiol. 24 (12), 882-887 (2014).
  28. Luteijn, J. M., et al. Seasonality of congenital anomalies in Europe. Birth Defects Res A Clin Mol Teratol. 100 (4), 260-269 (2014).
  29. Giardini, V., Russo, F. M., Ornaghi, S., Todyrenchuk, L., Vergani, P. Seasonal impact in the frequency of isolated spina bifida. Prenat Diagn. 33 (10), 1007-1009 (2013).
  30. Eghtesady, P., Brar, A., Hall, M. Seasonality of hypoplastic left heart syndrome in the United States: A 10-year time-series analysis. J Thorac Cardiovasc Surg. 141 (2), 432-438 (2011).
  31. Abiona, T. O., Adebowale, S. A., Fagbamigbe, A. F. Time Series Analysis of Admission in the Accident and Emergency Unit of University College Hospital, Ibadan, Southwestern Nigeria. Am. J. Comput. Appl. Math. 2 (1), 1-9 (2012).
  32. Cantwell, K., Dietze, P., Morgans, A. E., Smith, K. Ambulance demand: random events or predicable patterns?. Emerg Med J. 30 (11), 883-887 (2012).
  33. Butzkueven, H., et al. MSBase: an international, online registry and platform for collaborative outcomes research in multiple sclerosis. Mult Scler. 12 (6), 769-774 (2006).
  34. Poser, C. M., et al. New diagnostic criteria for multiple sclerosis: guidelines for research protocols. Ann Neurol. 13 (3), 227-231 (1983).
  35. McDonald, W. I., et al. Recommended diagnostic criteria for multiple sclerosis: guidelines from the International Panel on the diagnosis of multiple sclerosis. Ann Neurol. 50 (1), 121-127 (2001).
  36. Kalincik, T., et al. Risk of relapse phenotype recurrence in multiple sclerosis. Mult Scler. , (2014).
  37. D’Agostino, R. B., Belanger, A. J., D’Agostino, R. B. A suggestion for using powerful and informative tests of normality. Am Stat. 44 (4), 316-321 (1990).
  38. Gould, W. W., Rogers, W. H. Summary of tests for normality. Stata Technical Bulletin. 3, 20-23 (1991).
  39. Stolwijk, A. M., Straatman, H., Zielhuis, G. A. Studying seasonality by using sine and cosine functions in regression analysis. J Epidemiol Community Health. 53 (4), 235-238 (1999).
  40. Brookhart, M. A., Rothman, K. J. Simple estimators of the intensity of seasonal occurrence. BMC Med Res Methodol. 8 (1), 67 (2008).
  41. Fernández-Durán, J. J., Gregorio-Domìnguez, M. M. Testing for seasonality using circular distributions based on non-negative trigonometric sums as alternative hypotheses. Stat Methods Med Res. 23 (3), 279-292 (2011).
  42. Lemire, J. M., Archer, D. C., Beck, L., Spiegelberg, H. L. Immunosuppressive actions of 1,25-dihydroxyvitamin D3: preferential inhibition of Th1 functions. J Nutr. 125, 1704S-1708S (1995).
  43. Tsoukas, C. D., et al. Inhibition of interleukin-1 production by 1,25-dihydroxyvitamin D3. J Clin Endocrinol Metab. 69 (1), 127-133 (1989).
  44. Lemire, J. M. Immunomodulatory actions of 1,25-dihydroxyvitamin D3. J Steroid Biochem Mol Biol. 53 (1-6), 599-602 (1995).
  45. van Etten, E., Mathieu, C. Immunoregulation by 1,25-dihydroxyvitamin D3: basic concepts. J Steroid Biochem Mol Biol. 97 (1-2), 93-101 (2005).
  46. Tsoukas, C. D., Provvedini, D. M., Manolagas, S. C. 1,25-dihydroxyvitamin D3: a novel immunoregulatory hormone. Science. 224 (4656), 1438-1440 (1984).
  47. Smolders, J., Menheere, P., Kessels, A., Damoiseaux, J., Hupperts, R. Association of vitamin D metabolite levels with relapse rate and disability in multiple sclerosis. Mult Scler. 14 (9), 1220-1224 (2008).
  48. Provvedini, D. M., Manolagas, S. C. 1 Alpha,25-dihydroxyvitamin D3 receptor distribution and effects in subpopulations of normal human T lymphocytes. J Clin Endocrinol Metab. 68 (4), 774-779 (1989).
  49. Provvedini, D. M., Tsoukas, C. D., Deftos, L. J., Manolagas, S. C. 1 alpha,25-Dihydroxyvitamin D3-binding macromolecules in human B lymphocytes: effects on immunoglobulin production. J Immunol. 136 (8), 2734-2740 (1986).
check_url/53169?article_type=t

Play Video

Cite This Article
Spelman, T., Gray, O., Lucas, R., Butzkueven, H. A Method of Trigonometric Modelling of Seasonal Variation Demonstrated with Multiple Sclerosis Relapse Data. J. Vis. Exp. (106), e53169, doi:10.3791/53169 (2015).

View Video