DOI: https://doi.org/10.1038/s41598-026-41587-z
PMID: https://pubmed.ncbi.nlm.nih.gov/41748696
تاريخ النشر: 2026-02-26
المؤلف: Miad Boodaghidizaji وآخرون
الموضوع الرئيسي: طرق إحصائية واستدلال بايزي
نظرة عامة
تتناول ورقة البحث تأثير البيانات المصلية المفقودة على تحليل مرض الأمعاء الالتهابي (IBD) وتقييم نماذج الإحلال المختلفة لمعالجة هذه المشكلة. تسلط الضوء على أن الفقدان يمكن أن يؤدي إلى توقعات متحيزة، مما يستلزم مقارنة شاملة لتقنيات الإحلال تحت سيناريوهات فقدان مختلفة: الفقدان العشوائي تمامًا (MCAR)، الفقدان العشوائي (MAR)، والفقدان غير العشوائي (MNAR). تستخدم الدراسة الإحلال المتعدد (MI) باستخدام المعادلات المتسلسلة (MICE)، والمُحسن التكراري (II)، والشبكات العصبية التلقائية (AE) عبر ثلاث مجموعات حقيقية من مرض الأمعاء الالتهابي و2,400 سيناريو محاكى مع 5-40% من البيانات المفقودة.
تشير النتائج إلى أنه لا توجد طريقة إحلال واحدة متفوقة عالميًا؛ بل إن الأداء يختلف بناءً على آلية الفقدان وأهداف التحليل. بالنسبة لمستويات الفقدان المنخفضة إلى المتوسطة تحت MCAR/MAR، تظهر متغيرات MICE والمُحسنون التكراريون دقة قوية واحتفاظ بإشارة استنتاجية. على العكس، تحت ظروف MNAR، تتفوق طرق الشبكات العصبية التلقائية والمُحسنون القائمون على الأشجار في الأداء التنبؤي، على الرغم من أن السلوك الاستنتاجي قد يكون غير متسق بسبب عدم تحديد النموذج بشكل صحيح. توصي الدراسة باختيار استراتيجيات الإحلال المتوافقة مع الأهداف المحددة—مفضلةً طرق MI للاستنتاج الصحيح وطرق التكرار أو AE للمهام التنبؤية—مع التأكيد على أهمية الشفافية في الإبلاغ عن النتائج عبر طرق الإحلال المختلفة وآليات الفقدان.
مقدمة
تناقش مقدمة ورقة البحث مرض الأمعاء الالتهابي (IBD)، الذي يشمل مرض كرون (CD) والتهاب القولون التقرحي (UC)، كمجموعة من الاضطرابات مجهولة السبب التي تتميز بالالتهاب المزمن في مناطق مختلفة من الجهاز الهضمي. على الرغم من عدم وضوح أسباب مرض الأمعاء الالتهابي، تم تحديد عدة علامات مصلية كعلامات هامة للتشخيص، ومراقبة نشاط المرض، وتوقع الاستجابات العلاجية. تشمل هذه العلامات الأجسام المضادة ضد Saccharomyces cerevisiae (ASCA)، وبروتين الغشاء الخارجي Escherichia coli C (Omp-C)، والفلجيلين (cBir1)، والأجسام المضادة السيتوبلازمية المضادة للعدلات (ANCA)، وتسلسل Pseudomonas fluorescens المرتبط I-2 (I2).
لقد قدم استخدام الاختبارات المصلية في أبحاث مرض الأمعاء الالتهابي رؤى حاسمة حول آليات الاستجابة المناعية المعنية في هذه الاضطرابات، مما يسهل نهجًا علاجيًا أكثر تخصيصًا. علاوة على ذلك، أظهرت الأجسام المضادة المصلية فعاليتها في التمييز بين الأفراد المصابين بمرض الأمعاء الالتهابي وأولئك الذين لا يعانون منه، فضلاً عن التمييز بين مرض كرون والتهاب القولون التقرحي. ومن الجدير بالذكر أن الأبحاث تشير إلى أن هذه العلامات المصلية قد تكون لها أيضًا قيمة تنبؤية لتطور مرض الأمعاء الالتهابي قبل سنوات من التشخيص السريري.
طرق
في هذا القسم، يناقش المؤلفون طريقتين رئيسيتين لمعالجة البيانات المفقودة: تحليل الحالة الكاملة (حذف القائمة) والإحلال. يتضمن تحليل الحالة الكاملة استبعاد أي ملاحظات تحتوي على قيم مفقودة، مما يمكن أن يؤدي إلى عدم الكفاءة بسبب تقليل حجم العينة والانحياز المحتمل إذا كانت البيانات المستبعدة تختلف بشكل منهجي عن البيانات المضمنة. تعتبر هذه الطريقة مناسبة فقط عندما تكون كمية البيانات المفقودة ضئيلة.
لتخفيف عيوب تحليل الحالة الكاملة، يدعو المؤلفون إلى الإحلال، وهي تقنية تستبدل القيم المفقودة بتقديرات معقولة. يؤكدون على أن فعالية طرق الإحلال المختلفة تتأثر بشكل كبير بالطبيعة الأساسية للبيانات المفقودة. لذلك، من الضروري أولاً تقييم خصائص البيانات المفقودة قبل اختيار استراتيجية الإحلال المناسبة.
نتائج
في هذا القسم، يقدم المؤلفون النتائج من كل من التحليلات المباشرة وغير المباشرة لعملية الإحلال. يركز التحليل المباشر على دقة وكفاءة طرق الإحلال المستخدمة، مع تسليط الضوء على مقاييس رئيسية مثل متوسط الخطأ التربيعي (MSE) ووقت الحساب. تشير النتائج إلى أن تقنيات الإحلال المختارة تقلل بشكل كبير من MSE مقارنة بالطرق الأساسية، مما يوضح فعاليتها في التعامل مع البيانات المفقودة.
يستكشف التحليل غير المباشر المزيد من الآثار المترتبة على الإحلال في المهام اللاحقة، مثل النمذجة التنبؤية. يذكر المؤلفون أن النماذج المدربة على مجموعات بيانات تم إحلالها تتفوق على تلك المدربة على مجموعات بيانات تحتوي على قيم مفقودة، مما يشير إلى أن الإحلال الصحيح يعزز أداء النموذج. بشكل عام، تؤكد النتائج على أهمية استراتيجيات الإحلال القوية في تحليل البيانات وتأثيرها الإيجابي على النتائج التحليلية اللاحقة.
مناقشة
في هذا القسم، يناقش المؤلفون التحديات التي تطرحها البيانات المفقودة في الدراسات المصلية المتعلقة بمرض الأمعاء الالتهابي (IBD) والآثار المترتبة على تحليل البيانات. يبرزون أن الطرق التقليدية للتعامل مع البيانات المفقودة، مثل حذف القائمة، يمكن أن تقدم انحيازات تشوه تفسير آليات المرض وفعالية العلاج. لمعالجة هذه القضايا، تستكشف الورقة تقنيات الإحلال باستخدام التعلم الآلي (ML) المختلفة، بما في ذلك الغابات العشوائية (RF)، والشبكات العصبية (NN)، ونماذج التعلم العميق (DL)، التي تقدم قدرات متقدمة للتعرف على الأنماط في مجموعات البيانات غير المكتملة. يؤكد المؤلفون على الحاجة إلى تقييم منهجي لهذه الطرق عبر أنواع مختلفة من الفقدان—الفقدان العشوائي تمامًا (MCAR)، الفقدان العشوائي (MAR)، والفقدان غير العشوائي (MNAR)—لتحديد فعاليتها في الحفاظ على نزاهة التحليلات المصلية.
تستخدم الدراسة ثلاث مجموعات متميزة من مرض الأمعاء الالتهابي لمحاكاة الفقدان وتقييم أداء تقنيات الإحلال المختلفة. يستخدم المؤلفون الإحلال المتعدد بواسطة المعادلات المتسلسلة (MICE)، والمُحسن التكراري (II)، والشبكات العصبية التلقائية (AEs) لإنشاء مجموعات بيانات مكتملة متعددة للمقارنة. يقيمون المُحسنون بناءً على مقاييس الدقة المباشرة، مثل الانحراف المعياري الجذري الطبيعي (NRMSD)، والمقاييس غير المباشرة التي تعكس الأداء الاستنتاجي والتنبؤي. تشير النتائج إلى أنه بينما تتفوق المُحسنات التكرارية في مستويات الفقدان المنخفضة إلى المتوسطة، تظهر الشبكات العصبية التلقائية قوة أكبر تحت ظروف الفقدان العالية. تؤكد النتائج على أهمية اختيار طرق الإحلال المناسبة التي تتناسب مع الخصائص المحددة للبيانات وطبيعة الفقدان، مما يوفر في النهاية إرشادات عملية للباحثين في هذا المجال.
DOI: https://doi.org/10.1038/s41598-026-41587-z
PMID: https://pubmed.ncbi.nlm.nih.gov/41748696
Publication Date: 2026-02-26
Author(s): Miad Boodaghidizaji et al.
Primary Topic: Statistical Methods and Bayesian Inference
Overview
The research paper examines the impact of missing serologic data on the analysis of Inflammatory Bowel Disease (IBD) and evaluates various imputation models to address this issue. It highlights that missingness can lead to biased predictions, necessitating a thorough comparison of imputation techniques under different missingness scenarios: Missing Completely at Random (MCAR), Missing at Random (MAR), and Missing Not at Random (MNAR). The study employs Multiple Imputation (MI) using Chained Equations (MICE), Iterative Imputer (II), and Autoencoders (AE) across three real IBD cohorts and 2,400 simulated scenarios with 5-40% missing data.
The findings indicate that no single imputation method is universally superior; rather, performance varies based on the missingness mechanism and analysis objectives. For low to moderate missingness under MCAR/MAR, MICE variants and iterative imputers demonstrate strong accuracy and inferential signal retention. Conversely, under MNAR conditions, autoencoder approaches and tree-based imputers excel in predictive performance, although inferential behavior may be inconsistent due to model misspecification. The study recommends selecting imputation strategies aligned with specific goals—favoring MI methods for valid inference and iterative or AE approaches for predictive tasks—while emphasizing the importance of transparency in reporting results across different imputation methods and missingness mechanisms.
Introduction
The introduction of the research paper discusses Inflammatory Bowel Disease (IBD), which encompasses Crohn’s Disease (CD) and Ulcerative Colitis (UC), as a group of idiopathic disorders marked by chronic inflammation in various regions of the digestive tract. Despite the unclear etiology of IBD, several serological markers have been identified as significant for diagnosis, monitoring disease activity, and predicting therapeutic responses. These markers include antibodies against Saccharomyces cerevisiae (ASCA), Escherichia coli outer membrane porin C (Omp-C), flagellin (cBir1), anti-neutrophil cytoplasmic antibodies (ANCA), and Pseudomonas fluorescens-associated sequence I-2 (I2).
The use of serological tests in IBD research has provided critical insights into the immune response mechanisms involved in these disorders, facilitating a more personalized therapeutic approach. Furthermore, serological antibodies have demonstrated efficacy in distinguishing between individuals with IBD and those without, as well as differentiating between CD and UC. Notably, research indicates that these serological markers may also have predictive value for IBD development years prior to clinical diagnosis.
Methods
In this section, the authors discuss two primary methods for addressing missing data: complete case analysis (listwise deletion) and imputation. Complete case analysis involves excluding any observations with missing values, which can lead to inefficiencies due to reduced sample size and potential bias if the excluded data systematically differs from the included data. This method is deemed appropriate only when the amount of missing data is minimal.
To mitigate the drawbacks of complete case analysis, the authors advocate for imputation, a technique that replaces missing values with plausible estimates. They emphasize that the effectiveness of various imputation methods is significantly influenced by the underlying nature of the missing data. Therefore, it is essential to first assess the characteristics of the missing data before selecting an appropriate imputation strategy.
Results
In this section, the authors present the findings from both direct and indirect analyses of the imputation process. The direct analysis focuses on the accuracy and efficiency of the imputation methods employed, highlighting key metrics such as mean squared error (MSE) and computational time. The results indicate that the chosen imputation techniques significantly reduce MSE compared to baseline methods, demonstrating their effectiveness in handling missing data.
The indirect analysis further explores the implications of imputation on downstream tasks, such as predictive modeling. The authors report that models trained on imputed datasets outperform those trained on datasets with missing values, suggesting that proper imputation enhances model performance. Overall, the results underscore the importance of robust imputation strategies in data analysis and their positive impact on subsequent analytical outcomes.
Discussion
In this section, the authors discuss the challenges posed by missing data in serological studies related to Inflammatory Bowel Disease (IBD) and the implications for data analysis. They highlight that traditional methods for handling missing data, such as listwise deletion, can introduce biases that distort the interpretation of disease mechanisms and treatment efficacy. To address these issues, the paper explores various machine learning (ML) imputation techniques, including Random Forest (RF), Neural Networks (NN), and Deep Learning (DL) models, which offer advanced capabilities for pattern recognition in incomplete datasets. The authors emphasize the need for a systematic evaluation of these methods across different types of missingness—Missing Completely at Random (MCAR), Missing at Random (MAR), and Missing Not at Random (MNAR)—to determine their effectiveness in preserving the integrity of serological analyses.
The study employs three distinct IBD cohorts to simulate missingness and assess the performance of various imputation techniques. The authors utilize Multiple Imputation by Chained Equations (MICE), Iterative Imputer (II), and Autoencoders (AEs) to create multiple completed datasets for comparison. They evaluate the imputers based on direct accuracy metrics, such as normalized root mean square deviation (NRMSD), and indirect metrics reflecting inferential and predictive performance. Results indicate that while iterative imputers excel at low to moderate missingness levels, AEs demonstrate superior robustness under high missingness conditions. The findings underscore the importance of selecting appropriate imputation methods tailored to the specific characteristics of the data and the nature of missingness, ultimately providing practical guidance for researchers in the field.