用于事件时间与纵向数据联合动态预测的向后联合模型：基本公式与新进展
统计方法学
2025-07-30 v3 应用统计
摘要
基于纵向测量预测因子对未来临床结局的动态预测在疾病管理与患者咨询中起着关键作用，尤其在常规静态模型不足时。纵向与事件时间数据的联合建模为应对该挑战提供了有用框架。本文中，我们全面拓展了最近提出的向后联合模型（BJM；Shen and Li 2021），其将似然分解为事件时间数据的分布与给定事件时间的纵向数据条件分布。该结构便于计算且非常适合多元纵向数据。我们引入对BJM的若干新发展，包括外推与两部分设定，以及竞争风险的纳入。我们还解决了文献中重要但未被充分探索的问题：在给定预测事件时间条件下预测未来纵向轨迹。此外，我们探究了BJM与现有联合建模方法的联系。所有这些扩展都保留了基本BJM公式的计算优势，包括一维数值积分、通过EM算法的凸优化，以及使用标准软件进行一致估计的快速流程。我们通过模拟研究评估该方法性能，并在慢性肾病应用中展示其效用。
引用
@article{arxiv.2311.00878,
title = {Backward Joint Model for the Joint Dynamic Prediction of Time-to-Event and Longitudinal Data: Basic Formulation and New Developments},
author = {Wenhao Li and Shikun Wang and Zhe Yin and Brad C. Astor and Wei Yang and Tom H. Greene and Liang Li},
journal= {arXiv preprint arXiv:2311.00878},
year = {2025}
}