贝叶斯非参数因果推断：用于阿尔茨海默病残余生存时间的分位数
应用统计
2026-05-01 v1 统计方法学
摘要
在阿尔茨海默病研究中，对于在给定随访时间内保持无痴呆状态的个体，重要临床问题是它们还能维持无痴呆多久。这些剩余时间的分位数提供了临床可解释的预后里程碑，有助于表征不同基线组之间的预后异质性。我们采用阿尔茨海默病神经影像计划（ADNI）中的数据，聚焦于基线淀粉样蛋白状态作为暴露因素。估计困难在于淀粉样蛋白状态是可观测而非随机化的，需要调整混杂因素；此外，痴呆发作时间具有异质性且大量右删失。我们使用贝叶斯非参数丰富Dirichlet过程混合模型，用于事件时间、暴露因素和基线协变量的联合分布，通过贝叶斯g计算进行推断。该方法通过数据增强容纳基线协变量的可忽略缺失，支持在临床相关地标时间上的推断，并允许对残余未测混杂的敏感性分析。模拟研究表明在复杂异质性和重删失下表现良好。在ADNI中， elevated 基线淀粉样蛋白与在相关地标时间内保持无痴呆的分位数剩余时间显著缩短，尤其是在基线诊断亚组中。
引用
@article{arxiv.2604.27198,
title = {Bayesian Nonparametric Causal Inference for Quantile Residual Life: An Application to Alzheimer's Disease},
author = {Woojung Bae and Taekwon Hong and Sang Kyu Lee and Dongrak Choi and Jong-Hyeon Jeong},
journal= {arXiv preprint arXiv:2604.27198},
year = {2026}
}