基于变分推断的贝叶斯概要回归：用于识别人口规模数据中以死亡为条件的多长期病综合聚类
应用统计
2026-03-02 v1
摘要
全球临床实践中观察到的多长期病（MLTC）数量正在持续增长。聚类方法以兴趣为条件，将疾病分为常见共现聚类，以进一步理解 MLTC 如何彼此共现以及其与患者结果的相关性。然而，这类方法需要大型数据，常为人口规模数据集。贝叶斯概要回归（BPR）是一种统计模型，将 Dirichlet 过程混合模型与分层回归模型结合，以在条件变量和感兴趣结果的条件下形成项目聚类。我们采用全秩随机变分推断（SVI）开发了 BPR 模型，以用于大规模数据应用。我们通过模拟研究比较了使用 No-U-turn（NUTS）抽样器和全秩 SVI 拟合效果。随后，我们将 BPR 模型拟合于 Secure Anonymised Information Linkage（SAIL） databank 中的人口规模数据。我们在模拟研究中发现，全秩 SVI 的结果与 NUTS 的结果相当，改进的拟合性能使得能够在人口规模数据集中拟合模型。我们的电子健康记录（EHR）队列中包含 1,296,463 名个体。该聚类模型以队列入组时年龄、社会经济剥夺程度和性别为条件，以死亡为结果。我们采用 Elixhauser 共病指数疾病定义，发现存在 33 种疾病聚类。我们发现，包括转移性癌症和心血管疾病（如心力衰竱）的聚类与死亡概率最强相关。我们的发现表明，SVI 可作为拟合贝叶斯模型的有用且准确的方法，尤其是在数据集规模会导致蒙特卡罗方法耗时或不可行时。
引用
@article{arxiv.2602.24038,
title = {Bayesian Profile Regression using Variational Inference to Identify Clusters of Multiple Long-Term Conditions Conditioning on Mortality in Population-Scale Data},
author = {James Rafferty and Keith R Abrams and Munir Pirmohamed and Mark Davies and Rhiannon K Owen},
journal= {arXiv preprint arXiv:2602.24038},
year = {2026}
}