多类型复发事件与终末事件间隔时间分布的贝叶斯半参数联合建模

在生物医学环境中，多类型复发事件（如中风和心力衰竭）频繁发生，并常以终末事件（如死亡）告终。理解这些复发事件与终末事件之间的联系，对于制定延缓不良结局的干预措施至关重要。需要联合建模来量化事件类型之间以及复发事件与死亡之间的依赖性。我们为多类型复发事件和终末事件在间隔时间尺度上提出了一种贝叶斯半参数联合模型。该模型包含一个共享脆弱项，将所有复发类型与终末事件联系起来。每个基线风险被赋予一个伽马过程先验，而回归和脆弱项参数则采用标准参数先验。这确保了灵活的基线风险和熟悉的效应度量。该构造为累积风险和脆弱项分量提供了闭式表达式，并将 Breslow-Aalen 型估计量作为我们估计量的一个特例联系起来，从而将贝叶斯过程与经典方法关联起来。在计算上，我们开发了一个简单的 MCMC 采样器，它避免了大型矩阵分解，并且计算规模与样本量几乎呈线性关系。一项全面的模拟评估了四个标准：准确性、预测能力、鲁棒性和计算效率。我们的模型设定没有精确的频率学派版本；为了进行比较，我们在频率学派框架下使用 EM 算法拟合了相同的模型。我们的模型和 MCMC 算法在每个标准上都表现出优越的性能。我们利用降压和降脂治疗预防心脏病发作试验（ALLHAT）的数据说明了该方法，联合分析了急性和慢性心血管复发事件及死亡。