基于数据的慢性疾病患者轨迹子群划分：来自腰痛的证据

临床数据为个性化医疗提供了信息，有可能实现更有效的疾病管理。在实践中，这是通过子群划分实现的，即识别具有相似患者特征的聚类，然后为其制定定制治疗方案，目标是针对子群特定的疾病动态。本文提出了一种新颖的混合隐马尔可夫模型，用于对慢性疾病患者轨迹进行子群划分。我们的模型是概率性的，并精心设计，通过定制的潜在状态捕获慢性疾病的不同轨迹阶段（即“严重”、“中度”和“轻度”）。我们基于一项包含847名非特异性腰痛患者的纵向研究展示了我们的子群划分框架。在这里，我们的子群划分框架识别出8个子群。此外，我们表明，在聚类有效性指标方面，我们的子群划分框架优于常见基线。最后，我们讨论了该模型对其他慢性和长期疾病的适用性。