基于模型平均方法的多特征动态事件预测
统计方法学
2024-12-13 v1
摘要
动态事件预测通过对生存时间和纵向变量进行联合建模在个性化医学中极为有用。然而，对包括多个纵向标记的联合模型进行估计仍是计算挑战，因为需要估计大量随机效应和参数。在本文中，我们提出了一种模型平均策略，将来自多个联合模型的预测组合，其中每个联合模型仅包含一个纵向标记或成对的纵向标记。预测以来自单标记或双标记模型的预测的加权平均计算，其时间依赖权重通过最小化时间依赖Brier分数来估计。该方法使我们能够组合来自联合模型的大量预测，以实现可靠且准确的个体预测。在模拟研究中，我们通过与来自已指定和未指定的全部标记联合模型以及单标记和双标记联合模型的预测进行比较，突出了所提方法的优势和局限性。使用PBC2数据集，该方法用于预测原性肝硬化患者死亡风险。该方法也用于分析称为3C数据集的法国队列研究。在我们的研究中，考虑了17个纵向标记来预测死亡风险。
引用
@article{arxiv.2412.08857,
title = {Dynamic prediction of an event using multiple longitudinal markers: a model averaging approach},
author = {Reza Hashemi and Taban Baghfalaki and Viviane Philipps and Helene Jacqmin-Gadda},
journal= {arXiv preprint arXiv:2412.08857},
year = {2024}
}