利用含多个纵向生物标志物的界标亚分布风险模型对竞争风险事件进行动态预测
定量方法
2019-06-14 v1 统计方法学
摘要
原因别累积发生率函数(CIF)量化了具有竞争风险结局的受试者特异性疾病风险。利用纵向收集的生物标志物数据，人们希望通过纳入最新生物标志物以及累积的纵向历史来动态更新预测的CIF。受慢性肾脏病纵向队列研究的启发，我们提出了一种利用多变量纵向生物标志物动态预测终末期肾病的框架，并考虑了死亡的竞争风险。该框架将界标生存建模推广到竞争风险数据，意味着在每个界标时间点定义一个不同的亚分布风险回归模型。模型参数、预测时域、纵向历史和风险人群都允许随界标时间变化。当生物标志物的测量时间不规则时，预测变量可能在预测时刻未被观测到。采用局部多项式估计模型参数，而无需显式填补预测变量或建模其纵向轨迹。所提模型可对回归系数进行简单解释，并可闭式计算预测的CIF。估计与预测可通过标准统计软件实现，计算易处理。我们进行了模拟以评估估计过程的性能和预测准确性。该方法用非洲裔美国人肾脏病与高血压研究的数据进行了说明。
引用
@article{arxiv.1906.05647,
title = {Dynamic Prediction of Competing Risk Events using Landmark Sub-distribution Hazard Model with Multiple Longitudinal Biomarker},
author = {Cai Wu and Liang Li and Ruosha Li},
journal= {arXiv preprint arXiv:1906.05647},
year = {2019}
}