脊椎病情节预测的贝叶斯方法联合建模长纵向和生存数据
统计方法学
2025-12-30 v1
摘要
脊椎病情节预测中联合建模长纵向和生存数据已变得日益重要，尤其是在双向生物标志物测量值和时间事件结果均可用的慢性疾病中。传统的两阶段方法分别分析纵向和生存组成分，常导致估计偏差和次优预测，因为未能考虑它们的相互关联。在本研究中，我们提出一种以贝叶斯分层联合建模框架，强调预测评估和临床可解释性。该模型通过共享随机效应同时刻画生物标志物的纵向轨迹和相关生存结果，捕捉疾病动力学与事件风险之间的内在关联。贝叶斯表述允许灵活地纳入先验信息，容纳不规则的测量时间和缺失数据，并通过可信区间提供完整的后验分布以实现不确定性量化。我们使用旨在模拟真实患者轨迹的模拟数据以及来自慢性肝病患者的真实世界临床数据集评估所提框架。结果表明，贝叶斯联合模型在参数估计精度和预测性能方面 consistently 优于传统的两阶段方法，具体指标包括时序ROC曲线下面积和Brier分数。该方法为动态、患者专用的预后评估提供了稳健且可解释的工具，支持 personalized medicine 中的临床决策。
引用
@article{arxiv.2512.23627,
title = {Joint Modeling of Longitudinal and Survival Data: A Bayesian Approach for Predicting Disease Progression},
author = {Nithisha Suryadevara and Vivek Reddy Srigiri},
journal= {arXiv preprint arXiv:2512.23627},
year = {2025}
}
备注
Preprint. Simulation study and application to a real-world clinical dataset