事件时间数据与高维纵向生物标志物的联合模型

纵向生物标志物和事件时间数据的联合模型在纵向研究中被广泛使用。已经提出了许多联合建模方法来处理不同类型的纵向生物标志物和生存结果。然而，大多数现有的联合建模方法无法同时处理大量纵向生物标志物，例如纵向收集的基因表达谱。在本文中，我们提出了一种贝叶斯框架下的新联合建模方法，能够处理高维纵向生物标志物。具体而言，我们假设只有少数未观测到的潜变量与生存结果相关，并使用因子分析模型推断潜变量，这大大降低了生物标志物的维度，同时也考虑了生物标志物之间的高相关性。通过广泛的模拟研究，我们表明我们提出的方法比其他联合建模方法具有更高的预测精度。我们在特发性肺纤维化患者数据集上说明了我们方法的实用性，其中我们感兴趣的是使用患者的基因表达谱预测患者的死亡时间。