Landmarking 2.0：弥合联合模型与 Landmarking 之间的鸿沟

由生物标志物给出的、随时间重复测量的时依协变量的动态预测问题在过去几十年中受到广泛关注。两种对比鲜明的方法已得到广泛使用。其一是联合建模，试图联合建模纵向标记与事件时间。其二是 landmarking，一种避免对标记过程建模的更务实方法。模拟研究表明，当数据由联合模型生成时，landmarking 的效率低于正确设定的联合模型。然而，当均值模型设定错误时，模拟显示联合模型可能劣于 landmarking。本文的目标是开发在保留 landmarking 相对简单性与稳健性的同时提高其预测精度的方法。我们首先拟合生物标志物的一个工作纵向模型，包含时间相关结构。基于该模型，我们推导出一个可预测的时依过程，表示 landmark 时间后生物标志物的期望值，并基于该可预测时依协变量拟合一个时依 Cox 模型。对于新患者的基于该方法的动态预测，可先给定 landmark 时间点前的测量值推导生物标志物的期望值，再基于时依 Cox 模型计算预测概率。我们以基于凝血酶原指数预测肝硬化患者总生存为例说明了该方法。