共病纵向动态建模
应用统计
2021-03-16 v1
摘要
在医学中，共病指多种同时发生的疾病之存在。由于其同时发生之性质，一种共病的进程常高度依赖于另一种疾病之进程，因而治疗可产生显著的溢出效应。尽管患者中共病普遍，仍缺乏建模共病纵向动态的综合统计框架。在本文中，我们提出一个概率模型用于分析患者中共病随时间的动态。具体地，我们发展了带有个性化、非齐次转移机制的耦合隐马尔可夫模型，命名为Comorbidity-HMM。我们Comorbidity-HMM的设定受临床研究启发：(1) 其通过引入具临床意义的隐状态，考量疾病进展中的不同疾病状态（即急性、稳定）；(2) 其建模共病轨迹间耦合以捕捉共同演化动态；(3) 其考量转移机制中患者间异质性（如危险因素、治疗）。基于我们的模型，我们定义溢出效应以度量治疗通过耦合（即经由共病共同演化）对患者轨迹的间接效应。我们基于675条健康轨迹评估所提Comorbidity-HMM，考察糖尿病与慢性肝病的联合进展。相比无耦合的替代模型，我们发现Comorbidity-HMM拟合更优。进一步，我们量化溢出效应，即糖尿病治疗与慢性病肝病由急性向稳定状态转变的关联程度。就此，我们的模型对共病背景下的治疗规划与临床研究均具直接意义。
引用
@article{arxiv.2103.08055,
title = {Modeling Longitudinal Dynamics of Comorbidities},
author = {Basil Maag and Stefan Feuerriegel and Mathias Kraus and Maytal Saar-Tsechansky and Thomas Züger},
journal= {arXiv preprint arXiv:2103.08055},
year = {2021}
}