基于反射布朗运动的复发事件建模及其在低血糖症中的应用
统计方法学
2024-03-15 v1
摘要
2 型糖尿病患者需要密切监测血糖水平，作为其常规的糖尿病自我管理。尽管许多治疗药物旨在严格控制血糖，但低血糖症常常作为一种不良事件出现。在实践中，由于对神经源性症状的感知，患者比高血糖事件更容易观察到低血糖事件。我们提出将每个患者观察到的低血糖事件建模为具有上反射壁的反射布朗运动的下边界穿越事件。下边界由临床标准设定。为了捕获患者异质性和患者内部依赖性，将协变量和患者水平的脆弱性纳入波动率和上反射壁中。该框架为潜在的血糖水平变异性、患者异质性以及风险因素对血糖的影响提供了量化。我们基于使用马尔可夫链蒙特卡洛的贝叶斯框架进行推断。两个模型比较标准，即偏差信息准则和伪边际似然对数，被用于模型选择。该方法在模拟研究中得到了验证。在分析来自 DURABLE 试验中糖尿病患者数据集时，我们的模型提供了充分的拟合，生成了与观察数据相似的数据，并提供了其他模型可能遗漏的见解。
引用
@article{arxiv.2403.09042,
title = {Recurrent Events Modeling Based on a Reflected Brownian Motion with Application to Hypoglycemia},
author = {Yingfa Xie and Haoda Fu and Yuan Huang and Vladimir Pozdnyakov and Jun Yan},
journal= {arXiv preprint arXiv:2403.09042},
year = {2024}
}