複数の縦断的マーカーとイベント発生までの時間データを対象とした2段階同時モデリングアプローチ

科学分野:

• 生物統計学
• 臨床データ分析
• 縦断データモデリング

背景:

• 縦断的マーカーとイベント発生までの時間データの同時モデリングは、臨床研究において重要です。
• マーカー数の増加は、標準的な同時モデルにおける計算上の課題と収束の問題を引き起こします。

研究 の 目的:

• 複数の縦断的マーカーとイベント発生までの時間転帰の同時モデリングのための新しい2段階ベイズアプローチを提案します。
• 複雑な臨床データセットにおける情報量の多い脱落による計算上の複雑さとバイアスの問題に対処します。

主な方法:

• 2段階ベイズアプローチ：ステージ1は、マーカー軌道を予測し、情報量の多い脱落バイアスを回避する、1マーカー同時モデルを推定します。
• ステージ2は、予測されたマーカー値/傾きを時間依存共変量として使用して、比例ハザードモデルを適合させます。
• 第1段階の予測における不確実性を処理するために、多重代入を使用して生存モデル推定を行います。

主要な成果:

• 提案手法は、多数の縦断的マーカーを正常に処理し、従来のマルチマーカー同時モデルの計算上の限界を克服します。
• シミュレーション研究とPBC2データセットへの適用により検証されました。
• 17の縦断的マーカーを持つデータセットを使用して、認知症リスクを予測する有効性を示しました。

結論:

• 新しい2段階ベイズ手法は、多数の縦断的マーカーを持つ同時モデリングのための計算上実行可能なソリューションを提供します。
• 複雑な臨床研究設定における堅牢な予測モデルの開発を促進します。
• このアプローチの実用的な応用をサポートするために、RパッケージTSJMが利用可能です。