模拟脂质面板生物标记物的多变量分布,用于参考间隔估计和并发症分析

科学领域:

• 生物统计学 生物统计学
• 人口健康 人口健康
• 临床实验室科学 临床实验室科学

背景情况:

• 实验室检测对于医学诊断至关重要,它依赖于健康人群的参考间隔 (RIs).
• 传统的RI导出是昂贵的,耗时的,并且经常忽略人口统计学影响,如年龄,性别和种族.
• 本研究提出了一种数据驱动的方法,可以从现有的实验室数据中推导RI.

研究的目的:

• 从常规实验室结果中建立一个数据驱动的方法来推导特定人群,性别和年龄分层的参考间隔 (RIs).
• 证明高斯混合模型 (GMM) 和网络分析在分离健康和病态亚种群以及计入并发性疾病方面的实用性.
• 通过检查选择性死亡模式来解释脂质生物标志物的反直觉年龄趋势.

主要方法:

• 利用来自波多黎各人口的大规模现实实验室数据.
• 采用高斯混合模型 (GMM) 来估计脂质生物标志物的多维联合分布.
• 应用统计分析,包括选择性死亡率检查和并发症网络建设,以完善没有诊断代码的RI导出.

主要成果:

• 为脂质面板生物标志物 (总胆固醇,LDL,HDL,甘油三) 生成性别和年龄分层的RI.
• 通过选择性生存来解释中年后明显的生物标志物改善.
• 通过网络分析量化了共患病对 RI 范围的影响,并捕获了相互依赖关系.
• 通过将个别结果映射到完整生物标志物分布内的百分位,实现了持续的风险评估.

结论:

• 人口特异性,性别和年龄细分的RI可以从现实实验室数据中得出,从而消除了对专用健康队伍的需求.
• 结合选择性死亡率和并发症网络分析,可以更深入地了解人口健康动态.
• 这种数据驱动的方法提高了实验室测试解释的准确性和适用性,以进行个性化风险评估.