对维纳过程退化模型的评估与对肌缩侧面硬化症衰退的应用
Matthew R Scott1, Oleksandr Sverdlov2, Kendra Davis-Plourde3
1Department of Biostatistics, Boston University School of Public Health, Boston, Massachusetts, USA.
Statistics in medicine
|November 20, 2025
概括
使用维纳过程的降解模型准确地估计了随着时间的推移系统的恶化. 这些模型捕捉了个体患者的变异性,为疾病进展提供了可靠的洞察力,就像在肌缩侧面硬化症 (ALS) 中一样.
科学领域:
- 生物统计学 生物统计学
- 随机过程 随机过程
- 纵向数据分析 纵向数据分析
背景情况:
- 退化模型分析系统恶化,通过捕捉主体内部的变化来提供标准纵向方法的替代方案.
- 标准方法可能无法完全解释个体患者随时随机波动.
- 随机过程为建模这种动态变化提供了一个框架.
研究的目的:
- 调查基于维纳过程的线性漂移的降解模型,用于分析纵向数据.
- 为了纳入扩散术语对主体内部的变化和随机效应对主体之间的变化.
- 呈现和验证初差估计器,以提高模型稳定性和准确性.
主要方法:
- 利用了具有线性漂移,扩散和随机效应术语的维纳过程降解模型.
- 采用初差估计器来稳定共变矩阵反转,并消除时间不变的混因素.
- 进行蒙特卡洛模拟,以评估模型的性能,包括相对错误和覆盖概率.
- 应用了配置概率方法来减少维度,并注意到集群后续时间的潜在问题.
主要成果:
- 蒙特卡洛模拟证实,拟议的模型产生一致和稳定的估计,具有可接受的相对错误和覆盖概率.
- 配置概率方法显示出可靠的性能,尽管对于高度集群的后续数据建议谨慎使用.
- 应用到肌缩性侧面硬化症 (ALS) 数据显示,已故个体的退化坡度更为,与预期的疾病进展模式保持一致.
结论:
- 随机维纳过程降解模型为纵向恶化提供了准确和高效的估计.
- 开发的第一个差异估计器是强大的,适合临床应用.
- 这些模型为了解疾病进展和随时间推移的系统可靠性提供了有价值的工具.
