📊 statistics

A Bayesian Prevalence Incidence Cure model for estimating survival using Electronic Health Records with incomplete baseline diagnoses

Dieses Paper schlägt ein Bayesianisches Prevalence-Incidence-Cure (PIC)-Modell vor, ein aus drei Komponenten bestehendes Mischmodell, das darauf ausgelegt ist, Überlebens-, Prävalenz- und Heilungsraten aus elektronischen Gesundheitsakten mit fehlenden Basisdiagnosen genau zu schätzen, wobei es durch Simulationen und eine reale Anwendung auf diabetische Makulaödeme seine Überlegenheit gegenüber traditionellen Prävalenz-Inzidenz-Modellen demonstriert.

Ursprüngliche Autoren: Matilda Pitt, Robert J. B. Goudie

Veröffentlicht 2026-02-03

📖 4 Min. Lesezeit☕ Kaffeepausen-Lektüre

CC BY 4.0

Ursprüngliche Autoren: Matilda Pitt, Robert J. B. Goudie

Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen

Stellen Sie sich vor, Sie sind ein Detektiv, der versucht, ein Rätsel über eine Gruppe von Patienten zu lösen. Sie besitzen ein riesiges Notizbuch mit Krankenakten (elektronische Patientenakten, oder EHR), aber das Notizbuch ist unordentlich. Einige Seiten sind herausgerissen, einige Einträge fehlen, und Sie wissen oft nicht genau, wann der Zustand eines Patienten begann oder ob er jemals besser werden wird.

Das Papier von Pitt und Goudie stellt ein neues „Detektiv-Werkzeug“ namens PIC-Modell (Prevalence-Incidence-Cure / Prävalenz-Inzidenz-Heilung) vor, um diese unordentlichen Daten sinnvoll zu interpretieren. So funktioniert es, aufgeschlüsselt in einfache Konzepte.

Die drei Arten von Patienten

In vielen medizinischen Studien gehen Forscher normalerweise davon aus, dass alle „gesund“ starten und dann abwarten, wer krank wird. Aber in der realen Welt ist es komplizierter. Die Autoren sagen, dass man Patienten in drei verschiedene Eimer sortieren muss:

Die „Bereits Kranken“ (Prävalent): Diese Patienten hatten das Problem bereits, als sie das erste Mal in die Klinik kamen. Vielleicht wurde an diesem Tag kein Test durchgeführt, sodass der Arzt nicht wusste, dass sie krank waren, bis zum nächsten Besuch.
Die „Neu Erkrankten“ (Inzident): Diese Patienten waren zu Beginn gesund, entwickelten das Problem aber später.
Die „Unerreichbaren“ (Geheilt): Das sind die schwierigen Fälle. Egal wie lange man sie beobachtet, sie werden das Problem niemals bekommen (oder niemals darauf ansprechen). Sie sind im Grunde „immun“ oder „Nicht-Ansprecher“.

Das Problem mit alten Werkzeugen

Vor diesem Paper verwendeten Forscher ein Werkzeug namens PI-Modell (Prävalenz-Inzidenz).

Der Fehler: Das alte Werkzeug ging davon aus, dass jeder irgendwann krank werden würde, wenn man nur lange genug wartet. Es hatte keinen Eimer für die „Unerreichbaren“ (Geheilt).
Das Ergebnis: Wenn man das alte Werkzeug auf eine Gruppe anwendete, in der einige Menschen niemals krank werden würden, geriet das Werkzeug durcheinander. Es versuchte, diese „immunen“ Menschen in die Kategorie der „Neu Erkrankten“ zu pressen, was den Anschein erweckte, sie würden erst viel später krank werden. Dies führt zu falschen Vorhersagen über das Überleben und den Behandlungserfolg.

Die neue Lösung: Das PIC-Modell

Die Autoren haben ein 3-teiliges Mischmodell (das PIC-Modell) entwickelt, das wie eine intelligentere Sortiermaschine funktioniert.

Es bewältigt die fehlenden Seiten: Es nutzt Mathematik, um zu erraten, ob ein Patient mit einem fehlenden Ersttest „bereits krank“ oder „neu erkrankt“ war, anstatt nur blind zu raten.
Es bewältigt die „Unerreichbaren“: Es berechnet explizit den Prozentsatz der Menschen, die das Ereignis niemals erleben werden (den „Heilungs“-Anteil).
Es nutzt „Experten-Intuition“ (Bayesianische Priors): Das Modell ermöglicht es Forschern, ihr bereits vorhandenes Wissen aus früheren Studien einzuspeisen (wie z. B. „Wir erwarten, dass die mediane Zeit bis zur Besserung 10 Monate beträgt“). Dies wirkt wie ein Kompass, der die Mathematik leitet, besonders wenn es an Daten mangelt.

Die Detektivgeschichte: Diabetische Makulaödem (DMO)

Um dieses neue Werkzeug zu testen, untersuchten die Autoren einen realen Datensatz von 1.964 Patienten mit einer spezifischen Augenerkrankung namens diabetischem Makulaödem (DMO). Das Ziel war es zu sehen, wie lange es Patienten dauerte, bis sie ihr Sehvermögen wieder auf ein „gutes“ Niveau zurückerlangten.

Die unordentlichen Daten: Einige Patienten hatten zu Beginn keinen Sehtest. Einige hatten sofort ein gutes Sehvermögen (sie waren „bereits krank“ mit gutem Sehvermögen). Einige wurden niemals besser, egal was passierte (die „Unerreichbaren“).
Der Vergleich:
- Das alte Werkzeug (PI-Modell) sagte: „Jeder wird schließlich ein gutes Sehvermögen erlangen, aber es könnte lange dauern.“ Es sagte voraus, dass nach 4 Jahren nur 8 % der Menschen noch ein schlechtes Sehvermögen haben würden.
- Das neue Werkzeug (PIC-Modell) sagte: „Warten Sie, etwa 18 % dieser Menschen sind ‚Unerreichbar‘ – sie werden mit dieser Behandlung niemals ein gutes Sehvermögen erlangen.“ Es sagte voraus, dass nach 4 Jahren 18 % noch ein schlechtes Sehvermögen haben würden.

Warum das wichtig ist

Das Paper zeigt, dass das neue PIC-Modell genauer ist.

Es verhindert „falsche Hoffnung“: Das alte Modell ließ es so aussehen, als würde die Behandlung für alle besser funktionieren, weil es die Menschen ignorierte, die niemals darauf ansprechen würden.
Es behebt die Verwirrung durch „fehlende Daten“: Es identifiziert korrekt, wer zu Beginn bereits gut dasa stand, anstatt diese Personen als Leute zu zählen, die „später besser wurden“.

Das Fazit

Man kann sich das alte Modell wie eine Wettervorhersage vorstellen, die davon ausgeht, dass es irgendwann für jeden regnen wird, selbst wenn manche Menschen in einer Wüste leben. Die neue PIC-Modell ist eine intelligentere Vorhersage, die erkennt:

Einige Leute sind bereits nass (Prävalent).
Einige werden später nass werden (Inzident).
Einige leben in einer Wüste und werden niemals nass werden (Geheilt).

Indem es alle drei Gruppen berücksichtigt, liefert das Modell Ärzten und Patienten ein deutlich klareres Bild dessen, was sie zu erwarten haben, insbesondere wenn die medizinischen Unterlagen unvollständig sind.

Technische Zusammenfassung: Ein Bayes-Modell zur Schätzung der Prävalenz-Inzidenz-Heilung für die Überlebensanalyse mittels elektronischer Gesundheitsakten bei unvollständigen Basisdiagnosen

Problemstellung
Retrospektive Kohorten, die aus elektronischen Gesundheitsakten (EHR) abgeleitet werden, bieten eine kosteneffiziente Methode zur Untersuchung von Krankheitsprävalenz, Inzidenz und Heilungsanteilen in realen Szenarien. EHR-Daten stellen jedoch spezifische analytische Herausforderungen dar: (1) Fehlender Basisstatus: Bei Patienten fehlt oft zum Zeitpunkt des Behandlungsbeginns ( $t=0$ ) ein dokumentierter Diagnosetest, was es unmöglich macht, zwischen prävalenten Fällen (die die Erkrankung bereits hatten) und inzidenten Fällen (die sie später entwickelten) zu unterscheiden. (2) Behandlungsresistenz (Heilung): Bei vielen Erkrankungen wird ein Teil der Patienten das Ereignis von Interesse (z. B. das Erreichen eines bestimmten Visus-Schwellenwerts) nie erleben, was Standard-Überlebensfunktionen, die gegen Null asymptotieren, ungeeignet macht.

Bestehende Prävalenz-Inzidenz-Modelle (PI) adressieren fehlende Basisdaten mithilfe von Zwei-Komponenten-Mischmodellen, versagen jedoch, wenn ein „geheilter“ Anteil existiert, da sie fälschlicherweise davon ausgehen, dass alle nicht geheilten Personen schließlich das Ereignis erleben werden. Umgekehrt gehen Standard-Heilungsmodelle (Cure Models) davon aus, dass keine prävalenten Fälle zu Beginn vorliegen. Keiner dieser Ansätze behandelt gleichzeitig fehlende Basisdiagnosen und einen Heilungsanteil, was zu verzerrten Schätzungen der Überlebenswahrscheinlichkeiten, der Prävalenz und der Inzidenzzeiten führt.

Methodik
Die Autoren schlagen ein Prävalenz-Inzidenz-Heilungs-Modell (PIC) vor, ein Drei-Komponenten-Mischmodell für intervallzensierte Daten mit fehlendem Basisstatus.

Modellstruktur: Die Population wird in drei latente Gruppen unterteilt:
- Prävalente Fälle: Personen, die das Ereignis bereits zu Beginn der Beobachtung erlebt haben ( $t < 0$ ).
- Inzidente Fälle: Personen, die zu Beginn der Beobachtung krankheitsfrei waren, aber das Ereignis noch erleben werden ( $0 < t < \infty$ ).
- Geheilte Fälle: Personen, die das Ereignis niemals erleben werden ( $t = \infty$ ).
Likelihood-Konstruktion: Das Modell berücksichtigt vier beobachtbare Datenmuster basierend auf dem Zeitpunkt des Diagnosetests:
- $c_i=1$ : Positiver Test zu Beginn (Prävalent).
- $c_i=2$ : Intervallzensierte inzidente Fälle (Negativ bei $l_i$ , positiv bei $r_i$ ).
- $c_i=3$ : Zensiert vor dem positiven Test (Negativ bei $l_i$ , kein positiver Test bis zum Ende des Follow-ups). Diese Gruppe ist eine Mischung aus geheilten und zensierten inzidenten Fällen.
- $c_i=4$ : Fehlender Basis-Test, aber positiv beim ersten Follow-up. Diese Gruppe ist eine Mischung aus prävalenten und inzidenten Fällen.
Parametrische Formulierung:
- Komponentenzuordnung: Ein multinomiales Logistikmodell bestimmt die Wahrscheinlichkeiten, prävalent ( $\pi_i$ ) oder geheilt ( $\delta_i$ ) zu sein. Die Wahrscheinlichkeit, inzident zu sein, ist $1 - \pi_i - \delta_i$ .
- Zeit bis zum Ereignis: Für inzidente Fälle wird eine Weibull-Verteilung verwendet, um die Überlebensfunktion $S(t|xi)$ zu modellieren, wobei Kovariaten-Effekte über eine Proportional-Hazards-Parametrisierung einbezogen werden.
Bayessche Inferenz und Priors: Die Autoren verwenden einen Bayesschen Rahmen unter Verwendung von Markov-Chain-Monte-Carlo (MCMC) via JAGS. Ein wesentlicher methodischer Beitrag ist die Spezifikation informativer Priors basierend auf Expertenwissen oder bisheriger Literatur. Anstatt die Priors direkt auf die Regressionskoeffizienten zu legen, platzieren die Autoren die Priors auf die Verhältnisse von Wahrscheinlichkeiten (z. B. das Verhältnis von Geheilten zu Inzidenten) und auf die Odds Ratios der Kovariaten. Diese werden in Log-Normal-Priors für die logistischen Parameter sowie in Log-Normal-Priors für die Weibull-Parameter (Formfaktor $\alpha$ und mediane Ereigniszeit) transformiert. Dieser Ansatz zielt darauf ab, Domänenwissen einzubeziehen und gleichzeitig die Interpretierbarkeit zu wahren.

Zentrale Ergebnisse
Das Paper validiert das Modell durch Simulationsstudien und eine reale Anwendung:

Simulationsstudie: In einem Szenario der Gebärmutterhalskrebs-Vorsorge wurde das PIC-Modell unter variierenden Stichprobengrößen ( $n=40, 400, 4000$ ) und verschiedenen Prior-Spezifikationen (informativ, vage, fehl spezifiziert) mit einem Standard-PI-Modell verglichen.
- Bias-Reduktion: Das PIC-Modell zeigte geringere Verzerrungen (Bias) in den Schätzungen der Überlebenswahrscheinlichkeit im Vergleich zum PI-Modell, insbesondere an späteren Zeitpunkten, an denen das PI-Modell die Überlebensrate fälschlicherweise gegen Null drängt.
- Einfluss der Priors: Bei kleinen Stichproben ( $n=40$ ) reduzierten informative Priors den Bias signifikant im Vergleich zu vagen Priors, allerdings auf Kosten breiterer Glaubwürdigkeitsintervalle. Bei größeren Stichproben ( $n=400+$ ) schnitten vage Priors vergleichbar oder besser ab, falls der informative Prior leicht fehl spezifiziert war, was darauf hindeutet, dass die Daten schließlich den Prior dominieren.
- Versagen des PI-Modells: Das PI-Modell überschätzte die Prävalenz konsistent und unterschätzte die langfristige Überlebensrate, da es den Heilungsanteil nicht berücksichtigen konnte, was zu einer Überlebensfunktion führte, die bei Null plateauierte statt beim wahren Anteil der Geheilten.
Anwendung auf Diabetische Makulaödem (DMO): Das Modell wurde auf einen Datensatz von 2.614 Augen des Moorfields Eye Hospital angewendet.
- Fit: Das PIC-Modell lieferte eine wesentlich bessere Anpassung an die nicht-parametrische Turnbull-Schätzung als das PI-Modell, insbesondere bei der Erfassung des Plateaus der Überlebenswahrscheinlichkeit nach 48 Monaten (18 % unter PIC gegenüber 8 % unter PI).
- Schätzungen: Das PIC-Modell schätzte, dass etwa 33 % der Patienten zu Beginn prävalent waren und 18 % Nicht-Responder (geheilt) waren. Die mediane Zeit bis zum Erreichen eines „guten“ Sehvermögens (VA $\ge$ 70) für nicht-prävalente Patienten wurde auf 6,44 Monate geschätzt, im Vergleich zu 7,32 Monaten unter dem PI-Modell.

Bedeutung und Ansprüche
Die Autoren behaupten, dass das PIC-Modell eine notwendige Erweiterung bestehender Methoden zur Analyse von EHR-Daten darstellt, wenn sowohl fehlende Basisdiagnosen als auch ein Heilungsanteil vorliegen. Durch die explizite Modellierung des „geheilten“ Zustands neben den prävalenten und inzidenten Zuständen verhindert das Modell die inhärente Verzerrung von PI-Modellen bei Anwendungen auf Krankheiten mit Nicht-Respondern.

Das Paper betont die Nützlichkeit des Bayesschen Ansatzes zur Einbindung von Vorwissen durch interpretierbare Verhältnisse, was besonders wertvoll in medizinischen Kontexten mit geringen Stichprobengrößen oder vorhandenen klinischen Studiendaten ist. Die Autoren stellen fest, dass das Modell einen begrenzten Nutzen bietet, wenn der Heilungsanteil vernachlässigbar klein ist oder das Follow-up zu kurz ist, um das Plateau zu beobachten, es aber hochrelevant für flächendeckende Screening-Dienste (z. B. Brust-, Gebärmutterhals- und diabetische Augenuntersuchungen) und Sekundärversorgungssettings ist, in denen Basisdaten zu Symptomen oft unvollständig sind.

Die Autoren bleiben hinsichtlich des Umfangs ihres Modells bescheiden und räumen ein, dass sie Augen als unabhängig behandeln (intra-patienten Korrelation ignorieren) und einen binären Schwellenwert auf einer kontinuierlichen Skala modellieren. Sie schlagen vor, dass zukünftige Erweiterungen die Sensitivität/Spezifität von Tests, nicht-parametrische Überlebensverteilungen (z. B. Cox-Modelle) und zeitabhängige Kovariaten einschließen könnten.