A joint model for (un)bounded longitudinal markers, competing risks, and recurrent events using patient registry data

在医学研究领域，医生和科学家经常追踪两种不同的信息，以了解疾病如何在人体内演变。第一种是随时间变化的测量值序列，例如每隔几个月检查一次患者的血压或肺活量。这些被称为纵向标记（longitudinal markers），它们讲述了一个变化的故事，展示出患者是在缓慢好转还是在逐渐恶化。第二种信息是关于发生重大事件的具体时刻，例如突发住院、重大并发症，甚至是死亡。这些被称为临床事件（clinical events）。几十年来，研究人员一直试图构建数学模型，将这两类数据流联系起来，探讨患者健康的缓慢、稳定变化如何预测何时会发生突然且严重的事件。这种联系至关重要，因为它能让医生在问题演变成紧急情况之前就预见到风险。然而，现实中的医疗数据很少是简单的。患者可能会多次经历同一种类型的危机，并且面临着相互竞争的不同类型严重后果，例如死亡风险与需要移植的风险之间的竞争。此外，许多健康测量值是受限的（bounded），这意味着它们不能低于零或超过某个上限，这使得它们难以使用那些假设数值可以向两个方向无限延伸的标准工具进行分析。

一组统计学家和流行病学家开发了一种更先进、更复杂的方法来连接这些复杂的组成部分。他们的工作重点是囊性纤维化（cystic fibrosis），这是一种会损害肺部和消化系统的严重遗传性疾病。患者会接受针对两个关键指标的密切监测：反映营养状况的体重指数（BMI），以及衡量肺功能的指标——预计用力呼气量百分比（percent of predicted forced expiratory volume in one second）。这项肺部测量值是一个通常在零到一百之间的百分比，尽管通过有效治疗有时会略高于此数值。由于这个数字被限制在特定范围内，标准的统计方法往往难以对其进行准确建模，有时甚至会产生诸如负肺容量之类的不可能的结果。研究人员还需要考虑到患者可能会遭受反复的肺部感染（即肺部急性加重），并且在生命旅程的终点面临着两种截然不同的、相互竞争的风险：死于呼吸衰竭或接受肺移植。以往的方法往往迫使研究人员忽略其中一些信息，例如将多次感染视为单一事件，或者将死亡与移植合并为一个类别，这掩盖了重要的细节。

为了解决这些问题，研究人员创建了一个统一的统计框架，能够同时处理所有这些复杂性。他们没有强行将肺功能数据拟合到允许出现不可能值的标准曲线中，而是使用了一种专门为处于设定边界内的数值而设计的灵活数学形状。这种方法确保了模型只会预测现实的肺功能值。随后，他们将这种改进后的测量模型与重复感染的发生时间和死亡与移植的竞争风险联系起来。通过这样做，他们可以观察患者肺功能和体重变化的轨迹如何影响未来感染或终末事件的可能性，同时还考虑到了患者在接受移植后，不再以同样的方式面临因呼吸衰竭而死亡的风险。团队使用一个包含来自美国二十三千多名囊性纤维化患者健康记录的海量数据库来测试这种新方法，该数据库跨越了近二十年。该数据集包含了数百万个个体测量值，并追踪了数千起住院、移植和死亡案例。

将这种新模型应用于现实世界数据的研究结果揭示了疾病进展的一个更清晰的图景。分析表明，如果患者过去经历过多次感染，其发生肺部感染的风险就会增加，这证实了该疾病具有发作聚集性的特征。更重要的是，模型证明了肺功能和体重指数都是未来风险的强大预测因子。具体而言，肺功能下降速度加快与死亡风险升高密切相关；而体重指数变化的累积历史则与再次发生感染的风险相关联。研究发现，死亡风险和需要移植的风险受到这些指标的影响方式不同，这证明如果将它们视为单一结局，将会错过关键的细微差别。例如，模型显示，肺功能下降一个单位以及下降速度的加快，都会以不同的程度增加死亡的危险率，这凸显了追踪变化速度而非仅仅关注当前数值的重要性。研究人员还发现，体质较虚弱（frail，这是一个描述普遍脆弱状态的术语）的患者更有可能经历感染、接受移植或死亡。

该研究还作为一个测试，旨在观察使用旧有的、更简单的方法是否会导致错误的结论。当研究人员模拟生成了肺功能是严格受限的数据，然后尝试用假设数值可以无限制延伸的传统方法进行分析时，结果出现了偏差。旧的方法产生了有偏的估计，暗示肺部健康与死亡风险之间的关系实际上比实际情况要弱得多。这证实了新方法不仅仅是一个微小的改进，而是实现准确分析的必要提升。团队通过发布一个免费软件包，向其他科学家开放了他们的模型，允许研究人员将这种严谨的方法应用于其他具有类似复杂数据结构的疾病。通过捕捉患者健康旅程的完整故事——反复的挫折、相互竞争的危险以及生命体征的受限特性——这项工作为理解疾病进展提供了一个更精确的工具。它提供了一种量化最重要的临床迹象与生命威胁事件之间关系的方法，其细节程度在以前是无法实现的，这有助于医生在未来更有效地管理这些疾病。