📊 statistics

Pseudo-value Based Mean Cumulative Count Regression

本文提出了一种基于伪值（pseudo-value）的回归框架，利用广义估计方程对重复事件的平均累积函数及曲线下面积的协变量效应进行建模，并通过模拟实验以及在 ORATORIO 临床试验中的应用，证明了其准确性与实用性。

原作者： Zachary R. McCaw, Alex Ocampo, Enrico Giudice, FengQi Song, Jessica Gronsbell

发布于 2026-06-24

📖 1 分钟阅读☕ 轻松阅读

原作者： Zachary R. McCaw, Alex Ocampo, Enrico Giudice, FengQi Song, Jessica Gronsbell

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下，你正在追踪一辆汽车在几年内发生故障的频率。在一个完美的世界里，你只需要统计故障的总次数即可。但在现实世界中，有两件事让情况变得复杂：

汽车可能被卖掉或报废了（删失/Censoring）： 在研究结束之前，你就停止了观察。
汽车可能因撞车而报废（终点事件/死亡/Terminal Event）： 一旦汽车报废，它就不可能再发生故障。

在医学研究中，这就像是追踪一名患者在退出研究或去世之前，发病（重复事件）的次数。

问题：如何计算“负担”

传统方法通常侧重于这些事件发生的“速度”（即“速率”）。但医生和患者更关心的是总负担：“在未来五年内，我会生病多少次？”或者“我会有多少生命在康复期中度过？”

本文介绍了两种衡量这种负担的方法：

平均累积函数 (Mean Cumulative Function, MCF)： 可以将其理解为：到特定时间为止，患者发生事件的平均次数的累计总数。
MCF 下的面积 (Area Under the MCF, AUMCF)： 想象一下 MCF 是一个图表。AUMCF 是该曲线下的总面积。它代表了因病损失的总时间。如果你频繁生病，曲线就会快速上升，其下的面积就会巨大；如果你保持健康，面积就会很小。

挑战：如何预测负担？

研究人员想要知道：“某些因素（如年龄、某种特定药物或生物标志物）是否会改变这种总负担？”

过去用于回答这些问题的方法，就像是试图为每一辆车都建造一个复杂的定制发动机，来预测它们的故障情况。这些方法难以使用，尤其是当“报废”（死亡）停止了计数时。

解决方案：“伪值”作为捷径

作者提出了一种被称为基于伪值的回归 (Pseudo-value Based Regression) 的巧妙技巧。这里有一个类比：

假设你有一组 100 名学生，你想知道全班的平均考试成绩。

困难的方法 (Jackknife/刀切法)： 为了观察“学生 A”对平均分的影响，你需要先计算 100 人的平均分。然后，移除学生 A，重新计算剩余 99 人的平均分，并观察数值发生了多少变化。你对每一位学生都重复这个过程。这种方法很准确，但非常耗时（就像为每辆车重新计算一次复杂的发动机）。
本文的方法 (Pseudo-values/伪值)： 与其进行 100 次复杂的数学运算，作者使用了一个“快捷公式”（基于所谓的“影响函数”）。这个公式可以立即估算出如果移除某位学生，会对平均分产生多大的改变。这些估算值被称为**“伪值” (Pseudo-values)**。

一旦你得到了这些伪值，你就可以像对待普通的考试成绩一样对待它们。你可以将它们代入标准的、简单的线性回归模型中，从而观察诸如“学习时长”或“药物类型”等因素如何影响成绩。

他们发现了什么？

作者通过数千次计算机模拟（类似于运行一款规则不同的电子游戏，以观察汽车是否会发生碰撞）测试了这种方法。

它行之有效： 该方法能够准确回答某种药物或风险因素如何改变总体的疾病负担。
它具有稳健性 (Robustness)： 即使“死亡”（终点事件）与“故障”（重复事件）之间存在关联，该方法依然有效。例如，如果病情较重的患者更有可能死亡，该方法仍然能给出正确的答案。
它很简单： 一旦计算出伪值，你就可以使用几乎所有研究人员都熟知的标准统计工具。

现实世界的案例：多发性硬化症

他们利用来自 ORATORIO 临床试验 的真实数据测试了该方法，该试验研究了一种用于原发进展型多发性硬化症 (PPMS) 的药物（ocrelizable）。

目标： 观察该药物是否能减少随时间推移而积累的残疾总量。
结果： 他们发现，基线残疾评分较高（如 EDSS 评分较高）的患者，其未来的“负担”也更高。
益处： 通过使用这种方法来调整这些基线因素，他们得到了关于药物疗效更精确的估计，从而减少了数据中的“噪声”。

核心结论

本文为研究人员提供了一个简单、可靠且易于使用的工具包。研究人员不再需要使用复杂的、定制化的引擎来预测患者随时间积累的疾病量，而是可以使用一种“捷径”（伪值），将数据代入标准工具中。这有助于回答对患者最重要的那个问题：“这种疾病会在多大程度上影响我的生活，而我的治疗又如何改变这一现状？”

注：本文明确指出，该方法假设患者退出研究（删失）是随机发生的，而不是因为其特定的健康状况。如果患者是因为变得更严重而退出研究，则需要进一步的调整，作者已将此作为未来的研究方向。

技术摘要：基于伪值的平均累积计数回归

问题陈述
在涉及复发事件（如住院、疾病加重）的生物医学应用中，标准分析通常关注事件率或强度。然而，在存在右删失和终点事件（如死亡）的情况下，科学问题往往转向理解在临床相关时间范围内累积的疾病负担。这两个描述该负担的自然总结量是：平均累积函数（MCF），代表到时间 $\tau$ 时预期的累积事件数；以及 MCF 下方曲线下面积（AUMCF），代表总的无事件时间损失。

虽然存在估计这些量值的非参数方法，但用于评估协变量对 MCF 和 AUMCF 影响的直接回归模型仍处于发展阶段。现有的基于强度的模型并不总能直接转化为对累积负担具有解释性的效应，特别是在复发事件过程被死亡截断时。此外，最近针对这些泛函的协变量调整估计量主要集中在非参数治疗比较或线性化检验统计量上，而非提供一个通用的回归框架来直接建模协变量效应。

方法论
作者提出了一种基于伪值的回归方法，用于估计固定截断时间 $\tau$ 下的 MCF 和 AUMCF 的协变量效应。

回归目标： 该方法定义的回归系数 ( $\beta$ ) 不作为底层强度模型的参数，而是作为总体估计方程的解。具体而言，对于恒等链接（identity link）， $\beta$ 是 $E[W \{ \theta(\tau | W) - W^\top \beta \}] = 0$ 的唯一解，其中 $\theta$ 代表给定协变量 $W$ 时的条件 MCF 或 AUMCF。这实现了推断目标与任何特定复发事件率模型假设的分离。
伪值： 为了估计这些目标，作者利用受试者特异性伪值作为结局变量。
- 精确 Jackknife 法： 受试者 $i$ 的精确伪值定义为 $\hat{\xi}_i(\tau) = n\hat{\theta}(\tau) - (n-1)\hat{\theta}_{(-i)}(\tau)$ ，其中 $\hat{\theta}_{(-i)}$ 是移除受试者 $i$ 后计算出的估计量。
- 影响函数近似法： 为了避免 $n$ 次留一法重新计算带来的计算负担，作者使用经验影响函数来近似伪值： $\tilde{\xi}_i(\tau) = \hat{\theta}(\tau) + \hat{\phi}_i(\tau)$ 。论文证明了基于影响函数的伪值在渐近意义上与精确的 Jackknife 伪值是等价的。
估计： 一旦生成伪值，即可使用标准的广义估计方程（GEE）机制进行回归。在恒等链接和受试者无关的工作方差下，这可以简化为普通最小二乘法（OLS）。使用稳健方差估计量来处理由伪值引起的相关结构。

关键结果
作者通过广泛的模拟研究和实际数据应用评估了所提方法：

伪值验证： 模拟确认了基于影响函数的近似法与精确 Jackknife 伪值高度一致（ $R^2 = 1.00$ ），其平均绝对偏差仅为平均绝对 Jackknife 值的 0.4%。
估计准确性与覆盖率： 在各种样本量（ $N=50, 100, 200$ ）、截断时间及复发事件率参数下，回归估计量均是无偏的。使用基于模型的标准误构建的置信区间达到了名义 95% 的覆盖率。
稳健性： 该方法在以下场景中保持稳健：
- 死亡与复发事件通过共享的多项式脆弱性（multiplicative fraity）相关联。
- 协变量影响终点事件过程（死亡率）而非复发事件率。
统计推断： 在零假设下，第一类错误率得到了良好的校准。统计功效随样本量和治疗效应强度的增加而提高，且基于 MCF 和 AUMCF 的检验表现出相似的性能。
数据应用： 该方法应用于原发性进展型多发性硬化症（PPMS）的 ORATORIO 临床试验。通过使用基线临床和生物标志物协变量（如 EDSS、T2 病灶体积），作者对残疾进展的 AUMCF 进行了建模。分析表明，基线 EDSS 和 9HPT 是显著的预后因素。值得注意的是，与未调整的估计量相比，协变量调整使治疗效应估计的标准误降低了 13.6%；与通过增广法（augmentation）进行的协变量调整相比，标准误降低了 8.4%。

意义与主张
论文声称，基于伪值的回归提供了一个“简单且具有解释性的框架”，用于建模累积复发事件负担的协变量效应。其主要贡献包括：

直接建模： 它能够直接对 MCF 和 AUMCF 进行回归，绕过了需要将复杂的强度模型参数解释为累积负担的需求。
计算效率： 通过利用基于影响函数的伪值，该方法避免了重复留一法估计的计算成本，同时保持了准确性。
灵活性： 该方法利用标准的 GEE/OLS 软件，使其对研究人员而言易于获取。它支持通过协变量调整来提高随机试验中的精度，并允许引入交互项进行亚组分析。
可解释性： 所得系数代表了协变量每单位变化时，预期累积事件计数或无事件时间损失的变化量，提供了具有临床意义的总结，且在存在终点事件时依然有效。

作者指出，该方法在非信息性删失假设方面存在局限性，并建议未来的工作可以通过逆概率删失权重（IPCW）来扩展该框架以处理协变量相关的删失。