DOI: https://doi.org/10.51387/26-nejsds99
تاريخ النشر: 2026-01-01
المؤلف: Weiji Su وآخرون
الموضوع الرئيسي: طرق إحصائية واستدلال بايزي
نظرة عامة
في هذا القسم، يناقش المؤلفون تأثير شدة النتائج على توقيت القياسات الطولية في الدراسات الطبية الحيوية، خاصة في سياق بيانات اللقاءات السريرية. يبرزون أن المرضى الذين يعانون من حالات صحية أكثر شدة يميلون إلى زيارة أكثر تكرارًا وعدم انتظام، مما يمكن أن يؤدي إلى تحيز في نتائج نماذج تقدم المرض الطولي إذا لم يتم أخذ عملية الزيارة بعين الاعتبار بشكل مناسب.
لمعالجة هذه المشكلة، يقترح المؤلفون نموذجًا بايزيًا مشتركًا يدمج نموذج تأثيرات مختلطة للعلامة الطولية مع نموذج مخاطر متناسبة ويبل، يتضمن مكون ضعف لوغاريتمي لعملية الزيارة. يقوم هذا النموذج بضبط كل من العلامة الطولية وعمليات الحدث للمتغيرات ذات الصلة. باستخدام بيانات سريرية من مرضى التليف الكيسي في الرئة كدراسة حالة، يجدون أن الأفراد الذين يعانون من انخفاض في وظيفة الرئة لديهم زيارات سريرية أكثر تكرارًا. تشير دراسات المحاكاة الخاصة بهم إلى أن دمج عملية غاوسية تعتمد على الوقت يعزز بشكل كبير ملاءمة النموذج، بينما يميل نموذج الاعتراضات العشوائية إلى إظهار أقصى تحيز، خاصة في وجود عملية زيارة تعتمد على النتائج.
مقدمة
في الدراسات الطبية الحيوية الطولية، يمكن أن تختلف أنماط زيارة المرضى بشكل كبير، مما يعقد تحليل تقدم المرض. يمكن أن تؤدي هذه التغيرات إلى بيانات مفقودة، خاصة عندما يفوت المرضى الزيارات بسبب تدهور صحتهم. تم استخدام طرق تقليدية، مثل المعادلات التقديرية العامة الموزونة (GEE) والنماذج المشتركة ذات المعلمات المشتركة، لمعالجة هذه التحديات. بينما توفر GEE استنتاجات قوية على مستوى السكان، إلا أنها تفتقر إلى تقدير على مستوى الأفراد. من ناحية أخرى، تسمح النماذج المشتركة، التي تربط القياسات الطولية بعمليات الزيارة، برؤى على مستوى الأفراد ولكنها تتطلب افتراضات إضافية بشأن استقلالية النتائج الشرطية على المعلومات المشتركة.
يقترح هذا البحث نموذجًا بايزيًا مشتركًا لتحليل قياسات وظيفة الرئة في المرضى الأطفال المصابين بالتليف الكيسي (CF)، مع التركيز على كيفية تأثير أنماط الزيارة غير المنتظمة على تدهور وظيفة الرئة. يتضمن النموذج نموذج مخاطر متناسبة ويبل لعمليات الزيارة وعملية غاوسية لالتقاط التقلبات الزمنية في وظيفة الرئة. من خلال مقارنة هذا النموذج المشترك مع نموذج تأثيرات مختلطة تم تعديله لتكرار الزيارة، يهدف البحث إلى توضيح تأثير عدم انتظام الزيارات على تقدير العوامل السريرية ذات الصلة، مثل حجم الزفير القسري في ثانية واحدة (FEV1). يعتمد التحليل على مجموعة من مركز رعاية التليف الكيسي في مستشفى سينسيناتي للأطفال، والتي تضم 197 موضوعًا مع إجمالي 3,652 سجلًا. من المتوقع أن تعزز النتائج من فهم تقدم المرض في CF وتحسن استراتيجيات المراقبة السريرية.
النتائج
في قسم النتائج، يقدم البحث نتائج من نموذج مشترك يحلل عملية زيارة المرضى المصابين بالتليف الكيسي (CF). يتم تعيين مستوى المرجع لنموذج البقاء كمرضى إناث بدون عدوى ولا يستخدمون Medicaid. يتم تقدير معامل شكل ويبل عند 1.89 (95% CrI: 1.84، 1.94)، مما يشير إلى أن نسبة المخاطر (HR) للزيارات تزداد مع الفترات الزمنية الأطول بين الزيارات. تكشف النتائج الرئيسية أن المرضى الأكبر سنًا والذين يعانون من عدوى (CFRD أو MRSA) يميلون إلى الحصول على زيارات أكثر، بينما يحصل الذكور على زيارات أقل من الإناث. من الجدير بالذكر أن مستخدمي Medicaid لديهم 0.23 (95% CrI: 0.02، 0.45) زيارات أكثر من أولئك الذين لديهم أنواع تأمين أخرى. يتوقع النموذج احتمال 80.5% لزيارة خلال 0.3 سنوات منذ آخر زيارة، مما يتماشى مع تكرار الزيارات الموصى به من قبل مؤسسة CF.
تؤكد دراسات المحاكاة أيضًا على أداء النموذج عبر سيناريوهات مختلفة لتكرار الزيارة واعتماد النتائج. تتفوق النماذج المشتركة باستمرار على النماذج الأبسط، خاصة في السيناريوهات التي تعتمد فيها الاستجابات الطولية على تكرار الزيارة. تشير النتائج إلى أن تضمين عدد الزيارات يحسن تقدير المعلمات، خاصة للمتغيرات المتغيرة مع الزمن مثل العمر. ومع ذلك، يتدهور أداء النماذج بشكل كبير عندما يتم تجاهل اعتماد الاستجابات على الزيارات. بشكل عام، تظهر النماذج المشتركة مرونة ودقة فائقة في التقاط تعقيدات البيانات، مما يبرز فائدتها في الإعدادات السريرية لإدارة زيارات مرضى CF.
المناقشة
في هذه الدراسة، يتم اقتراح إطار عمل نمذجة مشتركة لتحليل القياسات الطولية المستمرة جنبًا إلى جنب مع عملية زيارة تعتمد على النتائج، تطبق بشكل خاص على بيانات التليف الكيسي (CF). يدمج الإطار نموذج بقاء يعتمد على توزيع ويبل مع نموذج تأثيرات مختلطة خطية (LME)، مما يسمح لكل من المتغيرات الثابتة والمتغيرة مع الزمن. يلتقط النموذج المشترك العلاقة بين قياسات وظيفة الرئة وتكرار زيارات المرضى، كاشفًا أن أنماط الزيارة غير المنتظمة تؤثر بشكل كبير على تقدير مسارات وظيفة الرئة. من الجدير بالذكر أن التحليل يشير إلى وجود ارتباط سلبي بين وظيفة الرئة (المقاسة كـ FEV1) ونسبة المخاطر للزيارات، مما يشير إلى أن المرضى الذين يعانون من انخفاض في وظيفة الرئة يميلون إلى الحصول على زيارات أكثر تكرارًا.
تظهر النتائج أن النماذج التي تتضمن سلوك زيارة المرضى، مثل عدد الزيارات في السنة السابقة، تعزز أداء النموذج وتقلل من التحيز في تقدير المعلمات. من بين الهياكل العشوائية المختلفة التي تم تقييمها، أظهر النموذج الذي يحتوي على كل من الاعتراضات العشوائية وعمليات غاوسية (GP) أفضل أداء، خاصة في حساب التباين الموجود في بيانات CF. تؤكد النتائج على أهمية مراعاة سلوك الزيارة في التحليلات الطولية، حيث يؤثر على كل من مسار وظيفة الرئة وتفسير تأثيرات المتغيرات. تشمل قيود الدراسة احتمال تقليم البيانات من اليسار والافتراض الخطي في تدهور وظيفة الرئة، والذي قد لا يكون صحيحًا في التحليلات طويلة الأمد. يمكن أن تستكشف الأعمال المستقبلية نماذج أكثر تعقيدًا لمعالجة هذه القيود وتعزيز قدرات الاستدلال السببي.
DOI: https://doi.org/10.51387/26-nejsds99
Publication Date: 2026-01-01
Author(s): Weiji Su et al.
Primary Topic: Statistical Methods and Bayesian Inference
Overview
In this section, the authors discuss the influence of outcome severity on the timing of longitudinal measurements in biomedical studies, particularly in the context of clinical encounter data. They highlight that patients with more severe health conditions tend to have more frequent and irregular visits, which can bias the results of longitudinal disease progression models if the visiting process is not appropriately accounted for.
To address this issue, the authors propose a Bayesian joint model that integrates a mixed-effects model for the longitudinal marker with a Weibull proportional hazards model incorporating a log frailty component for the visiting process. This model adjusts both the longitudinal marker and event processes for relevant covariates. Using clinical data from cystic fibrosis lung disease as a case study, they find that individuals with lower lung function have more frequent clinical visits. Their simulation studies indicate that incorporating a time-dependent Gaussian process significantly enhances model fit, while a random intercepts model tends to exhibit maximum bias, particularly in the presence of an outcome-dependent visiting process.
Introduction
In longitudinal biomedical studies, patient visit patterns can vary significantly, complicating the analysis of disease progression. This variability can lead to missing data, particularly when patients miss visits due to health declines. Traditional methods, such as weighted generalized estimating equations (GEE) and shared-parameter joint models, have been employed to address these challenges. While GEE provides robust population-level inference, it lacks individual-level estimation. Conversely, joint models, which link longitudinal measurements with visit processes, allow for individual-level insights but require additional assumptions regarding the independence of outcomes conditional on shared information.
This paper proposes a Bayesian joint model to analyze lung function measurements in pediatric patients with cystic fibrosis (CF), focusing on how irregular visit patterns affect lung function decline. The model incorporates a Weibull proportional hazard model for visit processes and a Gaussian process to capture temporal fluctuations in lung function. By comparing this joint model with a mixed-effects model adjusted for visit frequency, the study aims to elucidate the impact of visit irregularities on the estimation of clinically relevant factors, such as forced expiratory volume in 1 second (FEV1). The analysis is based on a cohort from the Cystic Fibrosis Care Center at Cincinnati Children’s Hospital, comprising 197 subjects with a total of 3,652 records. The findings are expected to enhance understanding of disease progression in CF and improve clinical monitoring strategies.
Results
In the results section, the study presents findings from a joint model analyzing the visiting process of patients with cystic fibrosis (CF). The reference level for the survival submodel is set as female patients without infections and not using Medicaid. The Weibull shape parameter is estimated at 1.89 (95% CrI: 1.84, 1.94), indicating that the hazard ratio (HR) for visits increases with longer gaps between visits. Key findings reveal that older patients and those with infections (CFRD or MRSA) tend to have more visits, while males have fewer visits than females. Notably, Medicaid users have 0.23 (95% CrI: 0.02, 0.45) more visits than those with other insurance types. The model predicts an 80.5% probability of a visit within 0.3 years since the last visit, aligning with the CF Foundation’s recommended frequency.
Simulation studies further validate the model’s performance across various scenarios of visit frequency and outcome dependence. The joint models consistently outperform simpler models, particularly in scenarios where longitudinal responses depend on visit frequency. The results indicate that the inclusion of visit counts improves parameter estimation, especially for time-varying covariates like age. However, the performance of models deteriorates significantly when the dependence of responses on visits is ignored. Overall, the joint models demonstrate superior flexibility and accuracy in capturing the complexities of the data, highlighting their utility in clinical settings for managing CF patient visits.
Discussion
In this study, a joint modeling framework is proposed to analyze continuous longitudinal measurements alongside an outcome-dependent visiting process, specifically applied to cystic fibrosis (CF) data. The framework integrates a survival model based on a Weibull distribution with a linear mixed effects (LME) model, allowing for both static and time-varying covariates. The joint model captures the relationship between lung function measurements and the frequency of patient visits, revealing that irregular visiting patterns significantly impact the estimation of lung function trajectories. Notably, the analysis indicates a negative association between lung function (measured as FEV1) and the hazard ratio for visits, suggesting that patients with lower lung function tend to have more frequent visits.
The results demonstrate that models incorporating patient visit behavior, such as the number of visits in the previous year, enhance model performance and reduce bias in parameter estimation. Among the various random effects structures evaluated, the model with both random intercepts and Gaussian processes (GP) exhibited the best performance, particularly in accounting for the heterogeneity present in CF data. The findings underscore the importance of considering visiting behavior in longitudinal analyses, as it influences both the trajectory of lung function and the interpretation of covariate effects. Limitations of the study include potential left truncation of data and the assumption of linearity in lung function decline, which may not hold in longer-term analyses. Future work could explore more complex models to address these limitations and enhance causal inference capabilities.