基于多变量贝叶斯联合模型的轻度认知障碍转归风险预测

摘要

目的 将贝叶斯联合模型应用于轻度认知障碍（mild cognitive impairment,MCI）进展为阿尔茨海默病（Alzheimer's disease,AD）的风险预测研究，并比较纵向子模型的时间效应，以及与生存子模型连接结构的函数形式。方法联合模型的纵向子模型采用广义线性混合效应模型对纵向神经心理学测试变化轨迹建模，生存子模型采用Cox比例风险模型对生存过程建模。纵向子模型采用t和t²两种效应形式，纵向子模型和生存子模型采用三种连接结构（即刻效应、斜率效应、累积效应）。按照7∶3将数据分为训练集和验证集，基于贝叶斯方法对模型参数进行估计，采用动态AUC评价模型预测性能。结果 690名MCI中374名（54.20%）名在随访期间进展为AD。训练集的结果表明，三个纵向神经心理学测试的时间效应均为t结合累积效应构建的贝叶斯联合模型预测效果最好，平均动态AUC为0.8336。APOEε4基因和日常活动能力低是MCI患者进展的危险因素。上述时间效应和纵向数据函数形式联合模型的验证集动态AUC均在0.75以上。结论 将多变量贝叶斯联合模型应用于MCI风险预测可为认知损害的个体化干预提供理论依据，并为慢性疾病的生存分析提供统计学方法借鉴。

关键词

贝叶斯联合模型 / 纵向数据 / 生存数据 / 轻度认知障碍

基金资助

国家自然科学基金(82273742); 研究生科研创新项目(2024KY361)