预测模型中考虑时依性变量可改善模型的总体表现，提高其临床应用价值。界标模型、联合模型等基于传统回归策略在处理时依性变量个数和适用情境等方面存在局限，神经网络等机器学习算法有望对其灵活处理。本文针对传统模型、机器学习算法，总结各自纳入时依性变量的建模思路，梳理各方法的适用场景，概括现有方法仍存在的问题，以期为未来预测建模处理时依性变量提供方法学启示。

目的:探讨多时点急性生理学与慢性健康状况评分Ⅱ（APACHEⅡ）对重症脑卒中患者14 d死亡风险的影响，为临床诊疗提供参考。方法:收集美国重症监护医学信息数据库Ⅲ（MIMIC-Ⅲ）中3 229例重症脑卒中患者的相关信息。根据患者主要脑卒中类型分为蛛网膜下腔出血（SAH）、脑出血（ICH）、缺血性脑卒中（IS）及其他类型组；根据年龄分为>60岁和≤60岁组；根据序贯器官衰竭评分（SOFA）基线值分为>3分和≤3分组。计算患者APACHEⅡ评分的每日测量值，以患者入重症监护病房（ICU）14 d内全因死亡为结局指标，获取患者的生存状态和生存时间。建立纵向数据与生存数据的联合模型，评估多时点测量的APACHEⅡ评分对患者死亡风险的影响，并进行亚组分析。结果:在构建的多种联合模型中，仅纳入APACHEⅡ评分并考虑APACHEⅡ评分与年龄交互项的模型拟合效果较好。进一步分析显示，APACHEⅡ评分的变化受到年龄、性别、入院方式、SOFA评分基线值以及吸烟史的影响。控制上述混杂因素后，APACHEⅡ评分与重症脑卒中患者14 d全因死亡具有显著的相关性〔风险比（ HR）＝1.48，95%可信区间（95% CI）为1.31~1.66， P<0.001〕，提示APACHEⅡ评分每增加1分，患者死亡风险增加48%（95% CI为31%~66%）。亚组分析显示，对于不同类型的重症脑卒中患者，APACHEⅡ评分对SAH患者14 d死亡风险影响较大（ HR＝1.43，95% CI为1.10~1.85），而对ICH患者和IS患者14 d死亡风险的影响较小〔 HR（95% CI）分别为1.37（1.15~1.64）、1.35（1.06~1.71）〕；APACHEⅡ评分对年龄>60岁和≤60岁患者14 d死亡风险的影响差异不大〔 HR（95% CI）：1.37（1.08~1.72）比1.35（1.07~1.70）〕；与SOFA评分>3分患者相比，APACHEⅡ评分对SOFA评分≤3分患者14 d死亡风险的影响较大〔 HR（95% CI）：1.40（1.16~1.70）比1.34（1.16~1.55）〕。 结论:多时点APACHEⅡ评分是评价重症脑卒中患者死亡风险的重要指标。

现代流行病学研究中,疾病或健康相关事件的发生常难以完全用短期的暴露状态来解释.生命历程流行病学着眼于生命早期阶段的暴露因素对个人整个生命历程中的健康或疾病状况所产生的长期影响,并逐渐得到重视.当对暴露因素的病因机制及其通过其他因素产生的作用大小进行分析时,由于时间因素的存在,传统统计分析方法难以满足生命历程流行病学中病因分析的需求.本文概述了能用于生命历程病因分析的动态路径分析方法,包括该模型的结构、意义及其在生命历程流行病学病因分析中的应用.同时说明了如何准备数据、进行病因机制分析,并证明动态路径分析模型可作为生命历程流行病学中有效的病因分析工具.

目的 介绍边缘结构模型原理,并将该方法应用于具有时依性混杂变量的纵向数据中.方法 以慢性乙型肝炎(chronic hepatitis B,CHB)抗病毒治疗的初治患者随访研究为例,根据逆概率权重构建虚拟人群解决ALT和HBV DNA的时依性混杂,拟合边缘结构模型.结果 本研究所构建的边缘结构模型解决了在随访研究中时依性混杂对治疗组的影响,并有效地评估了各类CHB抗病毒药物的疗效.结论 边缘结构模型基于假设条件下能无偏地估计治疗/暴露组的效应,且弥补了传统生存分析方法在时依性混杂、删失和治疗转换问题上的不足.

在前瞻性队列研究中,经常需要对研究对象进行多次随访,其产生的多个观测值之间相互关联,常导致时依性混杂,这种情况下的数据一般不满足传统的多因素回归分析的应用条件.序列条件平均模型(SCMM)是一种可以处理时依性混杂的新方法.本文主要对SCMM的基本原理、步骤及特点进行概括.

基于纵向数据的因果推断,进而评价药物安全性与有效性是药物流行病学的重要工作之一.但在现实研究中由于存在不同程度的混杂,无法直接计算药物效应值.混杂中时依性混杂最为常见,却难以通过常规方式消除影响.除了混杂因素,在一些试验中暴露因素同样具有时依性.本文基于领域相关研究,试图对时依性变量的种类进行辨析,简要介绍含时依系数的Cox回归、边缘结构模型、结构嵌套的加速失效时间模型以及序列条件平均模型基本思想与计算方法,总结4种方法的优缺点与应用方向,以期为科研人员在分析中对时依性变量控制有所借鉴与启示.

目的:探索国际转移肾癌数据库联盟(International mRCC Database Consortium,IMDC)危险分层以外可以独立预测减瘤性肾切除术后患者总体死亡风险的因素,并构建联合预测模型,以指导手术适应证选择.方法:回顾性分析来自国际减瘤性肾切除术临床研究协作组(International Consortium of Clinical Research on Cy-toreductive Nephrectomy)全球13个医学中心减瘤性肾切除术治疗转移性肾癌264例患者资料,中位年龄63岁,男性占比73.9％,66.7％的患者合并肺转移,26.5％的患者合并骨转移,寡转移患者占比73.3％,IMDC中高危占比63.3％.基于Cox多因素分析结果构建减瘤性肾切除术后患者总体死亡风险的临床预测模型,并计算IM-DC模型和联合模型的C-index值.基于纳入模型的变量系数间比例关系进行半定量赋值,绘制新模型不同分值患者队列的生存曲线并进行log-rank检验,分析新纳入变量在IMDC危险分层不同亚组的预测价值.计算新模型预测3年死亡风险的时依性ROC曲线下面积.结果:开放手术占比68.9％,术后病理学肿瘤最大径中位9(7.1,12.3)cm,透明细胞癌占81.8％,手术切缘阳性率6.1％,清扫淋巴结阳性率47.7％,二期手术行转移灶切除比例为8.3％.中位随访27.5(15.1,46.4)个月,随访期内死亡110例,总体死亡率41.7％.Cox多因素回归结果显示,IMDC危险分层和寡转移状态(Oligo-metastasis,影像学评估转移病灶数不超过5个,HR=2.089,96％CI:1.390～3.139,P＜0.001)是患者术后总体死亡风险的独立预测因素.IMDC模型C-index值为0.598,IMDC-Olig联合模型C-index值为0.645.IMDC不同危险分层的亚组分析显示,在IMDC中危组和高危组,是否为寡转移两组患者术后总体死亡风险差异均有统计学意义(P＜0.05,高危组差异仅限于1年生存率),IMDC低危组两者差异无统计学意义(P＞0.05).结论:IMDC-Olig模型可以很好地对IMDC中高危组患者基于总体死亡风险进行再分层,可作为手术适应证选择的重要参考.