多发性硬化症复发事件分析：新型统计模型助力精准评估，开启诊疗新篇

许多研究用传统方法分析多发性硬化症（MS）复发事件存在缺陷。研究人员开展了多发性硬化症复发事件模型的文献综述及应用研究。结果显示，复发事件模型比传统方法估算更精准，意义在于能避免信息丢失，提高估算效果的准确性。

　　多发性硬化症（MS）患者易经历残疾进展和复发等复发事件。不少研究仍用 Cox 比例风险模型、Poisson 模型和逻辑回归等传统方法分析 MS 事件，这些方法要么忽略后续事件，要么无法解释事件间的过度离散和相关性。本研究旨在进行文献综述，找出主要的复发事件模型，并将其应用于多发性硬化症结局评估联盟（MSOAC）的安慰剂数据库。研究共识别出 9 种主要的复发事件模型，对其进行比较后应用于 MSOAC 数据库，以评估疾病进程对扩展残疾状态量表（EDSS）评分变化次数和复发率的影响。复发事件方法比传统方法能提供更精确的估计。尽管临床 MS 结局的通用和特定事件估计值相似，但不同模型得到的参数估计解释存在差异。医学研究人员在统计方案中应优先采用复发事件方法，避免信息损失，提高估计效应的准确性。