《Statistics in Medicine》：Joint Models of Two Longitudinal Biomarkers and Clustered Survival Data for Cluster-Informed Dynamic Prediction With Application to Periodontitis
编辑推荐：
纵向数据与时间-事件数据的联合建模已被扩展以适应多水平数据结构。在口腔医学研究中，数据常呈现多水平层次结构：每名患者拥有多颗牙齿，每颗牙齿的一种或多种生物标志物随时间重复测量。除生物标志物测量外，牙齿脱落时间在不同患者间可能存在差异，因为在其他风险因素条件下，
纵向数据与时间-事件数据的联合建模已被扩展以适应多水平数据结构。在口腔医学研究中，数据常呈现多水平层次结构：每名患者拥有多颗牙齿，每颗牙齿的一种或多种生物标志物随时间重复测量。除生物标志物测量外，牙齿脱落时间在不同患者间可能存在差异，因为在其他风险因素条件下，部分患者对牙齿脱落更易感。在本文中，研究人员考虑了连续型生物标志物探诊深度（PPD）和二分类生物标志物动度在纵向测量中的患者内和牙齿内相关性，同时考虑同一患者内不同牙齿脱落时间之间的相关性。研究人员使用贝叶斯估计对两个纵向测量和牙齿脱落风险进行联合建模，并开发了一种针对生存结局的簇信息动态预测框架，在该框架中，给定单位的预测不仅基于其自身观测历史，还基于同一簇内其他单位的观测纵向轨迹和事件结局。研究人员从区分度和校准度两方面评估预测性能，并考虑删失和多水平数据结构。模拟研究表明，与忽略多水平结构的标准双变量联合模型相比，所提出的联合模型能够产生更准确的估计和更好的预测性能。研究人员将该模型应用于从加拿大武装部队（CAF）获得的电子牙周数据。
牙周炎是一种高发的严重口腔感染，可破坏牙齿周围的支持组织，导致牙齿松动甚至脱落。准确预测牙齿脱落风险对于临床决策至关重要。牙科数据具有多水平结构：患者包含多颗牙齿，每颗牙齿的多个生物标志物随时间重复测量。这种结构导致纵向测量存在患者内和牙齿内相关，牙齿脱落时间在同一患者内也相互关联。然而，现有联合模型大多针对非聚类数据，无法直接处理此类多水平相关；涉及多个生物标志物与聚类生存结局的联合建模
