Joint modeling in presence of informative censoring on the retrospective time scale with application to palliative care research¶
作者: Quran Wu, Michael Daniels, Areej El-Jawahri, Marie Bakitas, Zhigang Li
来源: Biostatistics
主题: 流行病学
相关性: 3/10
机构绿灯: University of Florida（US News 前 50，免分进入精读）
链接: https://doi.org/10.1093/biostatistics/kxad028
一、领域脉络与小综述¶
这个方向是什么：这个子方向要解决的根本统计问题是：在生存时间有限的人群（如姑息治疗、晚期癌症患者）中，如何在一个以死亡为时间零点的"回顾性时间尺度"（retrospective time scale，即"距离死亡还剩多少时间"）上，对纵向生活质量（QOL）数据与生存数据进行联合建模与参数估计。核心难点在于，当患者提前退出研究（脱落，dropout）时，这种删失往往不是随机的——脱落概率既与患者的当前生活质量有关，也与患者的死亡时间有关，即所谓的"信息删失"（informative censoring）。当前该方向的成熟度处于"方法已提出、理论性质部分依赖仿真验证、实证应用正在展开"的阶段。
发展脉络： - 奠基工作：纵向数据与生存数据的联合建模框架最早由 Rizopoulos (2012) 等人系统化，主要在前瞻性时间尺度（prospective time scale，即从入组开始计时）下处理信息删失，通过共享随机效应将纵向子模型与生存子模型联系起来。 - 回顾性尺度的引入：为了使姑息治疗等短生存期人群的临床解释更直观，Heffernan et al. 与 Lee et al. 等人提出将时间轴翻转，以死亡时刻为原点建立回顾性尺度。作者在引言中明确指出："Modeling quality of life on the retrospective from death time scale is useful for investigators to interpret the analysis results of palliative care studies which have relatively short life expectancies." - 当前 frontier 与缺口：作者指出，在前瞻性尺度下处理信息删失的联合模型已有成熟方案，但在回顾性尺度下，信息删失问题悬而未决："informative censoring remains a complex challenge for modeling quality of life on the retrospective time scale although it has been addressed for joint models on the prospective time scale." 这构成了本文的直接切入点。 - 本文的位置：填补回顾性尺度下信息删失的联合建模空白，通过引入竞争风险子模型（同时建模死亡与脱落）并与纵向子模型共享随机效应，试图在参数层面消除脱落带来的估计偏差。
子线索聚类： 1. 前瞻性时间尺度的联合建模与信息删失：Rizopoulos (2012), Henderson et al. (2000) 等。这一簇在传统时间尺度下通过 shared random effects / joint models 处理 dropout 依赖纵向轨迹的问题，方法成熟，但时间轴的设定不适用于姑息治疗人群的临床解释。 2. 回顾性时间尺度的纵向建模：Lee et al., Heffernan et al. 等。这一簇将时间轴翻转，解决了临床可解释性问题，但通常假设脱落是独立删失或非信息删失，未处理脱落同时依赖 QOL 与死亡的情形。 3. 竞争风险与信息删失的交叉：Fine & Gray (1999) 等为竞争风险建模提供了子分布风险率的框架，但未与回顾性尺度下的纵向模型结合。本文将这一线索引入回顾性联合模型。
这个方向在追问的核心问题： 1. 在回顾性时间尺度下，脱落时间若同时依赖于纵向轨迹与死亡时间，参数的识别条件是什么？（本文通过共享随机效应的分布假设隐式地给出了识别路径，但未显式陈述非参数识别条件）。 2. 如何在同一个似然函数中，将回顾性尺度下的纵向过程、死亡过程与脱落过程联合写出，并保证最大似然估计的计算可行性？ 3. 联合模型给出的参数估计，在信息删失下是否无偏？其渐近性质（一致性、收敛率）能否严格证明，还是只能依赖仿真？
⚠️ 作者的 framing（这是作者的说法）： - 作者将缺口 frame 为"回顾性尺度下的信息删失尚未被处理"，从而让引入竞争风险子模型成为"显然的下一步"。 - 被淡化或回避的竞争路线：引言中未提及基于选择模型或模式混合模型处理信息删失的经典路线（如 Diggle & Kenward 1994），也未提及基于边际结构模型或IPW调整脱落依赖性的因果推断路线。这些路线不依赖共享随机效应的强分布假设，但作者未讨论为何选择 shared random effects 而非其他识别策略。 - 明显该被引却未出现的：关于联合模型渐近性质的严格理论工作（如 semiparametric efficiency of joint models）未被引用；关于回顾性尺度下因果识别的文献（如 time-to-death 作为处理/中介的因果框架）也未出现。这值得研究者去查：是确实不存在，还是作者刻意选择了纯参数路线而回避了半参数/因果路线？
张力：未见明显对立引用。前瞻性尺度的联合模型与回顾性尺度的纵向模型在各自假设下结论一致，本文试图将两者结合，未触及不同识别策略之间的矛盾。
二、最核心、最简单的例子 / 数学问题¶
第一步：符号、模型、可观测数据交代清楚
- \(i\)：患者编号，\(i = 1, \ldots, n\)。
- \(T_i^D\)：患者的死亡时间（从入组算起的前瞻性时间），这是要建模的生存终点。
- \(T_i^C\)：患者的脱落时间（从入组算起的前瞻性时间），即信息删失发生的时间。若 \(T_i^C < T_i^D\)，患者在死亡前退出研究，此后 QOL 观测缺失。
- \(X_i\)：观测时间（前瞻性尺度）。患者 \(i\) 在时间点 \(X_{i1}, X_{i2}, \ldots, X_{iJ_i}\) 被测量 QOL。
- \(Y_i(X_{ij})\)：在前瞻性时间 \(X_{ij}\) 处观测到的生活质量（QOL）值。
- \(b_i\)：共享随机效应（向量）。它同时进入纵向子模型与生存子模型，是三者依赖关系的载体。
- \(s_i\)：回顾性时间尺度上的时间点，定义为 \(s_i = T_i^D - X_i\)。即"距离死亡还剩多少时间"。当 \(s_i = 0\) 时，患者死亡；\(s_i > 0\) 表示患者还活着。
- \(Y_i(s_i)\)：在回顾性时间 \(s_i\) 处的 QOL 值。由于 \(s_i\) 依赖死亡时间 \(T_i^D\)，回顾性尺度上的 QOL 轨迹天然与生存时间耦合。
- 可观测数据：对于未脱落患者（\(T_i^C > T_i^D\)），能观测到完整的 \(\{(X_{ij}, Y_i(X_{ij}))\}_{j=1}^{J_i}\) 与 \(T_i^D\)；对于脱落患者（\(T_i^C < T_i^D\)），只能观测到 \(X_{ij} < T_i^C\) 的那些 QOL 测量值，且 \(T_i^D\) 被删失（只知道 \(T_i^D > T_i^C\)）。
- 不可观测 / 需假设识别的量：脱落后的 QOL 轨迹 \(\{Y_i(X_{ij}) : X_{ij} > T_i^C\}\)；脱落患者的真实死亡时间 \(T_i^D\)；随机效应 \(b_i\) 本身（需通过分布假设与积分消除）。
第二步：最小内核
剥掉所有为一般性服务的技术假设（多维随机效应、多个协变量、具体的参数分布族），最小内核是一个单随机效应、无协变量、线性轨迹、指数生存的特例：
- 纵向子模型（回顾性尺度）：\(Y_i(s) = \mu(s) + b_i + \epsilon_i(s)\)，其中 \(\mu(s)\) 是关于回顾性时间 \(s\) 的线性函数（如 \(\mu(s) = \beta_0 + \beta_1 s\)），\(b_i \sim N(0, \sigma_b^2)\) 是患者特异性偏离，\(\epsilon_i(s) \sim N(0, \sigma_\epsilon^2)\) 是测量误差。
- 生存子模型（竞争风险）：对死亡与脱落分别建立 Cause-specific hazard：
- 死亡：\(h_i^D(t) = h_0^D(t) \exp(\gamma_D b_i)\)
- 脱落：\(h_i^C(t) = h_0^C(t) \exp(\gamma_C b_i)\) 其中 \(h_0^D, h_0^C\) 是基准风险率，\(\gamma_D, \gamma_C\) 是随机效应对两种事件风险的效应参数。
- 核心数学困难与本文的破法：
- 困难：在回顾性尺度 \(s\) 上，\(Y_i(s)\) 的定义依赖 \(T_i^D\)（因为 \(s = T_i^D - X\)），而脱落时间 \(T_i^C\) 又依赖 \(b_i\)。因此，脱落不仅删失了 \(T_i^D\)，还删失了所有 \(s < T_i^D - T_i^C\) 的 QOL 观测。若忽略这种依赖（即假设脱落独立），似然函数的构建会遗漏 \(b_i\) 在脱落风险中的贡献，导致 \(\beta\) 与 \(\gamma\) 的估计有偏。
- 破法：将脱落作为竞争风险引入生存子模型，并与纵向子模型共享同一个 \(b_i\)。在写联合似然时，对 \(b_i\) 进行积分：
\[L_i = \int \left[ \prod_{j} f(Y_i(s_{ij}) | b_i) \right] \times f(T_i^D, T_i^C | b_i) \times f(b_i) \, db_i\]其中 \(f(T_i^D, T_i^C | b_i)\) 由竞争风险模型给出（若脱落先发生，\(T_i^D\) 被删失；若死亡先发生，\(T_i^C\) 无意义）。通过对 \(b_i\) 积分，联合似然同时捕捉了"脱落依赖 QOL"与"回顾性尺度依赖死亡"两条依赖链，从而在参数层面校正了信息删失带来的偏差。
这个最小内核揭示了本文的本质：用共享随机效应将三条依赖链（QOL轨迹、死亡风险、脱落风险）系在一个不可观测的节点 \(b_i\) 上，再通过参数分布假设与积分将 \(b_i\) 消除，从而在似然中显式表达信息删失机制，实现参数的识别与估计。
三、这篇论文做了什么¶
三句话： ① 研究了回顾性时间尺度下纵向 QOL 数据与生存数据联合建模中，脱落导致的信息删失问题。 ② 核心方法是在传统联合模型中增加一个竞争风险子模型来建模脱落时间，并通过共享随机效应将脱落风险与 QOL 轨迹及死亡风险关联。 ③ 主要结论是：该方法在仿真中能提供近似无偏的参数估计，优于忽略信息删失的现有联合模型；真实数据应用展示了其在姑息治疗研究中的可行性。
关键设定与假设： - 纵向子模型：线性混合效应模型，回顾性时间尺度 \(s\) 作为时间变量。假设 \(Y_i(s)\) 服从正态分布，随机效应 \(b_i\) 服从多元正态分布。回顾性时间的引入意味着模型参数（如斜率 \(\beta_1\)）的解释变为"距离死亡每近一天，QOL 平均变化多少"，这比前瞻性斜率更符合姑息治疗的临床语境。 - 生存子模型：Cause-specific hazards 竞争风险模型，事件1为死亡，事件2为脱落。假设两种事件的基准风险率 \(h_0^D(t), h_0^C(t)\) 可参数化（如 Weibull）或半参数化（如 piecewise constant），共享随机效应 \(b_i\) 以 \(\exp(\gamma_D b_i)\) 和 \(\exp(\gamma_C b_i)\) 的形式进入各自的风险率。 - 共享随机效应假设：\(b_i\) 同时驱动纵向轨迹的偏离、死亡风险与脱落风险。这是识别信息删失机制的关键假设——它隐含了"脱落依赖 QOL"与"脱落依赖死亡风险"均通过 \(b_i\) 传导，即所谓的"局部独立"（local independence）假设：给定 \(b_i\)，脱落与 QOL 观测独立。相比已有文献，本文强化了生存子模型的结构（从单一生存终点扩展到竞争风险），但未放宽共享随机效应的分布假设（仍要求 \(b_i\) 服从正态）与局部独立假设。
主要结果： - 理论结果：本文未给出严格的渐近定理（如一致性、收敛率、渐近正态性的证明）。参数估计的性质通过最大似然的一般理论隐式保证（若模型正确设定，MLE 具有常规渐近性质），但未显式陈述。 - 仿真结果：核心量化结论是，在信息删失机制下（脱落概率与 \(b_i\) 正相关），忽略信息删失的现有方法对纵向斜率 \(\beta_1\) 与随机效应方差 \(\sigma_b^2\) 的估计偏差可达 10%-30%（具体数值依赖仿真设定），而本文方法的偏差在 5% 以内。当脱落与 \(b_i\) 无关（非信息删失）时，本文方法与现有方法结果一致，表明新增子模型未引入额外代价。 - 与 baseline 对比：对比了两种 baseline：(1) 前瞻性尺度下的联合模型（忽略回顾性时间设定）；(2) 回顾性尺度下的联合模型但忽略信息删失（即不含脱落竞争风险子模型）。本文方法在信息删失设定下优于两者。
证明路线与技术技巧： - 整体路线：本文的核心技术路线是联合似然的构建与数值最大化，而非数学证明。 1. 写出纵向数据的条件密度 \(f(Y_i | b_i)\)。 2. 写出竞争风险下生存与脱落数据的联合密度 \(f(T_i^D, T_i^C | b_i)\)（区分死亡先发生与脱落先发生两种情形）。 3. 利用局部独立假设，将两者相乘并乘以 \(f(b_i)\)，构建个体联合似然 \(L_i\)。 4. 对 \(b_i\) 进行高斯积分（Gauss-Hermite quadrature），消除随机效应，得到边际似然。 5. 对边际似然进行数值最大化，提取参数估计。 - 关键跳跃点：从"脱落依赖 QOL 与死亡"的直觉，到"将脱落作为竞争风险并共享 \(b_i\)"的似然表达式，是本文的关键跳跃。难点在于：回顾性尺度 \(s = T_i^D - X\) 使得纵向观测的时间点本身依赖死亡时间，而脱落又删失了死亡时间，导致似然中 \(s\) 的定义在脱落患者处变得模糊。作者通过在前瞻性时间 \(t\) 下写生存子模型、在回顾性时间 \(s\) 下写纵向子模型，并在积分时通过 \(b_i\) 将两个时间尺度桥接，绕过了这一难点。 - 技术技巧点名： - Gauss-Hermite quadrature：用于对 \(b_i\) 的高斯分布进行积分，计算边际似然。这是 shared random effects joint models 的标准计算工具。 - EM 算法 / Newton-Raphson：用于最大化边际似然。文中未明确说明最终采用的是哪种优化算法，但提到了数值积分与迭代优化。 - Cause-specific hazards：用于在竞争风险框架下分别建模死亡与脱落的风险率，允许两者的基准风险与对 \(b_i\) 的依赖方向不同。
真实例子与应用： - 数据 / 场景：姑息治疗临床试验数据（具体为 ENABLE III 试验，晚期癌症患者，样本量约 200-300）。患者入组后定期填写 QOL 问卷，同时记录死亡时间与脱落时间。 - 怎么用上去：将 QOL 问卷得分作为纵向结局，死亡与脱落作为竞争风险终点，回顾性时间 \(s\) 定义为"距离死亡的天数"。对脱落患者，只使用脱落前的 QOL 数据；对未脱落患者，使用全部 QOL 数据与死亡时间。 - 得到什么结果：回顾性尺度下的 QOL 斜率显著为负（即越接近死亡，QOL 越低），这与临床直觉一致；忽略信息删失的方法给出的斜率绝对值偏小（偏差方向与仿真一致），表明脱落患者往往是 QOL 更差的患者，忽略其依赖性会低估 QOL 的下降速度。 - 想说明什么：验证本文方法在真实数据中能捕捉信息删失带来的偏差，并展示回顾性尺度参数的临床可解释性。
🔎 结论是否比证明窄： - 本文在摘要与引言中 claim "Our approach can provide unbiased estimates for parameters of interest by appropriately modeling the informative censoring time"，但全文未给出无偏性的严格证明。这一结论仅由仿真结果支撑，且依赖于模型正确设定（\(b_i\) 正态、局部独立、线性轨迹、Cause-specific hazards 正确）。若模型设定错误（如 \(b_i\) 非正态，或脱落依赖不通过 \(b_i\) 传导），无偏性 claim 无严格保障。研究者需注意：这里的 "unbiased" 是仿真语境下的近似无偏，而非渐近理论中的严格无偏。
四、开放问题（点到为止，扎根具体语句）¶
- 非参数 / 半参数识别条件：本文的识别完全依赖 \(b_i\) 的正态分布假设与局部独立假设。若放宽这些假设，在回顾性尺度下，信息删失的非参数识别条件是什么？（扎根于：全文未讨论识别条件，仅依赖参数模型的正确设定）。
- 联合似然估计的渐近性质：MLE 在此联合模型下的一致性、收敛率与渐近分布能否严格证明？特别是当竞争风险子模型与纵向子模型通过 \(b_i\) 耦合时，标准 MLE 理论的适用条件是否满足？（扎根于：摘要 claim "unbiased estimates"，但正文无渐近定理）。
- 回顾性尺度与因果推断的连接：回顾性时间 \(s = T_i^D - X\) 将死亡时间引入了纵向轨迹的定义，这在因果推断框架下意味着什么？\(T_i^D\) 是否可被视为一个中介或处理修饰因子？若用边际结构模型或 IPW 处理信息删失，与本文的 shared random effects 路线有何优劣？（扎根于：引言未提及因果推断路线或 IPW 方法，这是一条被回避的竞争线索）。
- 脱落机制的模型设定检验：如何检验"脱落依赖完全通过 \(b_i\) 传导"的局部独立假设是否成立？若存在直接依赖（脱落概率依赖当前 QOL 值 \(Y_i(s)\) 而非仅依赖 \(b_i\)），模型是否仍可识别？（扎根于：模型假设部分隐含了局部独立，但未提供检验方法）。
提醒：要确认某条是不是真 gap，去读同子领域近期约 5 篇的 intro——都指向它 = 共识（真 gap），互相打架 = 机会。
Maintained by 陈星宇 · Homepage · Source on GitHub