光华讲坛——社会名流与企业家论坛第 期

主 题：Modeling biomarker variability in joint analysis of longitudinal and survival data纵向和生存数据联合分析中的生物标志物变异性建模

主讲人：北京师范大学-香港浸会大学联合国际学院潘建新教授

主持人：统计学院林华珍教授

时间：2023年6月6日（周二）下午16:00-17:00

举办地点：柳林校区弘远楼408会议室

主办单位：统计研究中心和统计学院 科研处

主讲人简介：

潘建新，讲席教授、北师港浸大协理副校长（国际发展）、理工科技学院院长。2021年9月加盟北师港浸大前是英国曼彻斯特大学终身教授。潘教授曾任英国洛桑实验中心博士后研究员（1996-1999）、英国圣安德鲁斯大学助理研究员（1999-2000），英国基尔大学讲师（2000-2002）。2002年起任职于英国曼彻斯特大学，历任讲师（2002）、高级讲师（2004）、Reader（2005），2006年被聘为终身教授，曾任曼彻斯特大学数学学院概率统计系系主任，学院领导班子成员，及数学学院国际事务处主任。

潘教授的研究领域包括统计建模、统计学习、数据科学及其在医学、公共健康、金融及工业上的应用。在统计学及交叉学科期刊上发表学术论文130余篇，由Springer出版社及Science Press出版社出版学术专著3部。原创性地提出方差结构建模的理论与方法、纵向数据与生存数据联合建模的新方法、生长曲线模型的系统性方法。获得英国和欧盟研究基金委在内的多个研究基金支持。

潘教授是英国皇家统计学会会士（RSS Fellow）、国际统计学会选举会员(ISI Elected Member)、英国数据科学与人工智能研究院图灵研究员(Turing Fellow)，曾任英国皇家统计学会曼彻斯特分会主席，是Biometrics (2008-2018), Biostatistics and Epidemiology (2013-), Biometrical Journal (2016-), Journal of Multivariate Analysis (2019-) 和 Electronic Journal of Statistics (2022-) 等多个统计学期刊编委 (Associate Editor)。

内容简介：

The role of visit-to-visit variability of biomarker in predicting related disease has been recently recognized in medical science. Existing measures of biological variability are criticized for being entangled with random variability resulted from measurement error or being unreliable due to a limited number of measurements for each individual. We propose a new measure to quantify the biological variability of biomarker by evaluating the fluctuation of each individual-specific trajectory behind longitudinal processes. Given a mixed-effects model for longitudinal data with the mean function over time specified by cubic splines, the proposed variability measure can be expressed mathematically as a quadratic form of random effects. A Cox-type model is proposed for time-to-event data by incorporating the defined variability as well as the current level of the underlying longitudinal trajectory as covariates, which constitutes the joint modelling framework. Asymptotic properties of maximum likelihood estimators are established for the new joint model. Parameter estimation is implemented via an EM algorithm with fully exponential Laplace approximation to reduce the computation burden due to the increasing dimension of random effects. Simulation studies are conducted to reveal the advantage of the joint modelling method over the two-stage method. We apply the proposed model to investigate the effects of systolic blood pressure variability on cardiovascular events by analyzing an elderly trial data, which motivates actually this research work.

生物标志物的随诊间变异性在预测相关疾病中的作用近年来已在医学上得到认可。现有的生物变异性测量方法被批评为与测量误差引起的随机变异性纠缠在一起，或者由于每个个体的测量次数有限而不可靠。主讲人提出了一种新的测量方法，通过评估纵向过程背后每个个体特定轨迹的波动来量化生物标志物的生物学变异性。给定纵向数据的混合效应模型，其随时间变化的平均函数设定为三次样条形式，所提出的变异性度量在数学上可以表示为随机效应的二次形式。通过将定义的变异性和潜在纵向轨迹的当前水平作为协变量，提出了时间-事件数据的Cox模型，组成了联合建模框架。对新联合模型建立了极大似然估计量的渐近性质。参数估计采用全指数拉普拉斯近似的EM算法来实现，以减少随机效应维数增加带来的计算量。模拟研究揭示了联合建模方法相对于两步方法的优势。主讲人通过分析老年人试验数据，应用所提出的模型来研究收缩压变异性对心血管事件的影响，该问题实际上激发了这项研究工作。