[論文レビュー] Joint analysis for multivariate longitudinal and event time data with a change point anchored at interval-censored event time

Yue Zhan, Cheng Zheng+1 more|arXiv (Cornell University)|Feb 16, 2026

Genetic Neurodegenerative Diseases被引用数 0

ひとこと要約

この論文は、区間検出された発症時点を-change pointとして固定した multivariate longitudinal バイオマーカーの2段階結合モデルを開発し、Huntington病（PREDICT-HD）データに適用して認知-運動の進行を研究する。

ABSTRACT

Huntington's disease (HD) is an autosomal dominant neurodegenerative disorder characterized by motor dysfunction, psychiatric disturbances, and cognitive decline. The onset of HD is marked by severe motor impairment, which may be predicted by prior cognitive decline and, in turn, exacerbate cognitive deficits. Clinical data, however, are often collected at discrete time points, so the timing of disease onset is subject to interval censoring. To address the challenges posed by such data, we develop a joint model for multivariate longitudinal biomarkers with a change point anchored at an interval-censored event time. The model simultaneously assesses the effects of longitudinal biomarkers on the event time and the changes in biomarker trajectories following the event. We conduct a comprehensive simulation study to demonstrate the finite-sample performance of the proposed method for causal inference. Finally, we apply the method to PREDICT-HD, a multisite observational cohort study of prodromal HD individuals, to ascertain how cognitive impairment and motor dysfunction interact during disease progression.

研究の動機と目的

• longitudinal cognitive biomarkersと interval-censored motor onset timeの結合モデリングを用いて prodromal Huntington’s disease progressionを動機づける。
• onset timeの区間検出を取り入れた biomarker trajec­toriesに change point を許す causal な2段階結合モデリングフレームワークを開発する。
• spline-based semiparametric sieve maximum likelihoodと適応的 Newton-Raphson アルゴリズムおよび bootstrap SEs による推定を提供する。
• シミュレーションで有限サンプル性能を評価し、PREDICT-HD コホートへ適用して認知と運動開始の相互作用を推定する。

提案手法

• onset 前の Biomarker trajec­tories を M_infty(t)、 onset 後を M_E(t) とする2段階構造へ拡張し gamma を E にアンカーとして変更点を組み込む。
• onset 時間のハザードを baseline lambda_0(t) と共変量効果 theta_X, theta_A, theta_M でモデリングする。
• baseline ハザードは cubic monotone B-spline 基底で推定し、再パラメータ化で単調性を課す。
• interval-censored onset times は (V, U] の積分で扱い、Delta が区間内の観測 onset を示す。
• パラメータは Fisher scoring アルゴリズムと line search、時間積分に Gauss-Legendre 求積、ランダム効果に Gauss-Hermite 求積を用いて計算する。
• score の有限差分近似と bootstrap (B=50) で標準誤差を推定し、 JM パッケージを用いて別個の縦断および生存フィットから初期値を構築する。

実験結果

リサーチクエスチョン

• RQ1 Prodromal HD での認知低下が複数領域で運動初出時点の時間を予測するか？
• RQ2 運動初出がその後の認知低下の加速をもたらす change point として働くか？
• RQ3 区間検出された onset を含む2段階結合モデルはこれらの関係について偏りのない推定を提供できるか？
• RQ4 CAP、年齢、教育、性別などのベースライン共変量がこのフレームワーク内で認知軌跡と onset リスクにどのように影響するか？

主な発見

• PREDICT-HD の分析では CAP を調整した後でも sydigtot は HD 発症を有意に予測した (HR=0.955, p=0.021)。
• Stroopwo では onset リスクに対して弱い、非有意な傾向だった (HR=0.981, p=0.0624)。
• ベースライン CAP (1単位/100スケールごと) は onset を強く予測した (HR=2.159, p<0.0001)。
• change-point 効果 gamma は両バイオマーカーで高度に有意かつ負であり、sydigtot (gamma=-1.288, p<0.0001) および stroopwo (gamma=-2.206, p<0.0001) により onset 後の低下が加速することを示す。
• 縦断過程のランダム効果項は生存モデルでは非有意だった（p値: 0.976, 0.592）、関連は縦断軌道自体によって駆動されることを示唆。
• シミュレーション結果はバイアスが無視でき、ブートストラップSEはモンテカルロSDと一致し、95% Wald CIは適切な被覆率を持ち、nが2倍になると標準誤差は約1/sqrt(n)で減少した。