[논문 리뷰] Joint analysis for multivariate longitudinal and event time data with a change point anchored at interval-censored event time

Yue Zhan, Cheng Zheng외 1명|arXiv (Cornell University)|2026. 02. 16.

Genetic Neurodegenerative Diseases인용 수 0

한 줄 요약

이 논문은 간격-차단된 질병 시작 시점을 고정점으로 하는 변화점을 가진 다변량 종적 바이오마커의 두 단계 결합 모델을 개발하고, Huntington’s Disease(PREDICT-HD) 데이터에 적용하여 인지-운동 진행을 연구한다.

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.

연구 동기 및 목표

• longitudinal cognitive biomarkers와 interval-censored motor onset time의 결합 모델링을 사용하여 전구 단계 Huntington’s disease 진행 연구를 동기부여한다.
• biomarker 궤적에서 onset 시간의 interval-censored 시점에 변화점을 허용하는 인과적 두 단계 결합 모형 프레임워크를 개발한다.
• 적응형 Newton-Raphson 알고리즘 및 부트스트랩 SE와 함께 스플라인 기반 준모수 삭망 최대가능도 추정법으로 추정한다.
• 시뮬레이션을 통해 유한샘플 성능을 평가하고 PREDICT-HD 코호트에 method를 적용하여 인지와 운동 시작 사이의 상호작용을 추론한다.

제안 방법

• onset 이전의 바이오마커 궤적 M_infty(t)와 onset 이후의 M_E(t) 두 단계 구조로 확장하고, 개시 시점의 gamma를 E에 고정점으로 포함한다.
• baseline lambda_0(t)와 공변량 효과 theta_X, theta_A, theta_M를 사용하여 onset 시간의 위험을 모델링한다.
• 모멘토-다항 monotone B-스플라인 기저를 이용해 기본 위험을 추정하고 재매개변수를 통해 단조성을 강제한다.
• Delta가 관측된 onset을 나타내는 간격 (V, U]에 대한 적분을 사용하여 interval-censored onset 시간을 처리한다.
• 파라미터를 Fisher 점수를 이용한 알고리즘으로 계산하고, 시간 적분에는 Gauss-Legendre 수치적분, 임의효과에는 Gauss-Hermite 수치적분을 사용한다.
• 점수의 유한 차분 근사 및 부트스트랩(B=50)을 이용한 표준오차를 사용하며, JM 패키지로 독립적으로 종적 및 생존 적합으로부터 초기값을 구성한다.

실험 결과

연구 질문

• RQ1 다중 도메인에서의 인지 저하가 전조기 HD에서 운동 시작 시간 예측에 영향을 미치는가?
• RQ2 운동 시작은 이후 인지 저하를 가속하는 변화점으로 작용하는가?
• RQ3 간격-차단된 onset를 가진 두 단계 결합 모델이 이러한 관계에 대해 편향되지 않은 추론을 제공하는가?
• RQ4 기본 공변량(CAP, 연령, 교육, 성별)들이 이 프레임워크 내에서 인지 궤적 및 onset 위험에 어떤 영향을 미치는가?

주요 결과

• PREDICT-HD 분석에서 sydigtot은 CAP를 조정한 후 HD onset를 유의하게 예측했다(HR=0.955, p=0.021).
• Stroopwo는 onset 위험에 대해 약하고 비유의적 경향을 보였다(HR=0.981, p=0.0624).
• 기본 CAP(1 단위/100 척도당)가 onset를 강하게 예측했다(HR=2.159, p<0.0001).
• 변화점 효과 gamma는 두 바이오마커 모두에서 매우 유의하고 음수였다: sydigtot(gamma=-1.288, p<0.0001) 및 stroopwo(gamma=-2.206, p<0.0001), onset 이후 저하 가속을 나타낸다.
• 종결 모형의 종속변수에 대한 임의효과 항들은 유의하지 않았으며(p-값: 0.976 및 0.592), 연관성은 종적 궤적 자체에 의해 좌우됨을 시사한다.
• 시뮬레이션 결과에서 편향이 무시할 만했고 부트스트랩 SE가 몬테카를로 SD와 일치했으며 95% Wald 신뢰구간이 적절한 피복을 보였고, n이 두 배로 증가하면 표준오차가 대략 1/sqrt(n) 감소했다.