重点提示
- Bayesian联合混合效应模型（疾病进展模型，Disease Progression Model，DPM）将纤维化间质性肺疾病（fibrotic interstitial lung disease，ILD）的纵向肺功能数据与死亡风险整合分析。
- 与传统线性模型相比，DPM可减少死亡对用力肺活量（forced vital capacity，FVC）下降估计所造成的偏倚。
- 通过捕捉FVC的非线性轨迹，该模型提高了估计精度，并缩短了识别治疗效应所需的时间。
- 该方法有望优化纤维化间质性肺疾病的临床试验分析及人群特征刻画。
研究背景
纤维化间质性肺疾病（interstitial lung diseases，ILDs）是一组异质性慢性肺部疾病，其特征为进行性纤维化，最终导致肺功能持续下降。用力肺活量（forced vital capacity，FVC）在临床试验中被广泛用作替代终点，因为FVC下降与疾病严重程度及预后密切相关。然而，这类疾病同时伴有显著死亡风险，使肺功能的纵向评估更加复杂，因为FVC较低的患者死亡风险更高，若分析中未纳入死亡因素，便可能产生偏倚。准确刻画肺功能下降轨迹及其与死亡风险的并行关系，对于评估治疗疗效、判断预后以及优化患者管理至关重要。
研究设计
作者构建了一个Bayesian联合混合效应疾病进展模型（Disease Progression Model，DPM），可同时对时间依赖性的FVC轨迹及ILD相关死亡风险进行建模。该建模方法采用弱信息先验分布，以避免施加过强假设，同时整合生存数据与纵向肺功能测量结果。DPM回顾性应用于来自前瞻性队列研究的纤维化ILD个体患者数据，这些数据汇总自不同研究，涵盖了疾病严重程度各异的广泛患者人群。该框架能够将FVC下降动力学与死亡所带来的删失效应加以区分。
主要发现
联合DPM估计的FVC年下降率为6.0%，高于仅分析FVC、采用常规线性混合效应模型所得的4.7%/年。这提示，忽略死亡因素的模型可能由于信息性删失而低估疾病进展，尤其是那些FVC快速下降且较早死亡的患者。DPM对数据的拟合更为精确，并成功再现了临床上观察到的非线性下降模式，捕捉到纤维化ILD进展中常见的加速或减速阶段。
与仅关注固定时间点较基线变化的分析策略不同，对完整纵向FVC轨迹进行建模可从单个患者身上提取更多信息。该方法降低了基线测量波动带来的变异性，并缩短了检测具有统计学意义的治疗效应所需时间，从而有望加快临床试验进程。通过联合建模死亡结局，该方法还可避免由于死亡导致的差异性脱落而引起对治疗获益或疾病进展程度的低估偏倚。
专家点评
将生存结局与重复肺功能测量相结合，解决了进行性肺部疾病中一项根本性的统计学方法学难题。既往方法常将死亡视为删失事件，但如果死亡与疾病严重程度相关，则可能就肺功能趋势得出误导性结论。Bayesian联合建模框架提供了统计学上稳健且具有临床意义的解决方案。
该模型能够灵活反映纤维化ILD的非线性进展，这与其病理生理学认识相一致，因为纤维化可能以不均匀速率进展。更高的精度有助于改进是否继续或调整治疗的临床决策，并增强临床试验检出真实治疗效应的统计效能。其局限性包括需要谨慎设定分布假设、计算复杂度较高，以及要求具备高质量、并带有死亡随访的纵向数据集。
结论
本文所提出的Bayesian联合混合效应疾病进展模型在纤维化ILD进展建模方面是一项重要进展，因为其可同时评估肺功能轨迹和死亡风险。该模型在FVC下降及治疗效应估计中降低偏倚、提高精度的能力，有助于优化临床试验设计，并可能使临床实践中的预后判断更加准确。未来研究应聚焦于在不同ILD亚型中的验证、整合更多生物标志物，以及探索其在临床试验中的前瞻性应用。
基金资助与ClinicalTrials.gov
原始研究由REMAP-ILD Consortium Investigators开展；摘要内容中未提供具体基金资助信息或试验注册信息。
参考文献
Wendelberger B, Jensen TP, Quintana M, et al. A statistical model for lung function trajectory and mortality in patients with fibrotic interstitial lung disease. Am J Respir Crit Care Med. 2026 Jul 1;212(7):1533-1547. PMID: 42085272.