人类认识世界往往首先将被认识的对象进行分类，分类学变成了人类认识世界的基础科学。在医学研究中，常存在潜在的亚人群在临床症状、行为模式等方面具有相似的特征或变化趋势。在横断面数据中表现为亚人群内部变量值接近，在纵向数据中表现为亚人群内部变量随时间变化趋势相似。为了能够更精确识别个体特征的异质性和潜在亚人群，可采用潜变量混合模型（latent variablemixture modeling，LVMM）的分析方法。相较于传统方法，LVMM基于个体数据，可清晰识别个体间的相似性和差异性，并据此将人群分为若干潜在亚人群，每个亚人群具有独特的变量/趋势特征。其“潜变量”指那些未测量的，需要从已测量变量中推断的变量，可分为连续型和分类型；“混合”即变量分布是由有限数量的亚人群混合而成，这也是LVMM的基本假设。用于区分个体属于哪个亚人群的分组变量称为分类型潜变量。用于反映指标变量随时间变化动态过程的变量称为连续型潜变量，例如决定曲线变化趋势的截距和斜率。2001年，Muthen提出了LVMM框架，根据潜变量和数据的类型对建模方法进行分类。潜变量混合模型最先应用于心理和社会学领域，该领域通常研究个体行为的纵向发展轨迹，即人格发展或社会行为如何随时间推移而变化。例如：Nagin等研究青少年的攻击性行为随年龄的变化，Jackson等研究酒精依赖情况随时间的变化模式。近年来，此类方法也开始应用于医学研究领域。本研究将详细介绍常见LVMM方法的基本原理，总结基本建模流程，并结合实际案例对LVMM在医学领域的应用进行解析。
引用本文
李秉哲，姜棋竞，卢珍珍, 等. 潜变量混合模型原理及其在临床研究中的应用价值. 中国循证医学杂志, 2024, 24(10): 1224 - 1230. DOI：10.7507/1672-2531.202402003
免费获取全文请复制链接在浏览器中打开、或扫描下方二维码、或联系本刊官邮editor@cjebm.com。
原文链接：
https://www.cjebm.com/article/10.7507/1672-2531.202402003
二维码：
点击下方“阅读原文”查看我刊更多内容
