论文摘要：

Given the rising complexity and burden of multimorbidity, it is crucial to provide evidence-based support for managing multimorbidity-related clinical outcomes. This study introduces a dynamic network approach to investigate conditional and time-varying interconnections in disease-specific clinical outcomes. Our method effectively tackles the issue of zero inflation, a frequent challenge in medical data that complicates traditional modeling techniques. The theoretical foundations of the proposed approach are rigorously developed and validated through extensive simulations. Using Taiwan’s health administrative claims data from 2000 to 2013, we construct 14 yearly networks that are temporally correlated, featuring 125 nodes that represent different disease conditions. Key network properties, such as connectivity, module, and temporal variation are analyzed. To demonstrate how these networks can inform multimorbidity management, we focus on breast cancer and analyze the relevant network structures. The findings provide valuable clinical insights that enhance the current understanding of multimorbidity. The proposed methods offer promising applications in shaping treatment strategies, optimizing health resource allocation, and informing health policy development in the context of multimorbidity management.

发表截图：

作者介绍

梅好，中国人民大学统计学院讲师、杰出青年学者，2021年博士毕业于美国耶鲁大学生物统计专业，曾就职于耶鲁纽黑文医院临床实效研究中心、腾讯医疗健康事业部。主要研究方向为临床试验设计、网络数据分析、电子健康复杂数据建模等统计学方法研究及其在在医疗健康、决策预测等领域的应用。

肖浩楠，爱荷华州立大学统计学院博士研究生，2024年硕士毕业于中国人民大学统计学院。主要研究方向包括高维统计，网络数据分析，函数型数据分析，因果推断等。

谢邦昌，辅仁大学前副校长，辅仁大学人工智能发展中心主任，台湾人工智能发展学会理事长，主要研究领域为大数据分析、数据挖掘及生物统计等。擅长大数据分析、人工智能、抽样调查、生物统计、预测模型、数据挖掘，协助辅大医院及其他合作医院向智慧医疗领域迈进，精通AI技术、人才培养与智慧医疗。

乔冠中，清华大学第一附属医院骨科主治医师，清华大学外科学硕士。主要从事创伤骨科，脊柱外科相关临床工作。

李扬，中国人民大学吴玉章特聘教授、博士生导师，学校交叉科学学术委员会副主任、学校学位评定委员会委员，入选国家级青年人才项目；担任国际统计学会Elected Member、中国商业统计学会副会长、中国统计学会常务理事、中国现场统计研究会常务理事、北京生物医学统计与数据管理研究会监事长等；主要从事模型选择与不确定性评价、复杂调查设计与分析、潜变量建模、试验设计与推断等领域研究，在国内外知名期刊发表论文八十余篇，承担国家自然科学基金、教育部重大项目、全国统计科学研究重大项目等。