生存分析与健康寿命风险建模
| 域 ID | domain.survival-analysis-healthspan-risk-modeling |
|---|---|
| C 层级 | C4 |
| 研究对象 | 死亡时间、风险函数、生存曲线、健康寿命与因果干预 |
| 持续性作用 | 把定性主张转换为可估计、可比较和可反驳的预测 |
| 证据状态 | 部分审查 |
| 仓库路径 | domains/c4-conversion-channel/survival-analysis-healthspan-risk-modeling |
生存分析与健康寿命风险建模：生存分析与健康寿命风险建模研究时间到事件、竞争风险、多状态转移、因果效应和不确定性，用于估计干预如何改变生存、疾病、失能与恢复路径。[1]
稳定对象为死亡时间、风险函数、生存曲线、健康寿命与因果干预。本域对 Human Infra 的作用性质是：测量与决策域；不直接改变风险，但决定是否能识别真实收益、伤害和证据缺口。 原模板中的持续性作用为“把定性主张转换为可估计、可比较和可反驳的预测”。
它能改变的是可测风险、功能、恢复能力、信息质量或路径可达性；它不能仅凭概念存在、机制合理或局部指标变化证明主体已获得无限寿命或连续性。
- 风险函数、生存曲线和限制平均生存时间
- 健康、疾病、失能和死亡的多状态转移
- 竞争风险、删失和失访
- 因果混杂、选择偏差和时间变化暴露
- 校准、区分度、决策曲线和外部验证
研究对象与干预/制度路线 -> 改变关键生物、功能、信息或基础设施变量 -> 改变主体状态与可恢复性 -> 改变死亡、失能、中断或路径封闭风险 -> 以预先定义的最终终点判断对主体持续性的净影响
机制链必须同时记录反方向路径：副作用、补偿反应、资源消耗、风险转移和长期未知可使局部改善不产生净收益。
- 随机试验的时间结局分析
- 队列和登记数据
- 多状态与联合模型
- 因果推断和目标试验模拟
- 个体化预测的校准与决策评估
直接依赖或共同约束：
相关技术节点：
相邻研究域：
替代路线必须按目标变量而不是按技术品牌比较；当主要路线在最终终点、安全性、可及性或维护性上失败时，应转向预防、修复、功能替代、社会支持或风险回避。
方法学成熟，但结果依赖设计、数据质量和假设；任何个体预测都有不确定性和适用范围。
不能证明：模型输出不能给出确定的个体寿命、诊断或治疗决定。
- 证据来源：衰老生物标志物验证框架2024：支持把生物年龄指标视为需要独立验证的代理量，而非寿命或疗效的自动替代终点。[2]
- 证据来源：WHO健康老龄化：健康老龄化、功能能力、内在能力与环境交互的定义[3]
- 证据来源：NIST人工智能风险管理框架1.0：支持把模型性能、数据偏差、可追溯性、人工监督、安全与部署情境同时纳入自动化科研。[4]
验证应从机制指标依次推进到组织/系统功能、患者重要结局、长期安全和真实世界可及性。未来或条件性路线不得给出虚假实现年份。
反证或降级条件包括：合格研究未改善预设终点；结果不能独立重复；只在体外或不相关动物模型成立；净风险、失能或资源负担上升；关键前置依赖在现实环境中不可满足。
- 把关联模型解释为因果
- 删失和竞争风险处理错误
- 过拟合和数据泄漏
- 只报告相对风险而忽略绝对风险与时间
- 报告模型版本、适用人群和不确定性
- 临床部署前外部验证和影响研究
- 禁止把预测用于未经审查的排除性决策
- 如何统一生存、功能和生活质量终点？
- 哪些数据足以支持动态个体模型？
- 模型部署后的反馈效应如何审计？