Improving Survival Predictions in Breast Cancer Patients Using Joint Modelling of Longitudinal and Time to Event Data

Abstract: In this paper, we improve breast cancer survival prediction accuracy by developing a statistical framework joint model (JM) that integrates longitudinal biomarker measurements (modeled via linear mixed effects, LME) ,and time to event outcomes (analyzed using cox proportional hazards, COX.PH). The association between these processes is quantified through joint modeling techniques. Using clinical cohort data analyzed in R, we demonstrate that JMs yield statistically significant improvements in predictive precision over conventional separate analyses, providing clinically meaningful stratification for individualized oncology care. Our findings underscore the superiority of joint models in survival analysis applications.

الهدف الرئيسى لهذه الورقة البحثية هو تحسين دقة التنبؤ ببقاء النساء المصابات بسرطان الثدي على قيد الحياة وذلك باستخدام نماذج مشتركة تجمع بين البيانات الطولية (قياسات المؤشرات الحيوية المتكررة) وبيانات الوقت حتى وقوع الحدث (الوقت حتى الوفاة). يتم استخدام نموذج التأثيرات الخطية المختلطة (LME) لتحليل البيانات الطولية ، ونموذج كوكس للمخاطر النسبية (COX.PH) لتحليل نتائج البقاء. ثم يتم توحيد هذه النماذج باستخدام تقنيات النماذج المشتركة (JM) لتحليل العلاقة بين البيانات الطولية وبيانات البقاء. يُجرى التحليل باستخدام لغة البرمجة R. تُظهر النتائج أن النماذج المشتركة توفر تنبؤات أكثر دقة وأهمية طبية خاصة في تطبيقات تحليل البقاء على قيد الحياة مقارنةً بالتحليلات المنفصلة، مما يوفر رؤى قيّمة لرعاية مرضي سرطان الثدي.