5.2.1 离散状态机模型：疾病阶段转换的马尔可夫链分析

文档摘要

5.2.1 离散状态机模型：疾病阶段转换的马尔可夫链分析在临床流行病学建模的深水区，我们常被一个问题反复叩问：疾病不是静止的标本，而是流动的过程；患者不是固定的角色，而是持续演化的状态载体。当我们试图用数学语言描述“早期糖尿病患者发展为肾病的风险”“HIV感染者经历CD4下降后进入AIDS期的概率”，甚至“阿尔茨海默病从轻度认知障碍（MCI）跃迁至痴呆阶段的时间路径”——这些本质上离散、不可逆、依赖当前状态而非历史全貌的演化过程，究竟该用哪把钥匙去开启？答案不是微分方程，不是回归拟合，而是一套古老却历久弥新的工具：离散时间马尔可夫链（Discrete-Time Markov Chain, DTMC）。