慢性病研究通常需要长期追踪患者的各项生物学和临床标志物以监测疾病进展。这些指标的变化轨迹蕴含着重要特征，对鉴别疾病风险或特定状态具有关键作用。以认知功能衰退为例，老年人群的认知衰退速率存在显著差异，这一指标对判断与衰老相关的进行性脑部疾病至关重要。然而，这类轨迹特征通常无法直接观测获得。

2025年3月20日，来自华东师范大学统计学院与统计交叉学研究院的马慧娟教授应邀莅临上海交通大学医学院临床研究中心并做题为“Dynamic Regression of Longitudinal Trajectory Features”的讲座。马慧娟教授的主要研究方向包括生存分析、分位数回归、因果推断等，在本次讲座中，她提出一种纵向数据分析方法，用于探究个体轨迹特征（LITFs, Latent Individual Trajectory Features）异质性模式。这是首个基于多层次建模理论，对LITF进行正式、普适性定义的创新研究。

讲座中，针对慢性病研究中常见的生物标志物和临床指标的纵向监测数据，马慧娟教授提出全新的动态回归分析框架，通过建立灵活的伪B样条模型来刻画潜在的个体化轨迹特征，并采用分位数回归方法将这些特征与观察到的协变量相关联，避免了传统多层次纵向模型中严格的参数分布假设。通过大量模拟验证，该方法具有良好的性能，马慧娟教授团队将该方法应用于轻度认知障碍（MCI, Mild Cognitive Impairment）患者的统一数据集，为理解MCI患者认知功能衰退的异质性特征提供了新的见解。

本次讲座为慢性病研究中的纵向数据分析提供了创新的方法学工具。马慧娟教授团队提出的动态回归框架不仅具有坚实的理论基础，还能有效捕捉疾病进展中的个体差异，为精准医学研究提供了重要的分析方法。与会人员就方法的应用场景、计算实现等问题与马教授进行了深入交流，现场学术氛围热烈。