多状态模型为描述连续时间内离散现象的演化提供了统一的框架。一个特殊的例子是马尔可夫过程，其特征是状态之间的一组时间常数转换强度。在本文中，我们将基于惩罚样条的贝叶斯版本，将这种参数化方法推广到具有灵活过渡强度的半参数模型。过渡强度将被建模为时间的平滑函数，并可进一步与参数和非参数协变量效应相关。此外，还可以包括具有时变效应和脆弱项的协变量。推理将使用马尔可夫链蒙特卡罗模拟技术进行完全贝叶斯推理，或基于混合模型表示进行经验贝叶斯推断。半参数多状态模型的计数过程表示提供了似然公式，并通过鞅剩余过程形成了模型验证的基础。作为一个应用程序，我们将考虑具有一组离散睡眠状态（如REM和非REM阶段）的人类睡眠数据。在这种情况下，简单的参数方法是不合适的，因为人类睡眠的动力学在整个晚上都有很大的变化，必须使用协变量信息和脆弱性术语来解释个体特定的变化。