贝叶斯的双变治愈率模型使用高斯的合体

科学领域:

• 生物统计学 生物统计学
• 生存分析的分析.
• 医学统计 医学统计

背景情况:

• 传统的生存模型假设所有个体都面临某一事件的风险.
• 治愈率模型是必要的,当一个人口子集不容易发生事件,如在黑色素瘤治疗.
• 在瘤学中,对多个时间到事件结果的联合建模至关重要.

研究的目的:

• 为多个时间到事件结果提出一个新的联合模型,其中包含一个治疗结构.
• 在治愈人口的场景中解决传统生存模型的局限性.
• 提供一种方法来分析依赖于时间与事件的结果在治疗的存在下.

主要方法:

• 开发一个联合模型,使用一种新的截断高斯偶数来实现两种时间到事件结果.
• 共同模型的制定直接基于时间到事件的结果,不取决于治愈状态.
• 通过copula的相关性矩阵模拟结果之间的依赖性.
• 使用马尔科夫链蒙特卡洛程序进行模型装配.

主要成果:

• 拟议的模型有效地处理多个时间到事件的结果,具有治愈结构.
• 模拟研究证明了该方法的性能.
• 使用黑色素瘤临床试验数据的真实数据分析验证了该模型的实用性.
• 与独立模型的比较强调了联合方法的好处.

结论:

• 基于Gaussian copula的关节模型提供了一个有价值的工具,用于分析时间到事件数据的治疗分数.
• 这种多变量方法特别适用于具有多个终点的瘤学研究.
• 这种方法提供了一个比独立模型更准确的依赖结构,当疗法存在时.