在生存时间分析的背景下确定生物标志物的切割点的多变量方法的比较:对生存数据的实践应用进行模拟研究

科学领域:

• 生物统计学 生物统计学
• 医学统计 医学统计
• 生存分析的分析.

背景情况:

• 在健康科学中,生存时间模型对于分析时间到事件数据至关重要.
• 将连续变量分为风险组是常见的,但需要强大的切割点估计.
• 与单变量方法相比,切点确定多变量方法的研究不足.

研究的目的:

• 评估和比较八种多变量方法,以确定考克斯回归模型中的生物标记物切点.
• 通过模拟研究来评估这些方法的性能与无变量方法相比.
• 在生存分析中确定最佳的生物标志物切点估计的多变量策略.

主要方法:

• 一个蒙特卡洛模拟研究分析了八种多变量方法 (例如,最大化平方,最大化c指数,最小化AIC) 在考克斯回归框架内.
• 这些方法与无变量逻辑等级最小p值方法进行了比较.
• 模拟参数包括截止点距离中位数,样本大小,审查和生存分布;偏差和标准误差是关键性能指标.

主要成果:

• 所有评估的方法都对生物标志物的中位数产生偏差.
• 最小化Akaike信息标准 (AIC) 或最大化千平方统计的方法在大多数场景中显示了最低的偏差和经验标准误差.
• 偏差模式在不同的生存时间分布 (韦布尔,戈珀茨,指数) 中是一致的.

结论:

• 多变量方法在生存分析中为生物标志物切点估计提供了对单变量方法的有希望的替代方案.
• 最大化千方位统计或最小化AIC是优越的多变量策略,与基于c指数或一致性概率估计器 (CPE) 的策略相比.
• 这些优化的多变量方法的性能优于传统的无变量最小p值方法.