针对癌症幸存者的个性化风险预测:一个普遍的贝叶斯半参数模型,对具有竞争结果的反复事件进行预测

科学领域:

• 在瘤学瘤学.
• 生物统计学 生物统计学
• 流行病学 流行病学

背景情况:

• 改善癌症存活率导致多种原发性癌症的发病率增加.
• 第一次原发性癌症的特征显著影响了随后癌症发展的风险.
• 对于癌症幸存者来说,需要强大的,个性化的风险评估模型,以告知医疗保健政策和临床决策.

研究的目的:

• 开发和验证贝叶斯半参数框架,用于描述癌症幸存者患第二次原发性癌症的风险.
• 为各种癌症类型提供对共变量进行调整的,根据年龄开始的透曲线.
• 支持针对癌症幸存者的个性化健康管理策略.

主要方法:

• 一个贝叶斯半参数框架,使用独立的不均的波桑过程来对抗不同类型的癌症.
• 对包括第一个原发性癌症诊断时的类型和年龄在内的共变量进行调整.
• 适用于具有多种原发性瘤和多种癌症类型高患病率的历史队列.
• 使用接收器操作特征 (ROC) 曲线和计算曲线下的面积 (AUC) 值的验证.

主要成果:

• 导出癌症幸存者的年龄到发病透曲线,包括第二次原发性肺癌的具体估计.
• 验证了该模型对第二次原发性肺癌 (AUC=0.89),肉瘤 (AUC=0.91),乳腺癌 (AUC=0.76) 和所有其他癌症的预测性能 (AUC=0.68).
• 证明了框架能够提供量化,共变量调整的风险评估的能力.

结论:

• 建议的贝叶斯框架为癌症幸存者的定量风险评估提供了一个强大的方法.
• 该模型的预测准确性支持其在指导个性化癌症查和管理决策方面的潜在实用性.
• 这种方法促进了针对癌症幸存者的日益增长的人口的个性化健康管理.