×
杰里米·泰勒。;朴永石;唐娜·安科斯特（Donna P.Ankerst）。;普鲁斯特·利马，塞西尔;斯科特·威廉姆斯;拉里·凯斯廷;京华Bae;Pickles，汤姆;霍华德·桑德勒

使用联合模型实时预测前列腺癌复发。 （英语） Zbl 1272.62093号

生物计量学 69，第1期，206-213（2013）.
小结：以前接受过放射治疗的前列腺癌患者会定期接受称为前列腺特异性抗原（PSA）的实验室检测。如果PSA测试值开始上升，则表明前列腺癌更有可能复发，患者可能希望开始新的治疗。准确估计未来几年癌症复发的概率，可以帮助这些患者做出医疗决策。在本文中，我们描述了在基于web的计算器上实现的新患者复发概率的计算方法。这些方法使用联合纵向生存模型。该模型基于2386名患者的训练数据集开发，并在846名患者的数据集上进行测试。贝叶斯估计方法与一种马尔可夫链蒙特卡罗（MCMC）算法一起使用，该算法用于估计训练数据集的参数，第二种快速MCMC用于预测复发风险，该方法使用新患者的纵向PSA测量值。

引用于16文件

MSC公司：

62页第10页 统计学在生物学和医学中的应用；元分析

关键词：

联合纵向生存模型;在线计算器;预测概率;前列腺癌;PSA公司
PDF格式BibTeX公司 XML格式引用
\textit{J.M.G.Taylor}等人，《生物统计学》69，第1期，206--213（2013；Zbl 1272.62093）
全文： 内政部 链接

参考文献：

[1] Ankerst，D.P.和Finkelstein，D.M.（2006）。基于纵向生物标志物和事件时间的联合模型的临床监测。临床肿瘤学统计学手册，第2版，JCCrowley（编辑）和DPAnkerst（编辑），397-418。博卡拉顿，CRC泰勒·Zbl 1140.62347号
[2] Henderson，R.、Diggle，P.和Dobson，A.（2000年）。纵向测量和事件时间数据的联合建模。生物统计1465-480·Zbl 1089.62519号
[3] Kennedy，E.H.、Taylor，J.M.G.、Schaubel，D.E.和Williams，S.（2010年）。根据适应症进行治疗的纵向研究中抢救治疗对生存率的影响。医学统计29，2569-2580。
[4] Lin，H.、Turnbull，B.W.、McCulloch，C.E.和Slate，E.H.（2002）。用于纵向生物标志物和事件过程数据联合分析的潜在类模型。《美国统计协会杂志》97，53-65·Zbl 1073.62582号
[5] Pickles，T.、Kim‐Sing，C.、Morris，W.、Tyldesley，S.和Paltiel，C.（2003）。对接受长期新辅助和辅助雄激素消融治疗的男性患者的休斯顿生化复发定义进行评估，并评估随访的提前期偏差。国际放射肿瘤学杂志，生物学，物理学57，11-18。
[6] Proust‐Lima，C.、Sène，M.、Taylor，J.M.G.和Jackmin‐Gadda，H.（2012）。纵向数据和事件时间数据的联合潜在类模型：综述。医学研究中的统计方法即将出现。
[7] Proust‐Lima，C.和Taylor，J.M.G.（2009）。使用治疗后PSA的重复测量开发和验证前列腺癌复发的动态预后工具：联合建模方法。生物统计10，535-549·Zbl 1437.62585号
[8] Proust‐Lima，C.、Taylor，J.M.G.、Williams，S.G.，Ankerst，D.P.、Liu，N.、Kestin，L.L.、Bae，K.和Sandler，H.M.（2008）。前列腺特异性抗原随时间变化的决定因素及其与前列腺癌外照射治疗后复发的关系。国际放射肿瘤学、生物学、物理学杂志72，782-791。
[9] Rizopoulos，D.（2011年）。纵向和事件时间数据联合模型中的动态预测和预期准确性。生物统计学67，819-829·Zbl 1226.62124号
[10] Roach，3rd，M.，Hanks，G.，Thames，Jr.，H.，Schellhammer，P.，Shipley，W.U.，Sokol，G.H.和Sandler，H.（2006）。定义临床局限性前列腺癌患者在接受或不接受激素治疗的放疗后的生化衰竭：RTOG‐ASTRO Phoenix共识会议的建议。国际放射肿瘤学杂志，生物学，物理学65，965-974。
[11] Steyerberg，E.W.、Vickers，A.J.、Cook，N.R.、Gerds，T.、Gonen，M.、Obuchowski，N.、Pencina，M.J.和Kattan，M.W.（2010年）。评估预测模型的性能：传统和新度量的框架。流行病学21，128-138。
[12] Taylor，J.M.G.、Ankerst，D.P.和Andridge，R.R.（2008）。基于生物标志物的风险预测模型的验证。临床癌症研究14，5977-5983。
[13] Taylor，J.M.G.、Yu，M.和Sandler，H.M.（2005）。前列腺癌放射治疗后疾病进展的个体化预测。临床肿瘤学杂志23816-825。
[14] Wang，Y.和Taylor，J.M.G.（2001）。联合建模纵向和事件时间数据，应用于获得性免疫缺陷综合征。《美国统计协会杂志》96，895-905·Zbl 1047.62115号
[15] Xu，J.和Zeger，S.L.（2001）。纵向数据的联合分析，包括重复测量和事件时间。英国皇家统计学会杂志。C系列（应用统计学）50，375-387·Zbl 1112.62312号
[16] Yu，M.、Law，N.J.、Taylor，J.M.G.和Sandler，H.M.（2004）。联合纵向生存治愈模型及其在前列腺癌中的应用。中国统计局14，835-862·Zbl 1073.62111号
[17] Yu，M.、Taylor，J.M.G.和Sandler，H.M.（2008）。联合纵向生存治愈模型在前列腺癌研究中的个体预测。《美国统计协会杂志》103，178-187·Zbl 1469.62383号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。