×
克里蒂卡·苏雷什;杰里米·泰勒。;丹尼尔·斯普拉特（Daniel E.Spratt）。;Daignault，斯蒂芬妮;亚历山大·索迪科夫

疾病-死亡模型下动态预测联合建模和标记的比较。 （英语） Zbl 1379.62086号

生物。J。 59，第6期，1277-1300（2017）.
总结：动态预测结合了随访期间积累的与时间相关的标记信息，以提高个性化的生存预测概率。在任何后续或“里程碑”时间，个人的剩余时间分布（取决于其更新的标记值）可用于生成动态预测。为了满足在不同时间点链接动态预测的一致性条件，剩余时间分布必须遵循对标记过程和失效时间的联合分布建模的预测函数，例如联合模型。为了避免与联合模型相关的假设和计算负担，提出了动态预测的近似方法。其中一种方法是地标法，它适合于一系列地标时间的考克斯模型，因此不是标记过程和事件时间的综合概率模型。考虑到疾病死亡模型，我们推导了剩余时间分布，并证明了地标方法下Cox模型基线风险和协变量效应的结构并不简单。我们建议对地标Cox模型进行一些扩展，以提供更好的近似。我们使用仿真研究和PAQUID研究中的认知老化数据比较了地标模型和联合模型的性能。我们使用前列腺癌研究的数据来检验两种方法产生的预测概率，其中转移性临床失败是预测放疗后死亡的时间依赖性协变量。

引用于三文件

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
62号05 可靠性和寿命测试

关键词：

动态预测;疾病-死亡模型;关节建模;陆地标志
PDF格式BibTeX公司 XML格式引用
\textit{K.Suresh}等人，《生物》。J.59，第6号，1277--1300（2017；Zbl 1379.62086）
全文： DOI程序 链接

参考文献：

[1] Anderson，J.R.、Cain，K.C.和Gelber，R.D.（1983年）。通过肿瘤反应分析生存率。临床肿瘤学杂志，710-719。
[2] Blanche，P.、Proust‐Lima，C.、Loubère，L.、Berr，C.、Dartigues，J.F.和Jackmin‐Gadda，H.（2015）。在存在审查和竞争风险的情况下，量化和比较纵向标记和时间到事件联合模型的动态预测准确性。生物统计学71，102-113·Zbl 1419.62313号
[3] Bycott，P.W.和Taylor，J.M.G.（1998）。时间相关Cox比例风险模型中CD4数据的平滑技术比较。医学统计17，2061-2077。
[4] Commandes，D.（2002）。从区间删失数据推断多状态模型。医学研究中的统计方法11，167-182·Zbl 1121.62589号
[5] Cortese，G.、Gerds，T.A.和Andersen，P.K.（2013）。比较具有时间相关协变量的竞争风险模型之间的预测。医学统计32，3089-3101。
[6] Dartigues，J.‐F。，Gagnon，M.、Barberger‐Gateau，P.、Letenneur，L.、Commages，D.、Sauvel，C.、Michel，P.和Salamon，R.（1992年）。PAQUID脑老化流行病学计划。神经流行病学11，14-18。
[7] de Wreede，L.C.、Fiocco，M.和Putter，H.（2011）。mstate：用于分析竞争风险和多状态模型的R包。统计软件杂志38，1-30。
[8] Foucher，Y.、Giral，M.、Soulilou，J.P.和Daures，J.P（2010）。用于区间删失数据和拟合优度测试的灵活半马尔可夫模型。医学研究中的统计方法19，127-145。
[9] 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
[10] Jewell，N.P.和Kalbfleisch，J.（1996）。生存分析中的标记过程。终身数据分析2，15-29·Zbl 0866.62070号
[11] Jewell，N.P.和Kalbfleisch，J.D.（1992年）。生存分析中的标记模型及其在艾滋病相关问题中的应用，《艾滋病流行病学》，马萨诸塞州波士顿Birkhä用户，第211-230页。
[12] 朱厄尔，N.P.和尼尔森，J.P.（1993年）。基于标记的一致预测规则框架。生物特征80，153-164·Zbl 0772.62052号
[13] Kalbfleisch，J.D.和Prentice，R.L.（2011）。失效时间数据的统计分析（第2版）。新泽西州霍博肯J.威利。
[14] Maziarz，M.、Heagerty，P.、Cai，T.和Zheng，Y.（2016）。关于纵向预测与时间到事件结果：建模选项的比较。生物统计学73，83-93·Zbl 1366.62233号
[15] Putter，H.（2015）。dynpred：“临床生存分析中的动态预测”的配套软件包。R软件包版本0.1.2。https://CRAN.R‐project.org/package=dynpred。
[16] Putter，H.和vanHouwelingen，H.C.（2016）。了解地标及其与时间相关Cox回归的关系。生物科学统计。
[17] 里佐普洛斯博士（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
[18] Rizopoulos，D.，Murawska，M.，Andrinopoulou，E-R。，Molenberghs，G.、Takkenberg，J.J.和Lesaffre，E.（2013）。在使用联合建模和标记的生存分析中使用时间相关协变量进行动态预测。未发表的手稿。
[19] Shi，M.、Taylor，J.M.G.和MuñozA。，(1996). 剩余辅助时间模型。终身数据分析2，31-49·兹比尔0866.62075
[20] Touraine，C.、Joly，P.和Gerds，T.A.（2014年）。SmoothHazard：为区间删失数据拟合疾病-死亡模型。R包版本1.2.3。https://CRAN.R‐project.org/package=SmoothHazard。
[21] Taylor，J.M.G.、Yu，M.和Sandler，H.（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。
[22] Taylor，J.M.G.、Park，Y.、Ankerst，D.P.、Proust‐Lima，C.、Williams，S.、Kestin，L.、Bae，K.、Pickles，T.和Sandler，H.（2013）。使用联合模型实时预测前列腺癌复发。生物统计学69，206-213·Zbl 1272.62093号
[23] vanHouwelingen，H.C.和Putter，H.（2011）。临床生存分析中的动态预测。CRC出版社，佛罗里达州博卡拉顿。
[24] vanHouwelingen，H.C.（2007）。事件历史分析中通过标记进行动态预测。《斯堪的纳维亚统计杂志》34，70-85·Zbl 1142.62083号
[25] Zheng，Y.和Heagerty，P.J.（2005）。纵向数据的部分条件生存模型。生物统计学61，379-391·Zbl 1077.62090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。