×
马琳娜·马齐亚兹;Patrick Heagerty先生;蔡天喜;郑英业

关于时间-事件结果的纵向预测：建模选项的比较。 （英语） Zbl 1366.62233号

生物计量学 73，第1期，83-93（2017）.
摘要：长期随访在许多医学研究中很常见，其中的兴趣在于使用一段时间内反复测量的预测因子来预测患者未来不良结果的风险。一个关键数量是，根据协变量信息，存活到一定时间的个体发生不良结果的可能性。使用纵向标记物更新疾病进展预测风险的简单而可靠的方法仍然难以捉摸。文献中考虑了两种主要方法。一种方法，基于故障时间和纵向协变量过程的联合建模（JM）[A.A.齐亚提斯和M.戴维安，统计罪。14，第3期，809–834（2004年；Zbl 1073.62087号)]，从给定时间的纵向标记和事件的联合概率中导出此类纵向预测概率。第二种方法，部分条件（PC）建模[Y.Zheng先生和P.J.海格蒂《生物统计学》第61卷第2期，第379–391页（2005年；Zbl 1077.62090号)]，直接以生存到里程碑时间和该时间积累的信息为条件对预测概率进行建模。在本文中，我们提出了比联合建模更灵活的用于纵向预测的新PC模型，并与现有PC模型相比提高了预测精度。我们提供了在给定时间内通过纵向测量推断个人未来风险的程序。此外，我们还进行了仿真以评估JM和PC方法，以便为建模选择提供实际指导。我们使用适合我们环境的预测准确性标准测量来探索这两种方法的预测性。我们在终末期肾病研究（ESRDS）的数据集上演示了这两种方法的性能。

引用于4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纳米02 生存分析和删失数据中的估计
62M10个 统计学中的时间序列、自相关、回归等（GARCH）

关键词：

关节模型;纵向数据分析;部分条件模型;风险预测;生存分析

引文：

Zbl 1073.62087号;Zbl 1077.62090号

软件：

吉咪
PDF格式BibTeX公司 XML格式引用
\textit{M.Maziarz}等人，《生物统计学》73，第1期，第83-93页（2017年；Zbl 1366.62233）
全文： DOI程序 链接

参考文献：

[1] Brier，G.W.（1950）。验证以概率表示的预测。每月天气回顾78，1-3。
[2] Bycott，P.和Taylor，J.（1998年）。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。
[3] Cai，Z.和Sun，Y.（2003）。Cox回归模型中时间相关系数的局部线性估计。斯堪的纳维亚统计杂志30，93-111·兹比尔1034.62096
[4] Cox，D.R.（1972）。回归模型和生命表。英国皇家统计学会杂志，B辑（方法学）34187-220·Zbl 0243.62041号
[5] Crowley，J.和Hu，M.（1977年）。心脏移植存活数据的协方差分析。《美国统计协会杂志》72，27-36。
[6] Faucett，C.L.和Thomas，D.C.（1996）。同时建模经审查的生存数据和重复测量的协变量：吉布斯抽样方法。医学统计，1663-1685年。
[7] Grön，R.和Gerds，T.（2014）。生存分析手册。英国伦敦：查普曼和霍尔/CRC，221-242。
[8] 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
[9] Hjort，N.L.（1992）。参数生存数据模型中的推理。国际统计评论/国际统计评论60，355-387·Zbl 0762.62009号
[10] 帕维塔尼。和Self，S.（1993年）。艾滋病疾病标记过程建模。《美国统计协会杂志》88，719-726·Zbl 0800.62728号
[11] Prentice，R.L.（1982）。失效时间回归模型中的协变量测量误差和参数估计。生物特征69，331-342·Zbl 0523.62083号
[12] 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
[13] Rizopoulos，D.（2010年）。JM：用于联合建模纵向数据和事件时间数据的R包。统计软件杂志35，1-33。
[14] 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
[15] Schoop，R.、Graf，E.和Schumacher，M.（2008）。量化具有时间相关协变量的截尾生存数据预测模型的预测性能。生物统计学64，603-610·Zbl 1137.62401号
[16] Taylor，J.M.、Park，Y.、Ankerst，D.P.、Proust‐Lima，C.、Williams，S.、Kestin，L.等人（2013年）。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
[17] Tsiatis，A.、DeGruttola，V.和Wulfsonhn，M.S.（1995年）。通过误差测量的纵向数据建立存活率关系模型：应用于艾滋病患者的存活率和CD4计数。《美国统计协会杂志》90，27-37·兹伯利0818.62102
[18] Tsiatis，A.A.和Davidian，M.（2004）。纵向数据和事件发生时间数据的联合建模：概述。中国统计局14，809-834·Zbl 1073.62087号
[19] Uno，H.、Cai，T.、Tian，L.和Wei，L.J.（2007）。理论和方法——使用删失回归模型评估t年幸存者的预测规则。美国统计协会期刊102527-537·Zbl 1172.62327号
[20] van Houwelingen，H.和Putter，H.（2012）。临床生存分析中的动态预测。佛罗里达：CRC出版社·Zbl 1272.62004号
[21] van Houwelingen，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
[22] 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·兹比尔1047.62115
[23] Wulfsohn，M.S.和Tsiatis，A.A.（1997）。生存率和纵向数据的联合模型，用误差测量。生物统计学53，330-339·Zbl 0874.62140号
[24] Zheng，Y.、Cai，T.和Feng，Z.（2006）。应用时间依赖性ROC曲线预测多种生物标记物的准确性。生物统计学62，279-287·Zbl 1091.62131号
[25] Zheng，Y.Y.和Heagerty，P.J.（2004）。纵向标记数据时间相关roc曲线的半参数估计。生物统计5615-632·Zbl 1069.62106号
[26] Zheng，Y.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。