×
保罗·布兰奇;塞西尔·普鲁斯·利马;露西，卢布埃;克劳迪娜·伯尔;Jean-François，Dartigues;Jacqmin Gadda，赫莱娜

量化和比较存在审查和竞争风险的纵向标记和时间-事件联合模型的动态预测准确性。 （英语） Zbl 1419.62313号

生物计量学 71，第1期，102-113（2015）.
摘要：由于人们对个性化医疗的兴趣日益浓厚，最近开始使用纵向标记和时间-事件数据的联合建模来推导动态个人风险预测。个人预测之所以被称为动态预测，是因为当受试者的健康状况信息随着时间增长而更新。在这项工作中，我们专注于统计方法，用于量化和比较此类预测模型的动态预测准确性，考虑正确的审查和可能的竞争事件。ROC曲线下的动态面积（AUC）和Brier Score（BS）用于量化预测准确性。截尾加权的非参数逆概率用于估计AUC和BS的动态曲线，作为进行预测的时间的函数。建立了渐近结果，导出了点态置信区间和同时置信带。本文还建议对两种预测模型的动态预测精度曲线进行比较。通过仿真评估了推理过程的有限样本行为。我们应用所提出的方法，通过重复测量两种心理测量测试来比较各种预测模型，以预测老年痴呆症，并考虑死亡的竞争风险。根据法国帕克队列对模型进行估计，并对法国三城市队列的预测准确性进行评估和比较。

引用于9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
92 C50 医疗应用（通用）

关键词：

相互竞争的风险;动态预测;关节模型;纵向数据;预测精度

软件：

计时器;达尼普雷德
PDF格式BibTeX公司 XML格式引用
\textit{P.Blanche}等人，《生物统计学》71，第1期，第102-113页（2015；Zbl 1419.62313）
全文： 内政部

参考文献：

[1] Aisen，P.S.、Andrieu，S.、Sampaio，C.、Carrillo，M.、Khachaturian，Z.S.、Dubois，B.、Feldman，H.H.、Petersen，R.C.、Siemers，E.、Doody，R.S.、Hendrix，S.B.、Grundman，M.，Schneider，L.S.、Schindler，R.J.、Salmon，E.、Potter，W.Z.、Thomas，R.G.、Sallon，D.、Donohue，M.和Bednar，M.（2011）。AD早期（痴呆前期）临床试验设计工作组的报告。神经病学76，280-286。
[2] Amieva，H.、Le Goff，M.、Millet，X.、Orgogozo，J.M.、Pérès，K.、Barberger‐Gateau，P.、Jackmin‐Gadda，H.和Dartigues，J.F.（2008）。前驱性阿尔茨海默病：临床症状的连续出现。《神经病学年鉴》64，492-498。
[3] Blanche，P.、Dartigues，J.‐F.、。，和Jacqmin‐Gadda，H.（2013）。估计和比较受检事件时间和竞争风险下接收器工作特性曲线下的时间相关区域。医学统计32，5381-5397。
[4] 康姆斯，D.，利奎特，B.和普鲁斯特·利马，C.（2012年）。通过估计预期条件Kullback-Leibler风险的差异，在联合模型中选择预测估计器。生物统计学68，380-387·Zbl 1251.62041号
[5] Dartigues，J.、Gagnon，M.、Barberger‐Gateau，P.、Letenneur，L.、Commuges，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。
[6] Graf，E.、Schmoor，C.和Schumacher，M.（1999）。生存数据预后分类方案的评估和比较。医学统计18，2529-2545。
[7] Henderson，R.、Diggle，P.和Dobson，A.（2002年）。纵向生存标记物的识别和疗效。生物统计33-50·Zbl 1133.62360号
[8] Hung，H.和Chiang，C.（2010）。具有生存数据的时间相关AUC模型的估计方法。加拿大统计杂志38，8-26·Zbl 1190.62084号
[9] Jackmin‐Gadda，H.、Fabrigoule，C.、Commuges，D.和Dartigues，J.‐F。(1997). 一项为期5年的纵向研究，对正常年龄段的简易精神状态检查进行了研究。美国流行病学杂志145，498-506。
[10] Martinussen，T.和Scheike，T.（2006）。生存数据的动态回归模型。纽约：斯普林格·Zbl 1096.62119号
[11] McIntosh，M.和Pepe，M.（2002年）。结合多项筛选测试：风险评分的最佳性。生物统计学58，657-664·Zbl 1210.62189号
[12] Parast，L.、Cheng，S.‐C.、。，和Cai，T.（2012）。结合短期事件时间信息对长期存活率进行里程碑式预测。《美国统计协会杂志》107，1492-1501·Zbl 1258.62107号
[13] Philipps，V.、Amieva，H.、Andrieu，S.、DufouilC。和Berr，C.，Dartigues，J.‐F。，Jacqmin‐Gadda，H.和Proust‐Lima，C.（出版中）。基于人群的脑老化研究中评估认知变化的标准化微型心理状态检查。神经流行病学。
[14] Proust‐Lima，C.、Amieva，H.、Dartigues，J.‐F.、。，和Jackmin‐Gadda，H.（2007）。基于人口老龄化研究中四项心理测量测试对测量认知变化的敏感性。美国流行病学杂志165，344-350。
[15] Proust‐Lima，C.、Mbéry，S.、Taylor，J.M.G.和Jackmin‐Gadda，H.（2014）。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23，74-90。
[16] 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
[17] 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·兹比尔1226.62124
[18] Rizopoulos，D.（2012）。纵向数据和事件时间数据的联合模型：R卷6中的应用。博卡拉顿：查普曼和霍尔·Zbl 1284.62032号
[19] Schoop，R.、Beyersmann，J.、Schumacher，M.和Binder，H.（2011）。量化存在竞争风险时事件时间模型的预测准确性。《生物医学杂志》53，88-112·Zbl 1207.62209号
[20] 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
[21] 3C研究小组（2003年）。血管因素与痴呆风险：三城市研究的设计和研究人群的基线特征。神经流行病学22，316-325。
[22] van Houwelingen，H.和Putter，H.（2012）。临床生存分析中的动态预测。博卡拉顿：CRC出版社·Zbl 1272.62004号
[23] Zheng，Y.、Cai，T.、Jin，Y.和Feng，Z.（2012）。评估竞争风险下生物标记物的预测准确性。生物计量学68，388-396·Zbl 1251.62054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。