×
科利、丽贝卡·叶茨;Aaron J.费希尔。;穆法达尔·马马瓦拉;赫伯特·巴伦蒂·卡特;肯尼思·皮恩塔。;斯科特·泽格。

一种贝叶斯层次模型，用于预测来自多个数据源的潜在健康状态，并应用于前列腺癌的主动监测。 （英语） Zbl 1372.62063号

生物计量学 73，第2号，625-634（2017）.
摘要：在本文中，我们提出了一个贝叶斯层次模型，用于从纵向临床测量预测潜在健康状态。模型开发的动机是需要集成多个数据源，以改进关于是否切除或照射患者前列腺癌的临床决策。现有的建模方法得到了扩展，以适应基于活检组织的癌症状态测定中的测量误差、可能不会随机丢失的临床测量以及真实状态的信息部分观察。该模型能够评估个人潜在前列腺癌是否具有侵袭性，是否需要手术和/或放射治疗，或是否具有惰性，从而允许持续监测。然后，这些个性化预测可以传达给临床医生和患者，以告知决策。我们用约翰·霍普金斯大学低风险前列腺癌患者队列的数据证明了该模型，并评估了观察到真实癌症状态的子集的预测准确性。仿真研究证实了模型的性能，并探讨了信息缺失调整对真实状态预测的影响。R代码在在线补充中提供，网址为http://github.com/rycoley/prediction-prostate-surveillance.

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
92 C50 医疗应用（通用）

关键词：

潜在类别分析;缺少数据;精密医学;前列腺癌预后;风险分类

软件：

R2jags汽车;PRMLT公司;github;预测-状态监测;锯齿;对
PDF格式BibTeX公司 XML格式引用
\textit{R.Y.Coley}等人，《生物统计学》73，第2期，第625--634页（2017；Zbl 1372.62063）
全文： DOI程序 arXiv公司

参考文献：

[1] Akaike，H.（1998年）。信息论和最大似然原理的推广。在《秋叶裕久文选》（Hirotugu Akaike），199-213。纽约：斯普林格。
[2] Ankerst，D.P.、Xia，J.、Thompson，I.M.、Hoefler，J.，Newcomb，L.F.、Brooks，J.D.等人（2015）。前列腺癌主动监测中的精确医学：金丝雀早期检测研究网络主动监测活检风险计算器的开发。《欧洲泌尿学》68，1083-1088。
[3] Bishop，C.M.等人（2006年）。模式识别和机器学习，第4卷。纽约：斯普林格·Zbl 1107.68072号
[4] Chapelle，O.、Schölkopf，B.和Zien，A.，编辑（2006年）。半监督学习。Chapelle：马萨诸塞州剑桥市：麻省理工学院出版社。
[5] Chou，R.、Dana，T.、Bougatsos，C.、Fu，R.、Blazina，I.、Gleitsmann，K.等人（2011年）。局限性前列腺癌的治疗：2002年美国预防服务工作组更新的系统综述。证据综合第91号。ARHQ出版物编号：12‐0516‐EF‐2。医学博士Rockville：医疗保健研究和质量机构。
[6] Cupples，L.A.、D'Agostino，R.B.、Anderson，K.和Kannel，W.B.（1988）。Framingham心脏研究中基线和重复测量协变量技术的比较。医学统计7，205-218。
[7] D’Agostino，R.B.，Lee，M.‐L。，Belanger，A.J.、Cupples，L.A.、Anderson，K.和Kannel，W.B.（1990年）。合并logistic回归与时间相关Cox回归分析的关系：Framingham心脏研究。医学统计9，1501-1515。
[8] Dall’Era，M.A.、Albertsen，P.C.、Bangma，C.、Carroll，P.R.、Carter，H.B.、Cooperberg，M.R.等人（2012年）。前列腺癌的积极监测：对文献的系统综述。《欧洲泌尿学》62，976-983。
[9] Daniels，M.J.和Hogan，J.W.（2008）。纵向研究中的缺失数据：贝叶斯建模和敏感性分析策略。佛罗里达州博卡拉顿：CRC出版社·Zbl 1165.62023号
[10] DeGruttola，V.和Tu，X.M.（1994）。CD4淋巴细胞计数的进展及其与生存时间的关系建模。生物统计学501003-1014·Zbl 0825.62792号
[11] Epstein，J.I.、Feng，Z、Trock，B.J.和Pierrazio，P.M.（2012）。前列腺癌从活检到根治性前列腺切除的升级和降级：使用改良Gleason分级系统和三级因子分析的发病率和预测因素。欧洲泌尿外科61019-1024。
[12] 爱泼斯坦，J.I.、沃尔什，P.C.、卡迈克尔，M.和布伦德勒，C.B.（1994）。病理和临床结果预测未触及（T1c期）前列腺癌的肿瘤范围。美国医学协会杂志271，368-374。
[13] Fisher，A.J.、Coley，R.Y.和Zeger，S.L.（2015）。潜在健康状态贝叶斯层次模型的快速样本外预测。arXiv预打印arXiv:1510.08802。
[14] Gelfand，A.E.、Sahu，S.K.和Carlin，B.P.（1995）。正态线性混合模型的有效参数化。生物特征82479-488·Zbl 0832.62064号
[15] Gelman，A.和Hill，J.（2006年）。使用回归和多级/层次模型的数据分析。剑桥：剑桥大学出版社。
[16] Gleason，D.F.（1992）。前列腺癌的组织学分级：一个观点。《人类病理学》23，273-279。
[17] Goolsby，W.、Olsen，L.和McGinnis，M.（2012）。国际移民组织关于价值观和科学驱动的卫生保健的圆桌会议。《临床数据作为健康学习的基本依据：创造和保护公共利益：研讨会摘要》，134-140年，华盛顿特区：国家学院出版社。
[18] Hanley，J.A.和McNeil，B.J.（1982）。接收机工作特性（ROC）曲线下面积的含义和用途。放射学143，29-36。
[19] Hayden，E.C.（2009）。个性化癌症治疗越来越近。《自然新闻》458131-132。
[20] 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
[21] Inoue，L.Y.、Etzioni，R.、Morrell，C.和Müller，P.（2008）。用纵向标记物模拟疾病进展。《美国统计协会杂志》103，259-270·Zbl 1471.62509号
[22] Inoue，L.Y.、Trock，B.J.、Partin，A.W.、Carter，H.B.和Etzioni，R.（2014）。主动监测研究中的年级进展建模。医学统计33，930-939。
[23] Jackson，D.、Mason，D.，White，I.R.和Sutton，S.（2012年）。一项基于互联网的戒烟试验中缺失数据机制的探索。BMC医学研究方法12，157。
[24] Laird，N.M.和Ware，J.H.（1982年）。纵向数据的随机效应模型。生物统计学38，963-974·Zbl 0512.62107号
[25] Lin，H.、Turnbull，B.W.、McCulloch，C.E.和Slate，E.H.（2002）。纵向生物标记物和事件过程数据联合分析的潜在类模型：应用于纵向前列腺特异性抗原读数和前列腺癌。《美国统计协会杂志》97，53-65·Zbl 1073.62582号
[26] Little，R.J.和Rubin，D.B.（2014）。缺失数据的统计分析。新泽西州霍博肯：John Wiley&Sons。
[27] McGeachie，M.、Ramoni，R.L.B.、Mychaleckyj，J.C.、Furie，K.L.、Dreyfuss，J.M.、Liu，Y.等人（2009年）。动脉粥样硬化中冠状动脉钙化的综合预测模型。循环1202448-2454。
[28] O'Malley，A.J.和Zaslavsky，A.M.（2008）。结构化无响应多层次调查数据的领域级协方差分析。《美国统计协会杂志》103，1405-1418·Zbl 1286.62096号
[29] Pepe，M.S.、Janes，H.、Longton，G.、Leisenring，W.和Newcomb，P.（2004）。比值比在衡量诊断、预后或筛查标记物性能方面的局限性。美国流行病学杂志159，882-890。
[30] Plummer，M.（2011）。JAGS 4.0.0版用户手册。
[31] Porten，S.P.、Whitson，J.M.、Cowan，J.E.、Cooperberg，M.R.、Shinohara，K.、Perez，N.等人（2011年）。接受积极监测的男性连续活检前列腺癌分级的变化。临床肿瘤学杂志292795-2800。
[32] Proust‐Lima，C.和Taylor，J.M.（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
[33] Saini，S.D.、van Hees，F.和Vijan，S.（2014）。智能癌症筛查：个性化的可能性和挑战。《美国医学协会杂志》312211-2212。
[34] Saria，S.和Goldenberg，A.（2015）。分型：它是什么及其在精确医学中的作用。智能系统，IEEE30，70-75。
[35] Schluchter，M.D.（1992年）。信息审查纵向数据的分析方法。《医学统计学》11，1861-1870。
[36] Schulam，P.、Wigley，F.和Saria，S.（2015）。从电子健康数据聚类纵向临床标记轨迹：应用于表型和内型发现。第二十九届AAAI人工智能会议，加利福尼亚州帕洛阿尔托：AAI出版社。
[37] Smith，M.，Saunders，R.，Stuckhardt，L.，McGinnis，J.M.，编辑（2013）。低成本最佳医疗：美国持续学习医疗保健的途径。华盛顿特区：国家学院出版社。
[38] Steyerberg，E.W.、Vickers，A.J.、Cook，N.R.、Gerds，T.、Gonen，M.、Obuchowski，N.等人（2010年）。评估预测模型的性能：一些传统和新度量的框架。流行病学21，128。
[39] 苏，Y.‐S。和Yajima，M.（2015）。R2jags:R.v.0.05‐01中运行JAGS的程序包。
[40] Tanner，M.A.和Wong，W.H.（1987年）。通过数据增强计算后验分布。《美国统计协会杂志》82，528-540·Zbl 0619.62029号
[41] Tosoian，J.J.、Mamawala，M.、Epstein，J.、Landis，P.、Wolf，S.、Trock，B.J.等人（2015）。有利风险前列腺癌前瞻性积极监测计划的中期和长期结果。临床肿瘤学杂志33，3379-3385。
[42] Truong，M.、Slezak，J.A.、Lin，C.P.、Iremashvili，V.、Sado，M、Razmaria，A.A.等人（2013年）。Gleason 6前列腺癌风险工具升级的开发和多机构验证。癌症119，3992-4002。
[43] Wu，Z.、Deloria‐Knoll，M.、Hammitt，L.L.和Zeger，S.L.（2015）。儿童肺炎病因学病例对照研究的部分潜在类别模型。英国皇家统计学会杂志，C辑（应用统计学）65，97-114。
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。