罗格朗，C。;L.杜恰图。;詹森，P。;V·杜克洛克。;西尔维斯特，R。 使用脆弱性模型验证预测指标。 （英语） Zbl 1302.62233号 寿命数据分析。 15，第1期，59-78（2009）. 摘要：当提出新的预后指标时，一个主要问题是其在日常临床实践中的通用性。因此需要进行验证。大多数验证技术评估预后指数在新样本患者分类中获得的“平均”结果是否与构建集中获得的结果相似。我们介绍了一个预后指数通用性的新的重要方面：不同中心的预后指数风险组危险比的异质性。如果各中心之间存在显著差异，则预测指数在一些中心可能没有区分能力。为了对这种异质性进行建模，我们使用了一个脆弱性模型，该模型包括随机中心效应和按中心交互的随机预测指数。统计推断基于贝叶斯方法，使用拉普拉斯近似来计算随机效应方差的边际后验分布。我们研究了不同的方法来总结这种边缘后验分布的可用信息。我们的方法被应用于一个真实的膀胱癌数据库，我们展示了如何调查和解释不同中心的预后指数影响的异质性。 引用于1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05 可靠性和寿命测试 62E17型 统计分布的近似值（非共鸣） 92 C50 医疗应用（一般） 关键词：预测指数;验证;脆弱模型;多中心临床试验;膀胱癌 软件：救生包 PDF格式BibTeX公司 XML格式引用 \textit{C.Legrand}等人，《寿命数据分析》。15，第1号，59--78（2009；Zbl 1302.62233） 全文： 内政部 参考文献： [1] Allard P、Bernard P、Fradet Y、Tetu B（1998）《原发性Ta和T1膀胱癌的早期临床病程：一个建议的预后指标》。英国泌尿外科杂志81:692–698 [2] Altman DG，Royston P（2000），验证预测模型意味着什么？统计医学19:453–473·doi:10.1002/（SICI）1097-0258（20000229）19:4<453:：AID-SIM350>3.0.CO；2-5 [3] Blamey RW、Ellis IO、Pinder SE、Lee AH、Macmillan RD（2007），根据诺丁汉预后指数，1990年至1999年确诊病例的浸润性乳腺癌生存率。欧洲癌症杂志43:1548–1555·doi:10.1016/j.ejca.2007.01.016 [4] Blanchon F、Grivaux M、Asselain B等人（2006）非小细胞肺癌患者的4年死亡率：预后指数的制定和验证。柳叶刀Oncol 7:829–836·doi:10.1016/S1470-2045（06）70868-3 [5] Bouffioux C，Denis L，Oosterlinck W，Viggiano G，Vergison B，Keuppens F，De Pauw M，Sylvester R，Cheuvart B（1992）复发性浅表移行细胞癌的辅助化疗：欧洲癌症研究与治疗组织比较膀胱内灌注噻替帕的随机试验结果，阿霉素和顺铂。《泌尿外科杂志》148:297–301 [6] Bouffioux C、Kurth KH、Bono A、Oosterlinck W、Kruger CB、De Pauw M、Sylvester R（1995）浅表性移行细胞膀胱癌的膀胱内辅助化疗：两项欧洲癌症研究与治疗组织（European Organization for Research and Treatment of Cancer）用丝裂霉素C和阿霉素进行的随机试验结果，比较早期与延迟滴注以及短期与长期治疗。欧洲癌症研究和治疗组织泌尿生殖组。Urol杂志153（增补）：934–941·doi:10.1016/S0022-5347（01）67608-0 [7] Cox DR（1972）生命表中的回归模型（含讨论）。J Roy Stat Soc Ser B 34:187–220号·Zbl 0243.62041号 [8] Cramer H（1971）统计学的数学方法。普林斯顿大学出版社·Zbl 0256.60002号 [9] Duchateau L，Janssen P（2005）了解混合、广义混合和脆弱模型中的异质性。美国统计局59:143–146·Zbl 05680634号 ·doi:10.1198/000313005X43236 [10] Ducrocq V，Casella G（1996）混合生存模型的贝叶斯分析。基因选择进化28:509–529·doi:10.1186/1297-9686-28-6-505 [11] Ducrocq V，Sölkner J（1994）生存工具包，一个用于分析生存数据的FORTRAN软件包。摘自：第五届世界畜牧业遗传学大会，第22卷。加拿大安大略省圭尔夫市圭尔夫大学畜禽科学系，第51-52页 [12] Ducrocq V，Sölkner J（1998）生存工具包-V3.0，一个大型生存数据分析包。摘自：第六届世界畜牧业遗传学大会，第27卷。澳大利亚阿米代尔新英格兰大学动物遗传与育种部，第447-448页 [13] Glidden DV，Vittinghoff E（2004）多中心临床试验的聚集生存数据建模。统计医学23:369–388·doi:10.1002/sim.1599 [14] Graf E，Schmoor C，Sauerbrei W，Schumacher M（1999）生存数据预后分类方案的评估和比较。统计医学18:2529–2545·doi:10.1002/（SICI）1097-0258（19990915/30）18:17/18<2529:：AID-SIM274>3.0.CO；2-5 [15] Harrell FE、Lee KL、Mark DB（1996）《多变量预测模型：开发模型、评估假设和充分性以及测量和减少误差方面的问题》。统计医学15:361–387·doi:10.1002/（SICI）1097-0258（19960229）15:4<361:：AID-SIM168>3.0.CO；2-4 [16] Ibrahim JG，Chen MH，Sinha D（2001），贝叶斯生存分析。纽约Springer-Verlag公司 [17] 法官AC、Covinsky KE、Berlin JA（1999）评估预后信息的普遍性。《内科学年鉴》130:515-524 [18] Kendall M，Stuart A（1977）《高级统计学理论》，第1卷：分布理论，第4版。伦敦高威科姆查尔斯·格里芬有限公司·Zbl 0353.62013.中 [19] Kurth KH，Schröder FH，Tunn U，Ay R，Pavone Macaluso R，Debruyne F，De Pauw M，Dalesio O，Ten Kate F（1984）浅表移行细胞膀胱癌的辅助治疗：欧洲癌症研究与治疗组织比较盐酸阿霉素随机试验的初步结果，单用乙醛酸和经尿道电切术。《泌尿外科杂志》132:258–262 [20] 罗格朗C（2005）使用脆弱性模型评估多中心临床试验的异质性。博士论文。哈塞尔大学统计中心 [21] Legrand C，Ducrocq V，Janssen P，Sylvester R，Duchateau L（2005）在比例风险模型中联合估计中心和中心治疗异质性的贝叶斯方法。统计医学24:3789–3804·doi:10.1002/sim.2475 [22] Matsuyama Y、Sakamoto J、Ohashi Y（1998）多中心癌症临床试验中机构效应的贝叶斯层次生存模型。Stat Med 17:1893–1908年·doi:10.1002/（SICI）1097-0258（19980915）17:17<1893:：AID-SIM878>3.0.CO；2-右 [23] Nelder JA，Mead R（1965）函数最小化的单纯形方法。计算J 7:308–313·Zbl 0229.65053号 [24] Newling DW、Robinson MR、Smith PH、Byar D、Lockwood R、Stevens I、De Pauw M、Sylvester R（1995）色氨酸代谢物、吡哆醇（维生素B6）及其对浅表性膀胱癌复发率的影响EORTC GU小组进行的前瞻性随机III期研究结果。EORTC泌尿生殖道癌症合作小组。欧洲泌尿外科杂志27:110–116 [25] Oosterlinkk W、Kurth KH、Schröder FH、Butlinck J、Hammond B、Sylvester R（1993年）一项前瞻性欧洲癌症研究与治疗组织泌尿生殖组随机试验，比较经尿道电切术后单次膀胱内滴注表阿霉素或水治疗单期TaT1膀胱乳头状癌的疗效。Urol杂志149:749–752 [26] Putter H、Fiocco M、Geskus RB（2007）《生物统计教程：竞争风险和多状态模型》。统计医学26:2389–2430·数字对象标识代码：10.1002/sim.2712 [27] Ripatti S，Larsen K，Palmgren J（2002），使用自动蒙特卡罗EM算法对多元脆弱性模型进行最大似然推断。终身数据分析8:349–360·Zbl 1116.62407号 ·doi:10.1023/A：1020566821163 [28] Royston P，Parmar MKB，Sylvester R（2004），多个研究中预后模型的构建和验证，以及在浅表性膀胱癌中的应用。统计医学23:907–926·数字对象标识代码：10.1002/sim.1691 [29] Schemper M（2003）预测准确性和解释变化。统计医学22:2299–2308·doi:10.1002/sim.1486 [30] Schemper M，Henderson R（2000）预测准确性和解释Cox回归中的变化。生物计量学56:249–255·兹比尔1060.62663 ·文件编号：10.1111/j.0006-341X.2000.00249.x [31] Schemper M，Stare J（1996）解释了生存分析中的变异。统计医学15:1999-2012·doi:10.1002/（SICI）1097-0258（19961015）15:19<1999:：AID-SIM353>3.0.CO；二维 [32] Simon R，Altman DG（1994），肿瘤预后因素研究的统计方面。英国癌症杂志69:979–985·doi:10.1038/bjc.1994.192 [33] Sinha D，Ibrahim JG，Chen MH（2003）《考克斯部分可能性的贝叶斯证明》。生物特征90:629–641·Zbl 1436.62469号 ·doi:10.1093/biomet/90.3.629 [34] Smith A、Skene AM、Shaw J、Naylor J、Dransfield M（1985）《贝叶斯范式的实现》。公共统计理论方法14:1079–1102·Zbl 0582.62025号 ·doi:10.1080/03610928508828963 [35] Smith CT、Williamson PR、Marson AG（2005）研究单个患者数据中的异质性——时间-事件结果的荟萃分析。Stat Med 24（9）：1307–1319·数字对象标识代码：10.1002/sim.2050 [36] Solal-Celigny P、Roy P、Colombat P等人（2004），滤泡性淋巴瘤国际预后指数。血液104:1258–1265·doi:10.1182/血液-2003-12-4434 [37] Spiegelhalter DJ、Abrams K、Myles JP（2004）《临床试验和医疗保健评估的贝叶斯方法》。奇切斯特·威利 [38] Sylvester RJ，Van der Meijden APM，Oosterlinck W，Witjes JA，Bouffioux C，Denis L，Newling DWW，Kurth K（2006）使用EORTC风险表预测TaT1期膀胱癌个体患者的复发和进展：七个EORT试验中2596名患者的联合分析。欧洲泌尿外科学49:466–477·doi:10.1016/j.eururo.2005.12.031 [39] Tierney L，Kadane JB（1986），后力矩和边缘密度的精确近似。美国统计协会杂志81（391）：82–86·Zbl 0587.62067号 ·doi:10.2307/2287970 [40] Vaida F，Xu R（2000）随机效应比例风险模型。《医学统计》19:3309–3324·doi:10.1002/1097-0258（20001230）19:24<3309:：AID-SIM825>3.0.CO；2-9 [41] Van Houwelingen HC（2000）《预后生存模型的验证、校准、修订和组合》。统计医学19:3401–3415·doi:10.1002/1097-0258（20001230）19:24<3401:：AID-SIM554>3.0.CO；2-2 [42] Witjes JA，Van der Meijden AP，Sylvester RJ，Debruyne FM，Van-Aubel A，Witjes-WP（1998），一项EORTC随机前瞻性试验的长期随访，比较膀胱内卡介苗-Guérin-RIVM和丝裂霉素C治疗浅表性膀胱癌。泌尿外科52:403–410·doi:10.1016/S0090-4295（98）00212-X [43] Yamaguchi T，Ohashi Y（1999）《浅表性膀胱癌多中心临床试验中的中心效应研究》。Stat Med 18:1961–1971年·doi:10.1002/（SICI）1097-0258（19990815）18:15<1961:：AID-SIM170>3.0.CO；2-3 [44] Yamaguchi T、Ohashi Y、Matsuyama Y（2002）随机效应比例风险模型，用于检查多中心癌症临床试验中的中心效应。统计方法医学研究11:221–236·Zbl 1121.62679号 ·doi:10.1191/0962280202sm284ra 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。