×
卡恩·康;珍妮斯、霍莉;黄，英

结合生物标记物优化患者治疗建议。 （英语） Zbl 1299.62125号

生物计量学 70，第3期，695-707（2014）.
总结：预测治疗效果的标记物具有改善患者预后的潜力。例如安可待\（^\circledR\）RecurrenceScore\（^\circledR）有一定的能力预测辅助化疗优于激素治疗雌激素受体阳性乳腺癌的益处，有助于向最可能受益的女性提供化疗。考虑到评分最初是为了预测单独给予激素治疗的结果而制定的，因此有兴趣开发包含评分的基因的替代组合，以优化治疗选择。然而，大多数结合标记物的方法在预测单一治疗的结果时是有用的。我们提出了一种结合标记进行治疗选择的方法，该方法需要将治疗效果建模为标记的函数。根据前一阶段的治疗效果，通过增加或“增加”潜在错误分类的受试者的权重，迭代拟合治疗效果的多个模型。在基于标记治疗下预期结果变化的模拟研究中，将boosting方法与现有方法进行了比较。该方法改进了某些设置中的方法，并在其他设置中具有可比较的性能。我们的模拟研究还对现有方法的相对优点提供了见解。将boosting方法应用于乳腺癌数据，使用原始标记的缩放版本，生成标记组合，可能会提高治疗选择的性能。

引用于14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

关键词：

生物标志物;增压;模型误判;处理方法选择

软件：

r零件;阿尔格努德;ElemStatLearn（电子状态学习）;阿达
PDF格式BibTeX公司 XML格式引用
\textit{C.Kang}等人，《生物统计学》70，第3期，695--707（2014；Zbl 1299.62125）
全文： 内政部 链接

参考文献：

[1] 阿尔巴因、辅助化疗和三苯氧胺对绝经后内分泌反应性、淋巴结阳性乳腺癌患者的定时治疗：一项3期、开放标签、随机对照试验，《柳叶刀》374第2055页–（2010a）·doi:10.1016/S0140-6736（09）61523-3
[2] Albain，《柳叶刀肿瘤学》11第55页-（2010年b），21基因复发评分测定对绝经后化疗中淋巴结阳性、雌激素受体阳性乳腺癌患者的预后和预测价值：一项随机试验的回顾性分析·doi:10.1016/S1470-2045（09）70314-6
[3] Breiman，分类和回归树（1984）
[4] Brinkley，最佳治疗方案可归因效益的广义估计量，生物计量学66第512页–（2010）·兹比尔1192.62219 ·文件编号：10.1111/j.1541-0420.2009.01282.x
[5] Cai，个性化治疗选择的随机比较临床试验数据分析，生物统计学12 pp 270–（2011）·doi:10.1093/biostatistics/kxq060
[6] Chu，概率估计树方法的比较分析，WSEAS计算机交易10第71页–（2011）
[7] Claggett，利用竞争性风险事件时间数据评估风险收益评估的受试者特定治疗差异，哈佛大学生物统计工作论文系列（2011年）
[8] Clark，乳腺癌的预测因素，乳腺癌2，第79页–（1995）·doi:10.1007/BF02966945
[9] 阿达·卡普：随机提升的R包（2012）
[10] Efron，Bootstrap简介（1993）·doi:10.1007/978-1-4899-4541-9
[11] Etzioni，结合生物标记物检测疾病并应用于前列腺癌，生物统计学4第523页–（2003）·Zbl 1197.62145号 ·doi:10.1093/biostatistics/4.4.523
[12] Foster，根据随机临床试验数据确定亚组，《医学统计学》30，第2867页–（2011）·doi:10.1002/sim.4322
[13] Freund，《在线学习的决策理论概括及其在助推中的应用》，《计算机与系统科学杂志》55页119–（1997）·兹伯利0880.68103 ·doi:10.1006/jcss.1997.1504
[14] Friedman，《加性逻辑回归：提升的统计观点》（作者进行了讨论和反驳），《统计年鉴》28，第337页–（2000）·Zbl 1106.62323号 ·doi:10.1214/aos/1016218223
[15] Gunter，最优决策的变量选择，《医学人工智能》4594第149页–（2007）·doi:10.1007/978-3-540-73599-1_17
[16] Gunter，定性交互的变量选择，统计方法学8第42页–（2011a）·Zbl 05898213号 ·doi:10.1016/j.stamet.2009.05.003
[17] Gunter，个性化药物中定性交互的变量选择，同时控制家庭错误率，《生物制药统计杂志》21页1063–（2011b）·doi:10.1080/10543406.2011.608052
[18] Hastie，《统计学习的要素：数据挖掘、推断和预测》（2001年）·Zbl 0973.62007号 ·doi:10.1007/978-0-387-21606-5
[19] Henry，肿瘤标志物在原发性和转移性乳腺癌诊断、监测和治疗中的使用和滥用，《肿瘤学家》11页541–（2006）·doi:10.1634/theoncologist.11-6-541
[20] Janes，《评估和比较患者治疗选择生物标记物的方法》，国际生物统计杂志
[21] Janes，用于评估用于选择患者治疗的标记物的框架，《医疗决策》34第159页–（2014）·doi:10.1177/0272989X13493147
[22] Janes，《衡量用于指导治疗决策的标记物的性能》，《内科年鉴》154，第253页–（2011年）·doi:10.7326/0003-4819-154-4-201102150-00006
[23] Lu，最优治疗决策的变量选择，医学研究中的统计方法22 pp 493–（2013）·doi:10.1177/0962280211428383
[24] Mebane，《使用导数的遗传优化：R的rgenoud包》，《统计软件杂志》第42页，第1页–（2011年）·doi:10.18637/jss.v042.i11
[25] Paik，预测三苯氧胺治疗的结节阴性乳腺癌复发的多基因分析，《新英格兰医学杂志》351第2817页–（2004）·doi:10.1056/NEJMoa041588文件
[26] Paik，淋巴结阴性、雌激素受体阳性乳腺癌患者的基因表达和化疗益处，《临床肿瘤学杂志》24页3726–（2006）·doi:10.1200/JCO.2005.04.7985
[27] Pepe，使用受试者工作特征曲线下的面积组合分类预测因子，生物计量学62第221页–（2005）·Zbl 1091.62125号 ·文件编号：10.1111/j.1541-0420.2005.00420.x
[28] 教务长，基于概率的排名的树归纳法，机器学习52第199页–（2003）·Zbl 1039.68105号 ·doi:10.1023/A:1024099825458
[29] 钱，个体化治疗规则的性能保证，《统计年鉴》39第1180页–（2011）·Zbl 1216.62178号 ·doi:10.1214/10-AOS864
[30] Sekhon，《使用导数的遗传优化：非线性模型的理论和应用》，《政治分析》第7页，189–（1998）·doi:10.1093/pan/7.1.187
[31] Song，选择患者治疗的评估标记，《生物统计学》60第874页–（2004年）·Zbl 1274.62877号 ·doi:10.1111/j.0006-341X.2004.00242.x
[32] Therneau，rpart:递归分区（2012）
[33] Vickers，将随机试验结果应用于单个患者的预测模型评估方法，试验8，第14页–（2007年）·doi:10.1186/1745-6215-8-14
[34] 张，估计最佳治疗方案的稳健方法，《生物统计学》68页1010–（2012）·Zbl 1258.62116号 ·doi:10.1111/j.1541-0420.2012.01763.x
[35] 赵，基于AUC的生物标记物组合及其在预测低骨密度的基因评分中的应用，生物信息学27页3050–（2011）·doi:10.1093/bioinformatics/btr516
[36] 赵，使用结果加权学习估计个体化治疗规则，《美国统计协会杂志》107 pp 1106–（2012）·Zbl 1443.62396号 ·doi:10.1080/01621459.2012.695674
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。