阿格涅斯卡·克罗尔;洛伊奇费雷尔;Jean-Pierre Pignon;塞西尔·普鲁斯·利马;米歇尔·杜克勒;奥利维埃·布歇;斯蒂芬·米歇尔斯;弗吉尼亚州朗多 左旋纵向数据、复发事件和终末事件的联合模型：肿瘤负担对癌症演变的预测能力，并应用于FFCD 2000-05试验。 （英语） Zbl 1390.62278号 生物计量学 72，第3期，907-916（2016）. 总结：在肿瘤学方面，国际WHO和RECIST标准允许标准化肿瘤反应评估，以确定疾病进展的时间。这些半定量测量通常用作II期和III期试验的终点，以研究新疗法的疗效。然而，通过对连续肿瘤大小的分类，信息可能会丢失，并且可能会受到最近开发的生物标记物纵向建模方法的挑战。因此，基于肿瘤大小的分类标准和定量测量（由于检测极限问题而呈左偏）和/或新病灶的出现对总生存率的预测能力进行比较是有意义的。我们提出了一个联合模型，用于同时分析三种类型的数据：纵向标记、复发事件和终末事件。该模型允许在随机临床试验中确定哪种特定成分的治疗最有效。仿真研究表明，所提出的三变量模型适合于实际应用。我们提出了评估联合模型预测准确性的统计工具，以便根据分类标准及其组成部分将我们的模型与模型进行比较。我们将该模型应用于一项转移性结直肠癌的随机III期临床试验，该试验由癌症法语国家消化研究所（FFCD 2000-05试验）进行，该研究将410名患者分为两种治疗策略和多个连续化疗方案。 引用于1文件 MSC公司： 62页第10页 统计学在生物学和医学科学中的应用；元分析 62N01号 审查数据模型 62甲12 多元分析中的估计 关键词：结直肠癌;关节模型;纵向数据;预测准确性;反复发生的事件;肿瘤测量;审查的 软件：PATSYM公司;人力资源管理SYM;脆弱的背包 PDF格式BibTeX公司 XML格式引用 \textit{A.Król}等人，《生物统计学》72，第3期，907--916（2016；Zbl 1390.62278） 全文： 内政部 参考文献： [1] An，《癌症治疗试验中基于连续与分类肿瘤测量指标预测总生存率的比较》，《临床癌症研究》17页6592–（2011）·doi:10.1158/1078-0432.CCR-11-0822 [2] Claret，评估肿瘤大小反应指标以预测西方和中国一线转移性结直肠癌患者的总生存率，《临床肿瘤学杂志》第31期第2110页–（2013）·doi:10.1200/JCO.2012.45.0973 [3] 赞扬，通过估计预期条件Kullback-Leibler风险的差异来选择联合模型中的预测估计器，《生物统计学》68，第380页–（2012）·Zbl 1251.62041号 ·文件编号：10.1111/j.1541-0420.2012.01753.x [4] Ducreux，序贯与联合化疗治疗晚期结直肠癌（FFCD 2000-05）：一项开放、随机、3期试验，《柳叶刀肿瘤学》第12卷第1032页–（2011年）·doi:10.1016/S1470-2045（11）70199-1 [5] Efendi，具有直接边缘解释的纵向连续和时间-事件结果的联合模型，《生物医学杂志》55，第572页–（2013）·Zbl 1441.62335号 ·doi:10.1002/bimj.201200159 [6] Eisenhauer，实体肿瘤的新反应评估标准：修订的RECIST指南（1.1版），《欧洲癌症杂志》45，第228页–（2009）·doi:10.1016/j.ejca.2008.10.026 [7] Elashoff，《存在多种失效类型时纵向测量和存活数据的联合模型》，《生物统计学》第64页，762页–（2008年）·Zbl 1170.62067号 ·文件编号：10.1111/j.1541-0420.2007.00952.x [8] Genz，高斯权重无限区域上多重积分的完全对称插值规则，计算与应用数学杂志71页299–（1996）·Zbl 0856.65011号 ·doi:10.1016/0377-0427（95）00232-4 [9] Gerds，用以右为中心的事件时间对一般生存模型中预期Brier分数的一致估计，《生物医学杂志》48页1029–（2006）·doi:10.1002/bimj.200610301 [10] 易卜拉欣，用于癌症疫苗试验应用的纵向和存活数据联合建模的贝叶斯方法，《中国统计》14卷第863页–（2004年）·Zbl 1073.62100号 [11] Jackmin-Gadda，《左旋纵向数据分析及其在HIV感染病毒载量中的应用》，生物统计学1第355页–（2000）·Zbl 1096.62507号 ·doi:10.1093/biostatistics/1.4.355 [12] Karrison，《利用肿瘤大小变化的连续终点设计II期癌症试验：索拉非尼和埃洛替尼在非小细胞肺癌中的应用》，《美国国家癌症研究所杂志》第99页第1455–（2007）·doi:10.1093/jnci/djm158 [13] Liu，死亡时相关重复测量和复发事件过程的联合分析，应用于获得性免疫缺陷综合征的研究，《皇家统计学会杂志》58第65页–（2009）·doi:10.1111/j.1467-9876.2008.00641.x [14] Liu，在有信息的观测时间和相关终末事件的情况下分析纵向数据，并将其应用于医疗成本数据，《生物统计学》第64卷第950页–（2008年）·Zbl 1145.62388号 ·doi:10.1111/j.1541-0420.2007.00954.x [15] Liu，复发事件和终末事件的共享脆弱性模型，《生物统计学》60页747–（2004）·Zbl 1274.62827号 ·doi:10.1111/j.0006-341X.2004.00225.x [16] Lyles，人类免疫缺陷病毒核糖核酸数据的随机回归模型，受左删失和信息缺失的影响，《皇家统计学会杂志：C辑（应用统计学）》，49页，485–（2000）·Zbl 0965.62097号 ·数字对象标识代码：10.1111/1467-9876.00207 [17] Marquardt，非线性参数最小二乘估计算法，SIAM应用数学杂志11页431–（1963）·兹比尔0112.10055 ·doi:10.1137/0111030 [18] Mauguen，在关节脆弱性模型中使用癌症复发史动态预测死亡风险，《医学统计学》32页5366–（2013）·doi:10.1002/sim.5980 [19] Molenberghs，具有正态和共轭随机效应的重复测量的广义线性模型族，《统计科学》25，第325页–（2010）·Zbl 1329.62342号 ·doi:10.1214/10-STS328 [20] Proust-Lima，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，生物统计学10 pp 535–（2009）·doi:10.1093/biostatistics/kxp009 [21] Rizopoulos，纵向和时间-事件数据联合模型中的动态预测和预期准确性，《生物统计学》第67页，第819页–（2011年）·Zbl 1226.62124号 ·文件编号：10.1111/j.1541-0420.2010.01546.x [22] Rizopoulos，使用伪自适应高斯求积规则快速拟合纵向和事件时间数据的联合模型，计算统计和数据分析56 pp 491–（2012）·Zbl 1239.62122号 ·doi:10.1016/j.csda.2011.09.007 [23] Rondeau，使用最大惩罚似然估计的复发事件和死亡的关节脆弱性模型：在癌症事件中的应用，《生物统计学》第8页，708–（2007）·Zbl 1267.62110号 [24] Rondeau，脆弱包：使用惩罚似然估计或参数估计分析脆弱模型相关生存数据的r包，统计软件杂志47（2012）·doi:10.18637/jss.v047.i04 [25] 罗伊斯顿，《多元回归中的二分法连续预测：一个坏主意》，《医学统计学》25卷127页–（2006）·doi:10.1002/sim.2331 [26] Schluchter，《信息审查纵向数据的分析方法》，《医学统计学》第11页，1861–（1992）·doi:10.1002/sim.4780111408 [27] Séne，纵向和时间-事件数据的联合建模及其在前列腺癌复发预测中的应用，法国社会统计杂志155页134–（2013） [28] 世界卫生组织1979年世界卫生组织癌症治疗结果报告手册 [29] Wulfsohn，生存和纵向数据测量误差的联合模型，《生物统计学》53页330–（1997）·Zbl 0874.62140号 ·doi:10.2307/2533118 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。