×
李，肖;布伦特·R·洛根。;侯赛因，S.M.Ferdous;艾丽卡·E·M·穆迪。

使用贝叶斯加性回归树对截尾结果进行动态治疗。 （英语） Zbl 07830843号

寿命数据分析。 30，编号1，181-212（2024）.
小结：为了实现为每个患者提供尽可能最好的护理的目标，医生需要为处于相同健康状态的患者定制治疗方案，尤其是在治疗可能会进一步恶化并需要额外治疗的疾病时，如癌症。随着疾病的发展，在多个阶段做出决策可以被正式化为动态治疗方案（DTR）。大多数用于估计动态治疗方案的现有优化方法，包括流行的Q学习方法，都是在频率学家的背景下开发的。最近，提出了一个通用的贝叶斯机器学习框架，该框架有助于使用贝叶斯回归建模来优化DTR。在本文中，我们使用贝叶斯加性回归树（BART）对加速故障时间建模框架下的每个阶段的截尾结果进行了改进，并进行了仿真研究和一个实际数据示例，将所提出的方法与Q学习进行了比较。我们还开发了一个R包装函数，该函数利用标准BART生存模型来优化DTR以获得审查结果。包装器功能可以很容易地扩展，以适应任何类型的贝叶斯机器学习模型。

MSC公司：

62Nxx号 生存分析和审查数据
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：

加速失效时间;异基因造血细胞移植;精密医学;个性化治疗规则;生存分析

软件：

贝叶斯树;生存;BartPy公司
PDF格式BibTeX公司 XML格式引用
\textit{X.Li}等人，《寿命数据分析》。30，编号1，181--212（2024；Zbl 07830843）
全文： 内政部 arXiv公司
OA许可证

参考文献：

[1] Arjas E，Saarela O（2010）最优动态机制：为预测推理提供一个案例。国际生物统计学杂志3（2），第10条
[2] 布兰奇，P。；Dartigues，JF；Jackmin-Gadda，H.，《估计和比较受检事件时间和竞争风险下接收器操作特征曲线下的时间依赖区域》，《医学统计》，32，30，5381-5397（2013）·doi:10.1002/sim.5958
[3] 波纳托，V。；巴拉丹达尤塔帕尼，V。；扫帚，BM；苏尔曼，EP；阿尔达佩，KD；Do，KA，基因表达数据中生存预测的贝叶斯集成方法，生物信息学，27，3，359-367（2011）·doi:10.1093/bioinformatics/btq660
[4] Chakraborty B，Moodie EEM（2013）《动态治疗方案的统计方法：强化学习、因果推断和个性化医学》。施普林格·Zbl 1278.62169号
[5] 奇普曼，HA；乔治，EI；McCulloch，RE，BART：贝叶斯加性回归树，应用统计学年鉴，4，1266-298（2010）·Zbl 1189.62066号 ·doi:10.1214/09-AOAS285
[6] Goldberg，Y。；科索罗克，MR，Q-learning with centered data，The Annals of Statistics，40529-560（2012）·Zbl 1246.62206号 ·doi:10.1214/12-AOS968
[7] Heagerty，PJ；Lumley，T。；Pepe，MS，截尾生存数据和诊断标记的时间依赖ROC曲线，生物计量学，56，2，337-344（2000）·Zbl 1060.62622号 ·文件编号：10.1111/j.0006-341X.2000.00337.x
[8] 北卡罗来纳州亨德森；TA路易斯；罗斯纳，德国劳埃德船级社；Varadhan，R.，通过完全非参数贝叶斯加速失败时间模型对截尾数据的个性化治疗效果，生物统计学，21，1，50-68（2020）·doi:10.1093/biostatistics/kxy028
[9] Hossain SMF（2019）针对审查结果的最佳动态治疗方案的灵活建模。加拿大蒙特利尔麦吉尔大学硕士论文
[10] 江，B。；宋，R。；Li，J.等人。；Zeng，D.，动态治疗方案的熵学习，中国统计局，29,41633-1655（2019）·Zbl 1432.62364号
[11] 科索罗克，MR；Moodie，EEME，《实践中的适应性治疗策略：个性化医学的试验规划和数据分析》（2015），宾夕法尼亚州费城：ASA-IAM出版，宾夕法尼亚州费城·Zbl 1334.92005年 ·doi:10.1137/1.9781611974188
[12] 克拉科夫，EF；Hemmer，M。；Wang，T。；洛根，B。；阿罗拉，M。；斯佩尔曼，S。；库里尔，D。；阿卢西，A。；皮达拉，J。；Last，M.，《精准医学时代的工具：如何利用q-learning从队列和注册数据中制定高度个性化的治疗建议》，《美国流行病学杂志》，186，2，160-172（2017）·doi:10.1093/aje/kwx027
[13] 缸套，AR；巴萨克，P。；李毅。；Sinha，D.，具有子模型收缩的贝叶斯生存树集成，贝叶斯分析，1,1,1-24（2021）
[14] 罗根，BR；斯巴帕尼，R。；RE McCulloch；Laud，PW，《使用贝叶斯加性回归树进行个体化治疗的决策和不确定性量化》，《医学研究中的统计方法》，28，4，1079-1093（2019）·doi:10.1177/0962280217746191
[15] 穆迪，EE；TS理查森；斯蒂芬斯，DA，《解密最佳动态治疗方案》，生物统计学，63，2，447-455（2007）·Zbl 1137.62077号 ·doi:10.1111/j.1541-0420.2006.00686.x
[16] Murphy，SA，《最佳动态治疗方案》，《皇家统计学会杂志：B辑（统计方法）》，65，2，331-355（2003）·Zbl 1065.62006号 ·doi:10.1111/1467-9868.00389
[17] 助教Murray；袁，Y。；Thall，PF，用于优化动态治疗方案的贝叶斯机器学习方法，美国统计协会杂志，113，523，1255-1267（2018）·兹比尔1402.62281 ·doi:10.1080/01621459.2017.1340887
[18] Nahum-Shani，I。；钱，M。；阿尔米拉腊，D。；佩勒姆，W。；格尼，B。；法比亚诺，G。；Waxmonsky，J。；Yu，J。；Murphy，S.，《Q-learning：构建适应性干预的数据分析方法》，《心理学方法》，第17期，第478-494页（2012年）·doi:10.1037/a0029373
[19] 钱，M。；Murphy，SA，个性化治疗规则的性能保证，《统计年鉴》，39，2，1180（2011）·Zbl 1216.62178号 ·doi:10.1214/10-AOS864
[20] Robins，J.，《持续暴露期死亡率研究中因果推断的新方法——应用于控制健康工人幸存者效应》，《数学建模》，71393-1512（1986）·Zbl 0614.62136号 ·doi:10.1016/0270-0255（86）90088-6
[21] Robins JM（2000）顺序可忽略缺失数据和因果推理模型中的稳健估计。摘自：《美国统计协会会刊》，第1999卷，第6-10页
[22] Robins JM（2004）最优序列决策的最优结构嵌套模型。摘自：《第二届西雅图生物统计学研讨会论文集》，第189-326页。施普林格·Zbl 1279.62024号
[23] Rodriguez-Duque D，Stephens DA，Moodie EEM，Klein MB（2022）通过动态边缘结构模型进行最优动态治疗方案的半参数贝叶斯推理。生物统计学p.（出版中）
[24] Rubin，DB，实验数据的随机化分析：Fisher随机化检验（评论），《美国统计协会杂志》，75，371，591-593（1980）
[25] 萨雷拉，O。；Arjas，E。；DA斯蒂芬斯；Moodie，EEM，预测贝叶斯推断和动态治疗方案，《生物医学杂志》，57，6，941-958（2015）·Zbl 1386.62064号 ·doi:10.1002/bimj.201400153
[26] 萨雷拉，O。；贝尔齐勒，LR；斯蒂芬斯，DA，《双重稳健因果推理的贝叶斯观点》，《生物统计学》，103，3，667-681（2016）·Zbl 1506.62253号 ·doi:10.1093/biomet/asw025
[27] Simoneau，G。；穆迪，EE；Nijjar，JS；Platt，RW，《评估具有生存结果的最佳动态治疗方案》，美国统计协会杂志，115，531，1531-1539（2020）·Zbl 1441.62494号 ·doi:10.1080/01621459.2019.1629939
[28] 宋，R。；Wang，W。；曾博士。；Kosorok，M.，动态治疗方案的惩罚Q-学习，《中国统计》，25901-920（2014）·Zbl 1415.62054号
[29] Sparapani R，Spanbauer C，McCulloch R（2021）使用贝叶斯加性回归树的非参数机器学习和高效计算：BART R包。统计软件杂志97（1），1-66。doi:10.18637/jss.v097.i01
[30] 斯帕帕尼，RA；罗根，BR；RE McCulloch；Laud，PW，使用贝叶斯加性回归树（BART）进行非参数生存分析，《医学统计学》，35，16，2741-2753（2016）·数字对象标识代码：10.1002/sim.6893
[31] 特里·塞尔诺（Terry M.Therneau）。；Grambsch，Patricia M.，《生存数据建模：扩展考克斯模型》（2000），纽约：施普林格出版社，纽约·Zbl 0958.62094号 ·doi:10.1007/978-1-4757-3294-8
[32] Therneau TM（2022）R生存分析包。https://CRAN.R-project.org/package=生存。R包版本3.3-1
[33] Tsiatis AA、Davidian M、Holloway ST、Laber EB（2020）《动态治疗方案：精确医学的统计方法》。查普曼和霍尔/CRC·兹比尔1473.62011
[34] Zhao，YQ；曾博士。；劳工，EB；Kosorok，MR，估计最佳动态治疗方案的新统计学习方法，美国统计协会杂志，110，510，583-598（2015）·Zbl 1373.62557号 ·doi:10.1080/01621459.2014.937488
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。