論文の概要: Survival Analysis Using a 5-Step Stratified Testing and Amalgamation Routine in Randomized Clinical Trials

• arxiv url: http://arxiv.org/abs/2004.13611v1
• Date: Tue, 28 Apr 2020 15:44:41 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-08 23:45:28.241113
• Title: Survival Analysis Using a 5-Step Stratified Testing and Amalgamation Routine in Randomized Clinical Trials
• Title（参考訳）: ランダム化臨床試験における5段階成層試験とアマルガメーションルーチンを用いた生存分析
• Authors: Devan V. Mehrotra and Rachel Marceau West
• Abstract要約: 患者の不均一性の増加は、治療の違いを検出する共通の統計的アプローチの能力を弱める可能性がある。 どちらの治療でも生存を予測できない可能性を持つ塩基性共変体のリストは、事前に特定されている。 条件推論木アルゴリズムを用いて、異種臨床試験集団を予後同種患者のサブ集団に分割する。 提案した5段階の階層化テストとアマルガメーションルーチン(5-STAR)の高消費電力化性能について述べる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Randomized clinical trials are often designed to assess whether a test treatment prolongs survival relative to a control treatment. Increased patient heterogeneity, while desirable for generalizability of results, can weaken the ability of common statistical approaches to detect treatment differences, potentially hampering the regulatory approval of safe and efficacious therapies. A novel solution to this problem is proposed. A list of baseline covariates that have the potential to be prognostic for survival under either treatment is pre-specified in the analysis plan. At the analysis stage, using all observed survival times but blinded to patient-level treatment assignment, 'noise' covariates are removed with elastic net Cox regression. The shortened covariate list is used by a conditional inference tree algorithm to segment the heterogeneous trial population into subpopulations of prognostically homogeneous patients (risk strata). After patient-level treatment unblinding, a treatment comparison is done within each formed risk stratum and stratum-level results are combined for overall statistical inference. The impressive power-boosting performance of our proposed 5-step stratified testing and amalgamation routine (5-STAR), relative to that of the logrank test and other common approaches that do not leverage inherently structured patient heterogeneity, is illustrated using a hypothetical and two real datasets along with simulation results. Furthermore, the importance of reporting stratum-level comparative treatment effects (time ratios from accelerated failure time model fits in conjunction with model averaging and, as needed, hazard ratios from Cox proportional hazard model fits) is highlighted as a potential enabler of personalized medicine. A fiveSTAR R package is available at https://github.com/rmarceauwest/fiveSTAR.
• Abstract（参考訳）: ランダム化臨床試験は、しばしば、試験治療が制御治療に対して生存期間を延長するかどうかを評価するために設計される。 患者の不均一性の増加は、結果の一般化に望ましいが、共通の統計的アプローチによる治療法の違いの検出能力を弱め、安全で効果的な治療の規制承認を妨げる可能性がある。 この問題に対する新しい解決策が提案されている。 どちらの治療でも生存を予知できる可能性のある塩基性共変体のリストは、分析計画に予め記載されている。 分析段階では、観察された生存時間全てを用いて、患者レベルの治療課題に盲目な場合、"ノイズ"共変体を弾性ネットコックス回帰で除去する。 短縮された共変量リストは条件付き推論木アルゴリズムによって、不均質な試行人口を確率的同質患者の亜集団(risk strata)に分割するために用いられる。 患者レベルの治療終了後, 形成した各リスク層内で治療比較を行い, 全体統計的推測のために層レベルの結果を組み合わせる。 提案する5段階の階層化テストとアマルガメーションルーチン(5-star)の性能は,logrankテストや,本質的に構成された患者の不均一性を活用しない他の一般的なアプローチと比較し,仮説と2つの実際のデータセットとシミュレーション結果を用いて評価した。 さらに, パーソナライズドメディカル医療の可能性として, 地層レベルの比較治療効果(加速故障時間モデルからの時間比がモデル平均に適合し, 必要に応じて, Cox比重ハザードモデルからのハザード比が適合する)を報告することの重要性を強調した。 5STAR Rパッケージはhttps://github.com/rmarceauwest/fiveSTARで入手できる。

関連論文リスト

• SeqRisk: Transformer-augmented latent variable model for improved survival prediction with longitudinal data [4.1476925904032464]
  本研究では,変分オートエンコーダ (VAE) と長手VAE (LVAE) をトランスフォーマーエンコーダとコックス比例ハザードモジュールに結合してリスク予測を行う手法であるSeqRiskを提案する。 SeqRiskは、シミュレーションと実世界の両方のデータセットにおける既存のアプローチと比較して、競合的に機能することを示した。
  論文  参考訳（メタデータ） (2024-09-19T12:35:25Z)
• Estimating treatment effects from single-arm trials via latent-variable modeling [14.083487062917085]
  すべての患者が治療グループに属しているシングルアーム臨床試験は、有効な代替手段であるが、外部コントロールグループへのアクセスが必要である。 このシナリオに対して、同定可能なディープ潜在変数モデルを提案する。 その結果, 直接治療効果評価と患者マッチングによる効果評価の両面で, 性能が向上した。
  論文  参考訳（メタデータ） (2023-11-06T10:12:54Z)
• Robust and Agnostic Learning of Conditional Distributional Treatment Effects [62.44901952244514]
  条件平均治療効果(CATE)は、個々の因果効果の最適点予測である。 集約分析では、通常は分布処理効果(DTE)の測定によって対処される。 我々は,多種多様な問題に対して条件付きDTE(CDTE)を学習するための,新しい堅牢でモデルに依存しない手法を提供する。
  論文  参考訳（メタデータ） (2022-05-23T17:40:31Z)
• CDSM -- Casual Inference using Deep Bayesian Dynamic Survival Models [3.9169188005935927]
  我々はベイジアン・リカレント・サブネットワークを用いた潜在的結果フレームワークを用いて生存曲線の差を推定する因果的動的生存モデル(CDSM)を開発した。 シミュレーションされたサバイバルデータセットを使用して、CDSMはサンプル寸法、イベントレート、結束および重複のシナリオにわたる良好な因果効果推定性能を示した。
  論文  参考訳（メタデータ） (2021-01-26T09:15:49Z)
• Bayesian prognostic covariate adjustment [59.75318183140857]
  疾患の結果に関する歴史的データは、様々な方法で臨床試験の分析に組み込むことができる。 我々は, 予測モデルからの予後スコアを用いて, 治療効果推定の効率を向上する既存の文献に基づいて構築する。
  論文  参考訳（メタデータ） (2020-12-24T05:19:03Z)
• Increasing the efficiency of randomized trial estimates via linear adjustment for a prognostic score [59.75318183140857]
  ランダム化実験による因果効果の推定は臨床研究の中心である。 歴史的借用法のほとんどは、厳格なタイプiエラー率制御を犠牲にして分散の削減を達成する。
  論文  参考訳（メタデータ） (2020-12-17T21:10:10Z)
• A standardized framework for risk-based assessment of treatment effect heterogeneity in observational healthcare databases [60.07352590494571]
  本研究の目的は,この手法を標準化されたスケーラブルなフレームワークを用いて観測環境に拡張することであった。 アンジオテンシン変換酵素阻害薬(ACE)とβ阻害薬の3つの効果と6つの安全性に対する効果を評価することにより,我々の枠組みを実証する。
  論文  参考訳（メタデータ） (2020-10-13T14:48:31Z)
• Estimating heterogeneous survival treatment effect in observational data using machine learning [9.951103976634407]
  観測データにおける不均一な処理効果を推定する方法は, 連続的あるいは二分的な結果に大きく焦点を絞っている。 対物的フレームワークで柔軟な機械学習手法を使用することは、複雑な個人特性による課題に対処するための有望なアプローチである。
  論文  参考訳（メタデータ） (2020-08-17T01:02:14Z)
• Enabling Counterfactual Survival Analysis with Balanced Representations [64.17342727357618]
  生存データは様々な医学的応用、すなわち薬物開発、リスクプロファイリング、臨床試験で頻繁に見られる。 本稿では,生存結果に適用可能な対実的推論のための理論的基盤を持つ統一的枠組みを提案する。
  論文  参考訳（メタデータ） (2020-06-14T01:15:00Z)
• Joint Prediction and Time Estimation of COVID-19 Developing Severe Symptoms using Chest CT Scan [49.209225484926634]
  術後に重篤な症状を発症するかどうかを判定するための共同分類法と回帰法を提案する。 提案手法は,各試料の重量を考慮し,外乱の影響を低減し,不均衡な分類の問題を検討する。 提案手法では, 重症症例の予測精度76.97%, 相関係数0.524, 変換時間0.55日差が得られた。
  論文  参考訳（メタデータ） (2020-05-07T12:16:37Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。