論文の概要: Bayesian Semiparametric Mixture Cure (Frailty) Models

• arxiv url: http://arxiv.org/abs/2512.08173v1
• Date: Tue, 09 Dec 2025 02:05:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-10 22:28:07.785436
• Title: Bayesian Semiparametric Mixture Cure (Frailty) Models
• Title（参考訳）: ベイジアン半パラメトリック混合キュア(フレラティ)モデル
• Authors: Fatih Kızılaslan, Valeria Vitelli,
• Abstract要約: 特に、硬化率の存在を合理的に推定できる場合には、比例的ハザード混合治療モデルが有利である。 本稿では, 半パラメトリック混合硬化モデルのための新しい階層型ベイズフレームワークを提案する。 提案手法はE1690メラノーマ臨床試験と大腸癌臨床試験の2つの有名な治療モデル文献に適用された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In recent years, mixture cure models have gained increasing popularity in survival analysis as an alternative to the Cox proportional hazards model, particularly in settings where a subset of patients is considered cured. The proportional hazards mixture cure model is especially advantageous when the presence of a cured fraction can be reasonably assumed, providing a more accurate representation of long-term survival dynamics. In this study, we propose a novel hierarchical Bayesian framework for the semiparametric mixture cure model, which accommodates both the inclusion and exclusion of a frailty component, allowing for greater flexibility in capturing unobserved heterogeneity among patients. Samples from the posterior distribution are obtained using a Markov chain Monte Carlo method, leveraging a hierarchical structure inspired by Bayesian Lasso. Comprehensive simulation studies are conducted across diverse scenarios to evaluate the performance and robustness of the proposed models. Bayesian model comparison and assessment are performed using various criteria. Finally, the proposed approaches are applied to two well-known datasets in the cure model literature: the E1690 melanoma trial and a colon cancer clinical trial.
• Abstract（参考訳）: 近年,Cox比例ハザードモデルの代替として,特に患者のサブセットを治療対象とする環境では,混合治療モデルが生存分析において人気が高まっている。 比例的ハザード混合治療モデルは、キュレートされた分数の存在を合理的に仮定できる場合に特に有利であり、より正確な長期生存動態の表現を提供する。 本研究では, 半パラメトリック混合治療モデルのための新しい階層型ベイズフレームワークを提案する。 後部分布からのサンプルはマルコフ連鎖モンテカルロ法を用いて得られ、ベイジアン・ラッソにインスパイアされた階層構造を利用する。 提案モデルの性能とロバスト性を評価するため,多種多様なシナリオを対象とした総合シミュレーション研究を行った。 ベイズモデルの比較と評価は様々な基準を用いて行われる。 最後に,E1690メラノーマ臨床試験と大腸癌臨床試験という,治療モデルの文献でよく知られた2つのデータセットに提案手法を適用した。

関連論文リスト

• Optimizing Prognostic Biomarker Discovery in Pancreatic Cancer Through Hybrid Ensemble Feature Selection and Multi-Omics Data [4.010215468404495]
  高次元マルチオミクスデータを用いた患者の生存率の予測には,系統的特徴選択法が必要である。 我々は,データサブサンプリングと複数の予後モデルを組み合わせたハイブリッドアンサンブル特徴選択(hEFS)手法を開発した。 hEFSは従来のレイトフュージョンCoxLassoモデルに比べて著しく少ない、より安定したバイオマーカーを同定する。
  論文  参考訳（メタデータ） (2025-09-02T11:09:24Z)
• Simulation-based inference for stochastic nonlinear mixed-effects models with applications in systems biology [0.29998889086656577]
  階層型混合効果モデルにおける拡張ベイズ推定のための新しい手法を提案する。 我々のフレームワークはまず、確率と後部分布の補正近似を構築し、各データセットに対して高速に精製する。 統計的精度の点で,我々のアプローチは迅速かつ競争的であった。
  論文  参考訳（メタデータ） (2025-04-15T15:18:58Z)
• Seeing Unseen: Discover Novel Biomedical Concepts via Geometry-Constrained Probabilistic Modeling [53.7117640028211]
  同定された問題を解決するために,幾何制約付き確率的モデリング処理を提案する。 構成された埋め込み空間のレイアウトに適切な制約を課すために、重要な幾何学的性質のスイートを組み込む。 スペクトルグラフ理論法は、潜在的な新規クラスの数を推定するために考案された。
  論文  参考訳（メタデータ） (2024-03-02T00:56:05Z)
• Kernel Cox partially linear regression: building predictive models for cancer patients' survival [4.230753712933184]
  我々はカーネルCox比例ハザード半パラメトリックモデルを構築し、モデルに適合する新しい正規化ニンジン化カーネルマシン(RegGKM)を提案する。 我々はカーネルマシン法を用いて生存率と予測値の複雑な関係を記述し、無関係なパラメトリックおよび非パラメトリック予測値を自動的に除去する。 この結果は、患者を異なる死亡リスクを持つグループに分類し、より良い臨床結果を得るために治療を促進するのに役立つ。
  論文  参考訳（メタデータ） (2023-10-11T04:27:54Z)
• Ambiguous Medical Image Segmentation using Diffusion Models [60.378180265885945]
  我々は,グループ洞察の分布を学習することで,複数の可算出力を生成する単一拡散モデルに基づくアプローチを提案する。 提案モデルでは,拡散の固有のサンプリングプロセスを利用してセグメンテーションマスクの分布を生成する。 その結果,提案手法は既存の最先端曖昧なセグメンテーションネットワークよりも優れていることがわかった。
  論文  参考訳（メタデータ） (2023-04-10T17:58:22Z)
• Mitigating multiple descents: A model-agnostic framework for risk monotonization [84.6382406922369]
  クロスバリデーションに基づくリスクモノトナイズのための一般的なフレームワークを開発する。 本稿では,データ駆動方式であるゼロステップとワンステップの2つの手法を提案する。
  論文  参考訳（メタデータ） (2022-05-25T17:41:40Z)
• A Twin Neural Model for Uplift [59.38563723706796]
  Upliftは条件付き治療効果モデリングの特定のケースです。 相対リスクのベイズ解釈との関連性を利用して定義した新たな損失関数を提案する。 本提案手法は,シミュレーション設定の最先端と大規模ランダム化実験による実データとの競合性を示す。
  論文  参考訳（メタデータ） (2021-05-11T16:02:39Z)
• Deep Cox Mixtures for Survival Regression [11.64579638651557]
  本稿では,Cox回帰の学習混合物をモデルとした生存分析回帰モデルに対する新しいアプローチについて述べる。 我々は、複数の実世界のデータセットで実験を行い、民族や性別にまたがる患者の死亡率を調べる。
  論文  参考訳（メタデータ） (2021-01-16T22:41:22Z)
• 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)
• A General Framework for Survival Analysis and Multi-State Modelling [70.31153478610229]
  ニューラル常微分方程式を多状態生存モデル推定のためのフレキシブルで一般的な方法として用いる。 また,本モデルでは,サバイバルデータセット上での最先端性能を示すとともに,マルチステート環境での有効性を示す。
  論文  参考訳（メタデータ） (2020-06-08T19:24:54Z)

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。