Modellierung des klinischen Versagens bei Prostatakrebspatienten basierend auf einem zweistufigen statistischen Modell (PREDYC)

Biomarker-Reihen können den Krankheitsverlauf anzeigen und klinische Endpunkte vorhersagen. Wenn eine Behandlung in Abhängigkeit vom Biomarker verschrieben wird, kann eine Verwechslung durch die Indikation eingeführt werden, wenn die Behandlung das Markerprofil und das Risiko eines Versagens verändert.

Das zweistufige Modell, das in einen Monte-Carlo-Rahmen der Bayes'schen Markov-Kette eingepasst ist, ist besonders flexibel, um solche Daten zu berücksichtigen. Prostataspezifische Antigene bei Prostatakrebspatienten, die mit externer Strahlentherapie behandelt wurden, können überwacht werden. Bei Vorliegen steigender prostataspezifischer Antigene nach externer Strahlentherapie kann eine Salvage-Hormontherapie verschrieben werden, um sowohl die Konzentration prostataspezifischer Antigene als auch das Risiko eines klinischen Versagens zu reduzieren, ein Beispiel für eine Verwechslung durch die Indikation. Der prognostische Wert der Hormontherapie und des Verlaufs prostataspezifischer Antigene auf das Versagensrisiko basiert auf einem zweistufigen Modell innerhalb eines Bayes'schen Rahmens, um die Rolle des prostataspezifischen Antigenprofils beim klinischen Versagen unter Berücksichtigung einer vorgeschriebenen Sekundärbehandlung zu bewerten Indikation. Das Ziel dieser Forschung ist es, prostataspezifische Antigene unter Verwendung einer hierarchischen stückweise linearen Trajektorie mit einem zufälligen Änderungspunkt zu modellieren. Die Restvariabilität der prostataspezifischen Antigene kann als Funktion der Konzentration der prostataspezifischen Antigene ausgedrückt werden. Kovariaten im Überlebensmodell können umfassen: Hormontherapie, Grundliniencharakteristika und individuelle Vorhersagen des Prostata-spezifischen Antigen-Tiefpunkts und -Timings und Prostata-spezifischer Antigen-Steigungen vor und nach dem Tiefpunkt, wie sie durch den Längsschnittprozess geliefert werden.