Modelado de fracaso clínico en pacientes con cáncer de próstata basado en un modelo estadístico de dos etapas (PREDYC)

Las series de biomarcadores pueden indicar la progresión de la enfermedad y predecir los criterios de valoración clínicos. Cuando se prescribe un tratamiento en función del biomarcador, se puede introducir confusión por indicación si el tratamiento modifica el perfil del marcador y el riesgo de fracaso.

El modelo de dos etapas ajustado dentro de un marco de Monte Carlo de la Cadena Bayesiana de Markov es particularmente flexible para dar cuenta de dichos datos. Se pueden controlar los antígenos prostáticos específicos en pacientes con cáncer de próstata tratados con radioterapia de haz externo. En presencia de antígenos prostáticos específicos en aumento después de la radioterapia de haz externo, se puede prescribir terapia hormonal de rescate para reducir tanto la concentración de antígenos prostáticos específicos como el riesgo de fracaso clínico, un ejemplo de confusión por indicación. El valor pronóstico de la terapia hormonal y la trayectoria de los antígenos prostáticos específicos sobre el riesgo de fracaso basado en un modelo de dos etapas dentro de un marco bayesiano para evaluar el papel del perfil de antígenos prostáticos específicos en el fracaso clínico mientras se tiene en cuenta un tratamiento secundario prescrito por indicación. El objetivo de esta investigación es modelar antígenos prostáticos específicos utilizando una trayectoria lineal jerárquica por partes con un punto de cambio aleatorio. La variabilidad de antígenos prostáticos específicos residuales se puede expresar como una función de la concentración de antígenos prostáticos específicos. Las covariables en el modelo de supervivencia pueden incluir: terapia hormonal, características iniciales y predicciones individuales del nadir de los antígenos prostáticos específicos y el tiempo y las pendientes de los antígenos prostáticos específicos antes y después del nadir según lo proporcionado por el proceso longitudinal.