Modellazione del fallimento clinico nei pazienti affetti da cancro alla prostata sulla base di un modello statistico a due stadi (PREDYC)

Le serie di biomarcatori possono indicare la progressione della malattia e predire gli endpoint clinici. Quando viene prescritto un trattamento in base al biomarcatore, potrebbe essere introdotta confusione per indicazione se il trattamento modifica il profilo del marcatore e il rischio di fallimento.

Il modello a due stadi inserito all'interno di un framework Bayesian Markov Chain Monte Carlo è particolarmente flessibile per tenere conto di tali dati. È possibile monitorare gli antigeni prostatici specifici nei pazienti con cancro alla prostata trattati con radioterapia a fasci esterni. In presenza di antigeni prostatici specifici in aumento dopo radioterapia a fasci esterni, può essere prescritta la terapia ormonale di salvataggio per ridurre sia la concentrazione di antigeni prostatici specifici sia il rischio di fallimento clinico, un esempio di confusione per indicazione. Il valore prognostico della terapia ormonale e la traiettoria degli antigeni prostatici specifici sul rischio di fallimento sulla base di un modello a due stadi all'interno di un quadro bayesiano per valutare il ruolo del profilo degli antigeni prostatici specifici sul fallimento clinico tenendo conto di un trattamento secondario prescritto da indicazione. lo scopo di questa ricerca è modellare gli antigeni prostatici specifici utilizzando una traiettoria lineare gerarchica a tratti con un punto di cambio casuale. La variabilità residua degli antigeni specifici della prostata può essere espressa in funzione della concentrazione degli antigeni specifici della prostata. Le covariate nel modello di sopravvivenza possono includere: terapia ormonale, caratteristiche basali e predizioni individuali del nadir degli antigeni prostatici specifici e temporizzazione e pendenze degli antigeni prostatici specifici prima e dopo il nadir come fornito dal processo longitudinale.