二段階統計モデルに基づく前立腺癌患者の臨床的失敗のモデル化 (PREDYC)

一連のバイオマーカーは、疾患の進行を示し、臨床エンドポイントを予測できます。 バイオマーカーに応じて治療が処方される場合、治療がマーカープロファイルと失敗のリスクを変更する場合、適応による交絡が導入される可能性があります。

ベイジアン マルコフ連鎖モンテカルロ フレームワーク内に当てはめられた 2 段階モデル​​は、そのようなデータを説明するのに特に柔軟です。 外部ビーム放射線療法で治療された前立腺癌患者の前立腺特異抗原をモニターすることができます。 外照射療法後に前立腺特異抗原が上昇している場合、サルベージホルモン療法を処方して、前立腺特異抗原濃度と臨床的失敗のリスクの両方を減らすことができます。これは、適応による交絡の例です。 によって処方された二次治療を説明しながら、臨床的失敗に対する前立腺特異的抗原プロファイルの役割を評価するための、ベイジアンフレームワーク内の2段階モデル​​に基づく失敗のリスクに関するホルモン療法および前立腺特異的抗原の軌跡の予後的価値。表示。 この研究の目的は、ランダムな変化点を持つ階層的な区分線形軌道を使用して、前立腺特異抗原をモデル化することです。 残存する前立腺特異抗原の変動性は、前立腺特異抗原濃度の関数として表すことができます。 生存モデルの共変量には、ホルモン療法、ベースライン特性、および前立腺特異抗原の最下点とタイミングの個々の予測、および縦方向のプロセスによって提供される最下点の前後の前立腺特異抗原の勾配が含まれます。