Modellering av kliniska misslyckanden hos prostatacancerpatienter baserat på en statistisk modell i två steg (PREDYC)

Biomarkörserier kan indikera sjukdomsprogression och förutsäga kliniska effektmått. När en behandling ordineras beroende på biomarkören, kan indikationskonfounding införas om behandlingen ändrar markörprofilen och risken för misslyckande.

Tvåstegsmodellen inpassad i en Bayesian Markov Chain Monte Carlo-ramverk är särskilt flexibel för att ta hänsyn till sådana data. Prostataspecifika antigener hos prostatacancerpatienter som behandlas med extern strålbehandling kan övervakas. I närvaro av stigande prostataspecifika antigener efter extern strålbehandling, kan räddningshormonbehandling förskrivas för att minska både den prostataspecifika antigenkoncentrationen och risken för kliniskt misslyckande, en illustration av förvirring efter indikation. Det prognostiska värdet av hormonbehandling och prostataspecifik antigenbana på risken för misslyckande baserat på en tvåstegsmodell inom ett Bayesiansk ramverk för att bedöma rollen av den prostataspecifika antigenprofilen vid klinisk misslyckande samtidigt som man tar hänsyn till en sekundär behandling som föreskrivs av indikation. Syftet med denna forskning är att modellera prostataspecifika antigener med hjälp av en hierarkisk bitvis linjär bana med en slumpmässig förändringspunkt. Kvarvarande prostataspecifika antigenervariabilitet kan uttryckas som en funktion av prostataspecifik antigenkoncentration. Kovariater i överlevnadsmodellen kan inkludera: hormonbehandling, baslinjeegenskaper och individuella förutsägelser av de prostataspecifika antigenernas nadir och timing och prostataspecifika antigenlutningar före och efter nadir som tillhandahålls av den longitudinella processen.