基于当前状态数据的贝叶斯推广时间治愈模型
统计方法学
2024-10-15 v1
摘要
生命数据分析在流行病学研究或破坏性测试中常涉及当前状态删失，即个体仅在特定时间点被检查且仅在该时间点记录其事件状态。在实践中，这些个体中的一些可能永远不会发生感兴趣的事件，导致具有治愈比例的当前状态数据。治愈模型用于估计非易感个体的比例、易感个体的分布以及协变量效应。受癌症转移生物学解释的启发，推广时间治愈模型是分析此类数据时流行的替代方案。当前研究首次提出用于分析具有治愈比例的当前状态数据的贝叶斯推断方法，采用推广时间治愈模型。利用自适应 Metropolis-Hastings 算法进行后验计算。模拟研究证明了该方法的有效性，而肺瘤和乳腺癌数据分析则说明了其实际效用。该方法通过纳入关于疾病动力学和治疗选项的先验知识，有潜力提高临床治愈率。
引用
@article{arxiv.2410.09892,
title = {A Bayesian promotion time cure model with current status data},
author = {Pavithra Hariharan and P. G. Sankaran},
journal= {arXiv preprint arXiv:2410.09892},
year = {2024}
}