基于脆弱性效应处理多事件时间数据的生物标志物风险检测改进方法

癌症患者疾病进展的多种指征可通过局部区域复发、远处转移和死亡发现。早期识别这些指征对于改变治疗策略是必要的。生物标志物在这方面起着重要作用。患者的生存机会依赖于生物标志物,治疗策略也相应不同,例如,诊断为 HER2 阳性状态的乳腺癌患者的生存预测不同于 HER2 阴性状态者。这导致不同的治疗策略。因此,在建模生存结局时应考虑生物标志物状态或水平的异质性。这种常被未观测到的异质性因素称为脆弱性。当多种指征同时出现时,情形变得更复杂,因为其中仅一种可能发生,这将删失其他事件的发生。为每个指征原因纳入各生物标志物状态的独立脆弱性并不能刻画异质性的完整图景。指示癌症进展的事件很可能是相互关联的。因此,应通过不同事件的脆弱性引入相关性。在我们的研究中,我们考虑了一个带异质性成分的多事件或风险模型。基于估计的脆弱性方差,利用生物标志物的阈值水平作为疾病进展或死亡的早期检测工具。采用加性伽马脆弱性模型以解释不同脆弱性成分间的相关性,并使用期望最大化算法进行参数估计。借助 R 中的详尽算法,我们在多事件情形下获得了生物标志物活性的阈值水平。