基于梯度树提升的价值函数引导删失生存数据亚组识别非参数方法
统计方法学
2020-06-17 v1
摘要
在具有生存结局的随机临床试验中，基于基线基因组、蛋白质组标记物或临床特征进行亚组识别的兴趣日益增长。现有部分方法通过直接建模结局或治疗效应来识别从实验性治疗中显著获益的亚组。当目标是为给定患者寻找最优治疗而非为给定治疗寻找合适患者时，个体化处理方案框架下的方法估计个体化处理规则，该规则将带来以价值函数度量的期望临床结局最优。将价值函数概念与亚组识别相联系，我们提出一种非参数方法，通过最大化直接反映亚组-治疗交互效应的价值函数（基于受限平均生存时间）来搜索亚组成员得分。提出梯度树提升算法以搜索个体亚组成员得分。我们进行模拟研究以评估所提方法的性能，并应用于一项AIDS临床试验以作说明。
引用
@article{arxiv.2006.08807,
title = {A Nonparametric Method for Value Function Guided Subgroup Identification via Gradient Tree Boosting for Censored Survival Data},
author = {Pingye Zhang and Junshui Ma and Xinqun Chen and Yue Shentu},
journal= {arXiv preprint arXiv:2006.08807},
year = {2020}
}
备注
33 pages, 3 figures, 4 tables. Revisions Submitted to Statistics in Medicine