结合虚拟双胞胎与 GUIDE (VG) 识别亚组以开发精准医疗的新方法
应用统计
2017-08-17 v1
摘要
对人类生物学缺乏了解为精准医疗的发展制造了障碍。为了克服这一障碍，我们需要更好地理解特定研究性治疗（对比安慰剂或阳性对照）与各种人口统计学或遗传因素、疾病史和严重程度等之间的潜在协同作用，以识别那些表现出具有临床意义的治疗获益风险增加的患者。为此，我们提出了 VG 方法，该方法结合了来自 Virtual Twins (Foster 等, 2011) 的个体处理效应（ITE）思想与来自 GUIDE (Loh 等, 2015) 的无偏变量选择和截断值确定算法。模拟结果表明，在存在具有强处理效应的预后变量时，VG 方法的变量选择偏差小于 Virtual Twins，且统计功效高于 GUIDE Interaction。通过模拟研究比较了 Virtual Twins、GUIDE 和 VG 的第一类错误和预测性能。还讨论了将 VG 回顾性应用于临床试验数据后获得的结果。
关键词
引用
@article{arxiv.1708.04741,
title = {A Novel Method of Subgroup Identification by Combining Virtual Twins with GUIDE (VG) for Development of Precision Medicines},
author = {Jia Jia and Qi Tang and Wangang Xie and Richard Rode},
journal= {arXiv preprint arXiv:1708.04741},
year = {2017}
}
备注
22 pages, 4 figures, 3 tables, all included in the main text