针对组织病理学中条件泊松分布生物标志物的 POI-SIMEX 方法

回归分析中的协变量测量误差是一个重要问题，已在经典加性误差模型和 Berkson 误差模型下得到广泛研究。在此，我们考虑协变量源自肿瘤组织病理学，特别是组织微阵列的情况。在此类场景中，生物标志物是从较大组织切片中二次采样的组织芯中评估的，因此这些生物标志物仅是真实细胞密度的估计值。由此产生的测量误差不可忽略，但在涉及组织微阵列的癌症研究中却很少被考虑。为了调整此类测量误差，我们假设这些离散值生物标志物服从条件泊松分布，该假设基于控制标志物阳性细胞空间位置的泊松过程模型。处理条件泊松替代变量的现有方法，特别是在缺乏内部验证数据时，是有限的。我们将仿真外推(SIMEX)算法扩展以适应条件泊松情况(POI-SIMEX)，其中测量误差为非高斯且具有异方差。在假设观测生物标志物服从条件泊松分布的线性回归模型中，所提出的估计量被证明是强一致的。模拟研究评估了 POI-SIMEX 的性能，并在线性回归和生存分析背景下将其与朴素方法和替代的修正似然方法进行了比较。随后将 POI-SIMEX 应用于一项高级别浆液性癌研究，考察了生存率与三阳性生物标志物（CD3+CD8+FOXP3+ 细胞）存在之间的关联。