自动化药物敏感性测试的统计方法：基于生长曲线的贝叶斯最低抑菌浓度预测
应用统计
2009-08-21 v1
摘要
测定阻止微生物生长的药物的最低抑菌浓度（MIC）是感染患者管理的重要步骤。在本文中，我们提出了一种新的概率方法，该方法基于反映细菌生长特征的多条曲线准确估计 MIC。我们开发了一个概率模型，用于在给定生长曲线随时间变化的特征下，确定给定稀释度的抗菌剂是否为 MIC。由于特征集合可能非常庞大，我们利用贝叶斯模型选择将预测变量集合缩小至最重要的变量。除了 MIC 的点估计外，我们还能基于观察到的生长曲线提供每种稀释度为 MIC 的后验概率。这些方法易于自动化，并已集成至 Becton--Dickinson PHOENIX 自动化敏感性系统中，该系统能快速准确地分类临床样本中大量微生物的耐药性。迄今为止的七十余项研究表明，与现有方法相比，这种新方法提供了更好的 MIC 估计。
引用
@article{arxiv.0908.2858,
title = {Statistical methods for automated drug susceptibility testing: Bayesian minimum inhibitory concentration prediction from growth curves},
author = {Xi Kathy Zhou and Merlise A. Clyde and James Garrett and Viridiana Lourdes and Michael O'Connell and Giovanni Parmigiani and David J. Turner and Tim Wiles},
journal= {arXiv preprint arXiv:0908.2858},
year = {2009}
}
备注
Published in at http://dx.doi.org/10.1214/08-AOAS217 the Annals of Applied Statistics (http://www.imstat.org/aoas/) by the Institute of Mathematical Statistics (http://www.imstat.org)