用于检测随机临床试验中生物标志物-治疗交互作用的两阶段惩罚回归筛选
统计方法学
2021-04-30 v2 机器学习
定量方法
机器学习
摘要
诸如基因组学之类的高维生物标志物正越来越多地在随机临床试验中被测量。因此，开发能够提高检测生物标志物-治疗交互作用功效的方法日益受到关注。我们将最近提出的两阶段交互作用检测流程应用于随机临床试验场景。我们还提出了一种使用岭回归的新第一阶段多变量筛选策略，以考虑生物标志物间的相关性。对于该多变量筛选，我们在生物标志物-治疗独立的条件下证明了阶段间渐近独立性，这是族错误率控制所必需的。模拟结果表明，在各种场景下，在高度相关数据中共岭回归筛选流程可比传统的逐生物标志物筛选流程提供显著更高的功效。我们还在两个真实临床试验数据应用中示例了我们的方法。
引用
@article{arxiv.2004.12028,
title = {Two-Stage Penalized Regression Screening to Detect Biomarker-Treatment Interactions in Randomized Clinical Trials},
author = {Jixiong Wang and Ashish Patel and James M. S. Wason and Paul J. Newcombe},
journal= {arXiv preprint arXiv:2004.12028},
year = {2021}
}
备注
Accepted version, to be published in Biometrics