Two-stage penalized regression screening to detect biomarker-treatment interactions in randomized clinical trials.
Two-stage penalized regression screening to detect biomarker-treatment interactions in randomized clinical trials.
复制标题
DOI：
10.1111/biom.13424
复制
发表时间：
2022-03
期刊：
影响因子：
1.9
通讯作者：
Newcombe PJ
中科院分区：
文献类型：
--
作者：
Wang J;Patel A;Wason JMS;Newcombe PJ
基因组学等高维生物标记物越来越多地在随机临床试验中被测量。因此，人们对开发提高检测生物标记物-治疗相互作用的能力的方法越来越感兴趣。我们采用最近提出的两阶段相互作用检测程序来设置随机临床试验。我们还提出了一种新的阶段1多变量筛选策略，使用岭回归来说明生物标记物之间的相关性。对于这种多变量筛选，我们证明了在生物标记物治疗独立性下，家族错误率控制所需的阶段间的渐近独立性。仿真结果表明，在不同的场景下，岭回归筛选过程在高度相关的数据中可以提供比传统的一次一个生物标志物筛选过程更大的能力。我们还在两个实际的临床试验数据应用中举例说明了我们的方法。
High-dimensional biomarkers such as genomics are increasingly being measured in randomized clinical trials. Consequently, there is a growing interest in developing methods that improve the power to detect biomarker–treatment interactions. We adapt recently proposed two-stage interaction detecting procedures in the setting of randomized clinical trials. We also propose a new stage 1 multivariate screening strategy using ridge regression to account for correlations among biomarkers. For this multivariate screening, we prove the asymptotic between-stage independence, required for familywise error rate control, under biomarker–treatment independence. Simulation results show that in various scenarios, the ridge regression screening procedure can provide substantially greater power than the traditional one-biomarker-at-a-time screening procedure in highly correlated data. We also exemplify our approach in two real clinical trial data applications.
登录
查看更多内容
影响因子：
2.7
作者：
Dai, James Y.;Kooperberg, Charles;Prentice, Ross L.
通讯作者：
Prentice, Ross L.
影响因子：
2
作者：
PIEGORSCH, WW;WEINBERG, CR;TAYLOR, JA
通讯作者：
TAYLOR, JA
影响因子：
3.7
作者：
SIDAK, Z
通讯作者：
SIDAK, Z
影响因子：
1.9
作者：
Dai, James Y.;Zhang, Xinyi Cindy;Kooperberg, Charles
通讯作者：
Kooperberg, Charles
影响因子：
2.1
作者：
Gao, Xiaoyi;Stamier, Joshua;Martin, Eden R.
通讯作者：
Martin, Eden R.