Discovering interactions using covariate informed random partition models
Discovering interactions using covariate informed random partition models
复制标题
使用协变量通知随机分区模型发现交互作用
DOI：
10.1214/20-aoas1372
复制
发表时间：
2018
期刊：
影响因子：
--
通讯作者：
G. Rosner
中科院分区：
文献类型：
--
作者：
G. Page;F. Quintana;G. Rosner
为诊断为儿童急性淋巴细胞白血病的患者制定的联合化疗治疗方案在提高治愈率方面取得了巨大成功。不幸的是，接受这些类型治疗方案的患者表现出对骨坏死发作的易感性。一些人认为这是由于治疗方案中两种药物（天冬酰胺酶和地塞米松）之间的药代动力学相互作用以及其他生理变量造成的。在没有先验指导的情况下，确定在此类场景中搜索相互作用时要考虑哪些生理变量已被证明是一个具有挑战性的问题，特别是如果相互作用以超出预期或分散变化的方式影响响应分布。在本文中，我们提出了一种探索性技术，能够以非常通用的方式发现协变量和响应之间的关联。该过程通过相关随机分区先验分布非常灵活地将协变量与响应连接起来，然后采用机器学习技术来突出显示每个集群中发现的潜在关联。我们提供了一项模拟研究来展示实用性，并将该方法应用于一项研究产生的数据，该研究致力于了解哪些生理预测因素对骨坏死严重程度的影响成倍增加。
Combination chemotherapy treatment regimens created for patients diagnosed with childhood acute lymphoblastic leukemia have had great success in improving cure rates. Unfortunately, patients prescribed these types of treatment regimens have displayed susceptibility to the onset of osteonecrosis. Some have suggested that this is due to pharmacokinetic interaction between two agents in the treatment regimen (asparaginase and dexamethasone) and other physiological variables. Determining which physiological variables to consider when searching for interactions in scenarios like these, minus a priori guidance, has proved to be a challenging problem, particularly if interactions influence the response distribution in ways beyond shifts in expectation or dispersion only. In this paper we propose an exploratory technique that is able to discover associations between covariates and responses in a very general way. The procedure connects covariates to responses very flexibly through dependent random partition prior distributions, and then employs machine learning techniques to highlight potential associations found in each cluster. We provide a simulation study to show utility and apply the method to data produced from a study dedicated to learning which physiological predictors influence severity of osteonecrosis multiplicatively.
登录
查看更多内容
DOI：
--
发表时间：
--
期刊：
--
影响因子：
--
作者：
I. Heba;A. Amany;S. E. Ahmed;S. Amr
通讯作者：
I. Heba;A. Amany;S. E. Ahmed;S. Amr
影响因子：
1.4
作者：
E. George;R. McCulloch
通讯作者：
E. George;R. McCulloch
影响因子：
2
作者：
Su X;Peña AT;Liu L;Levine RA
通讯作者：
Levine RA
用于分析急性淋巴细胞白血病的依赖广义狄利克雷过程先验。
DOI：
10.1093/biostatistics/kxx042
发表时间：
2018
期刊：
Biostatistics (Oxford, England)
影响因子：
--
作者：
Barcella,William;DeIorio,Maria;Favaro,Stefano;Rosner,GaryL
通讯作者：
Rosner,GaryL
使用贝叶斯决策树集成进行交互检测
DOI：
--
发表时间：
2019
期刊：
Proceedings of the 22nd International Conference on Artificial Intelligence and Statistics (AISTATS
影响因子：
--
作者：
Du, Junliang;Linero, Antonio Ricardo
通讯作者：
Linero, Antonio Ricardo