Semiparametric Bayesian approaches to joinpoint regression for population-based cancer survival data.
Semiparametric Bayesian approaches to joinpoint regression for population-based cancer survival data.
复制标题
半参数贝叶斯的方法是连接基于人群的癌症生存数据的重点回归。
DOI：
10.1016/j.csda.2009.04.011
复制
发表时间：
2009-10-01
影响因子：
1.8
通讯作者：
Tiwari RC
中科院分区：
文献类型：
--
作者：
Ghosh P;Huang L;Yu B;Tiwari RC
根据美国癌症协会的报告（1999），癌症超过心脏病，成为美利坚合众国（USA）85岁以下人群的主要死因。因此，癌症的医学研究是一项重要的公共卫生利益。了解医疗进步如何影响癌症发病率、死亡率和生存率，对于有效控制癌症至关重要。在本文中，我们研究癌症的生存趋势的人口水平的癌症数据。特别是，我们开发了一个参数贝叶斯连接点回归模型的基础上泊松分布的相对生存。为了避免确定死亡原因，我们只根据相对存活率进行分析。该方法进一步扩展到半参数贝叶斯连接点回归模型，其中连接点回归模型的参数分布假设是放松的回归斜率的分布使用Dirichlet过程混合建模。我们还考虑了在连接点模型中添加感兴趣的协变量的影响。三个模型选择标准，即条件预测纵坐标（CPO），预期预测偏差（EPD），和偏差信息标准（DIC），用于选择连接点的数量。我们使用这些贝叶斯模型分析了来自监测、流行病学和最终结果（SEER）计划的远端睾丸癌的分组生存数据。
According to the American Cancer Society report (1999), cancer surpasses heart disease as the leading cause of death in the United States of America (USA) for people of age less than 85. Thus, medical research in cancer is an important public health interest. Understanding how medical improvements are affecting cancer incidence, mortality and survival is critical for effective cancer control. In this paper, we study the cancer survival trend on the population level cancer data. In particular, we develop a parametric Bayesian joinpoint regression model based on a Poisson distribution for the relative survival. To avoid identifying the cause of death, we only conduct analysis based on the relative survival. The method is further extended to the semiparametric Bayesian joinpoint regression models wherein the parametric distributional assumptions of the joinpoint regression models are relaxed by modeling the distribution of regression slopes using Dirichlet process mixtures. We also consider the effect of adding covariates of interest in the joinpoint model. Three model selection criteria, namely, the conditional predictive ordinate (CPO), the expected predictive deviance (EPD), and the deviance information criteria (DIC), are used to select the number of joinpoints. We analyze the grouped survival data for distant testicular cancer from the Surveillance, Epidemiology, and End Results (SEER) Program using these Bayesian models.
登录
查看更多内容
影响因子：
7.8
作者：
Kass, RE;Ventura, V;Cai, C
通讯作者：
Cai, C
影响因子：
4.5
作者：
FEDER, PI
通讯作者：
FEDER, PI
影响因子：
2
作者：
Ghosh, Pulak;Rosner, Gary L.
通讯作者：
Rosner, Gary L.
DOI：
10.1198/016214501750332758
发表时间：
2001-03-01
影响因子：
3.7
作者：
Ishwaran, H;James, LF
通讯作者：
James, LF
影响因子：
4.5
作者：
ANTONIAK, CE
通讯作者：
ANTONIAK, CE