Personalized treatment selection via the covariate-specific treatment effect curve for longitudinal data
Personalized treatment selection via the covariate-specific treatment effect curve for longitudinal data
复制标题
通过纵向数据的协变量特定治疗效果曲线进行个性化治疗选择
DOI：
10.1080/24754269.2020.1762059
复制
发表时间：
2021
影响因子：
0.5
通讯作者：
Zhang, Xiuzhen
中科院分区：
文献类型：
--
作者：
Liu, Yanghui;Zhang, Riquan;Ma, Shujie;Zhang, Xiuzhen
在现代医学中，基于患者特征的治疗选择已得到广泛认可。在这篇文章中，我们提出了一个广义的部分线性单指数混合效应建模策略，用于纵向临床和观察研究中的治疗选择和异质治疗效果估计。我们将治疗效果建模为时间相关协变量的加权线性组合的未知函数曲线。这种方法使我们能够研究协变量特定的治疗效果，并以灵活的方式进行个性化的治疗选择。我们发展了一种结合局部线性回归和惩罚拟似然估计的方法来估计每个协变量的权重、未知的治疗效果曲线和混合效应的参数。基于治疗效果曲线的逐点可信区间，我们可以根据患者的特征信息做出个性化的治疗决策。对该方法的有限样本性能进行了仿真研究。通过对一个实际数据的分析，说明了该方法的有效性。
Treatment selection based on patient characteristics has been widely recognised in modern medicine. In this paper, we propose a generalised partially linear single-index mixed-effects modelling strategy for treatment selection and heterogeneous treatment effect estimation in longitudinal clinical and observational studies. We model the treatment effect as an unknown functional curve of a weighted linear combination of time-dependent covariates. This method enables us to investigate covariate-specific treatment effects and make personalised treatment selection in a flexible fashion. We develop a method that combines local linear regression and penalised quasi-likelihood to estimate the weight for each covariate, the unknown treatment effect curve and the parameters for mixed-effects. Based on pointwise confidence intervals for the treatment effect curve, we can make individualised treatment decisions from the information of patient characteristics. A simulation study is conducted to evaluate finite sample performance of the proposed method. We also illustrate the method via analysis of a real data example.
登录
查看更多内容
临床试验中部分患者的治疗效果模式。
DOI：
10.1093/biostatistics/5.3.465
发表时间：
2004
期刊：
Biostatistics (Oxford, England)
影响因子：
--
作者：
Bonetti,Marco;Gelber,RichardD
通讯作者：
Gelber,RichardD
影响因子：
2.2
作者：
Negassa, A;Ciampi, A;Boivin, JF
通讯作者：
Boivin, JF
影响因子：
7.2
作者：
CIAMPI, A;NEGASSA, A;LOU, ZY
通讯作者：
LOU, ZY
当结果是二元时用于选择最佳治疗的 CSTE 曲线
影响因子：
--
作者：
Han KaiShan;Zhou Xiaohua;Liu BaoFang
通讯作者：
Liu BaoFang
重复测量数据的广义部分线性单指标混合模型
DOI：
--
发表时间：
2014
期刊：
影响因子：
--
作者：
Jinsong Chen;Inyoung Kim;G. Terrell;Lei Liu
通讯作者：
Lei Liu