A cure rate survival model under a hybrid latent activation scheme
Notice bibliographique
Résumé
In lifetimes studies, the occurrence of an event (such as tumor detection or death) might be caused by one of many competing causes. Moreover, both the number of causes and the time-to-event associated with each cause are not usually observable. The number of causes can be zero, corresponding to a cure fraction. In this article, we propose a method of estimating the numerical characteristics of unobservable stages (such as initiation, promotion and progression) of carcinogenesis from data on tumor size at detection in the presence of latent competing causes. To this end, a general survival model for spontaneous carcinogenesis under a hybrid latent activation scheme has been developed to allow for a simple pattern of the dynamics of tumor growth. It is assumed that a tumor becomes detectable when its size attains some threshold level (proliferation of tumorais cells (or descendants) generated by the malignant cell), which is treated as a random variable. We assume the number of initiated cells and the number of malignant cells (competing causes) both to follow weighted Poisson distributions. The advantage of this model is that it incorporates into the analysis characteristics of the stage of tumor progression as well as the proportion of initiated cells that had been 'promoted' to the malignant ones and the proportion of malignant cells that die before tumor induction. The lifetimes corresponding to each competing cause are assumed to follow a Weibull distribution. Parameter estimation of the proposed model is discussed through the maximum likelihood estimation method. A simulation study has been carried out in order to examine the coverage probabilities of the confidence intervals. Finally, we illustrate the usefulness of the proposed model by applying it to a real data involving malignant melanoma.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,128 | 0,757 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».