A nonparametric simultaneous confidence band for biomarker effect on the restricted mean survival time
Notice bibliographique
Résumé
Study of prognostic and predictive biomarkers plays an important role in the design and analysis of clinical trials. The Cox proportional hazards model is often used to study the biomarker main effect and the treatment-biomarker interaction effect for survival data. The estimated effects can be biased if the proportional hazards assumption is violated. The restricted mean survival time is becoming popular in clinical studies for having a clear intuitive interpretation. In this article, we first propose nonparametric methods to make statistical inference for the one-sample problem of the biomarker effect on the restricted mean survival time; we then extend the methods to the two-sample problem for studying the difference in the biomarker effects between treatment groups in clinical trials. For a given biomarker, the restricted mean survival time is estimated by kernel smoothing methods with the inverse probability of censoring weights. We prove the consistency for the estimates and develop simultaneous confidence bands for the biomarker effects on the restricted mean survival time. The simultaneous confidence bands are evaluated in extensive simulation studies and are found to have good finite sample performance. We then apply the proposed methods to a breast cancer study conducted by the Breast International Group (BIG) to illustrate how the Ki67 biomarker, a protein marker of cell proliferation, affects the survival time of patients, compared between the treatment groups.
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 | 0,012 | 0,559 |
| 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».