基于多元自适应回归样条的亚组识别方法
随着科技的进步和医疗水平的提高,越来越多治疗方法被发现可能存在受益亚组人群[1-2] ,因此亚组识别被逐渐重视起来.近年来,一些亚组识别方法已被提出,Forster等人针对二分类结局变量,提出"虚拟双胞胎"的方法[3] ,预测患者分别处于试验组和对照组下阳性事件的发生率,以概率之差作为因变量拟合决策树进行亚组识别.Sysoev 等人在虚拟双胞胎的基础上进行了拓展[4] ,提出一种可适用于连续型结局变量的亚组识别方法.Lipkovich等人基于差分效应搜索算法[5] ,提出了一种类似于"交互树"方法的递归分割的方法( SIDES) [6] ,该方法只在协变量空间的特定区域内搜索,并获得多个潜在感兴趣的亚组.本文基于虚拟双胞胎的思想以及多元自适应回归样条( multivariate adaptive regression splines,MARS) [7] ,提出一种适用于生存资料的亚组识别方法,并根据亚组相关协变量,为患者推荐更有利的治疗决策,以期为精准医疗提供参考[8].
37
国家自然科学基金;南方医科大学启蒙计划项目;南方医科大学创新训练计划
2020-09-24（万方平台首次上网日期，不代表论文的发表时间）
共4页
620-623
