PofoliaPofolia ile paylaşıldı

The International Journal of Biostatistics· 2026Q2

İteratif Regresyon ve Sürekli Zamanlı Markov Süreçleri Kullanarak Boylamsal Biyobelirteç Yörüngelerinden Nüks Zamanı Dağılımının Tahmini

Estimating relapse time distribution from longitudinal biomarker trajectories using iterative regression and continuous time Markov processes

Alice Cleynen, Benoîte de Saporta, Amélie Vernay

Kısa özet

Sansürlenmiş hastalar olsa bile boylamsal biyobelirteç verilerinden nüks zamanı dağılımlarını tahmin eden yeni bir iteratif regresyon yöntemi, hastalık ilerlemesini Parçalı Deterministik Markov Süreci (PDMP) olarak modellemektedir.

Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.

Ana noktalar

  • Boylamsal biyobelirteç verilerinden nüks zamanı dağılımlarını tahmin etmek için iteratif bir regresyon yöntemi önerir.
  • Hasta durumu dinamiklerini, biyobelirteçlerin durum vekili olduğu Parçalı Deterministik Markov Süreçleri (PDMP) kullanarak modeller.
  • Nüks zamanı çıkarımını iyileştiren durum değişiklik tarihlerinin sürekli zamanlı tahminini sağlar.
  • Önceki çalışmalarda nadiren ele alınan kısmen gözlemlenebilir hasta verileri zorluğunu ele alır.

Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.

Özet (abstract)

Abstract Biomarker measurements obtained by blood sampling are often used as a non-invasive means of monitoring tumour progression in cancer patients. Diseases evolve dynamically over time, and studying longitudinal observations of specific biomarkers can help to understand patients response to treatment and predict disease progression. We propose a novel iterative regression-based method to estimate changes in patients status within a cohort that includes censored patients, and illustrate it on clinical data from myeloma cases. We formulate the relapse time estimation problem in the framework of Piecewise Deterministic Markov processes (PDMP), where the Euclidean component is a surrogate biomarker for patient state. This approach enables continuous-time estimation of the status-change dates, which in turn allows for accurate inference of the relapse time distribution. A key challenge lies in the partial observability of the process, a complexity that has been rarely addressed in previous studies. We evaluate the performance of our procedure through a simulation study and compare it with different approaches. This work is a proof of concept on biomarker trajectories with simple behaviour, but our method can easily be extended to more complex dynamics.

Yazarların özeti; kaynağından alınmıştır. The International Journal of Biostatistics, 2026 · DOI ↗

ÇıkarımlarPremium
Makaleye SorÜcretsiz hesapla

Ücretsiz hesapla devam et

Makaleye Sor ile bu makaleye günde 3 soru ücretsiz; makaleyi kaydet, kaynakçasını al, ilgi alanına göre her gün yeni özetler. Çıkarımlar Premium.

Web'de ücretsiz devam et

Google ya da Apple hesabınla giriş; kart istemez. Bu makaleye geri dönersin.

Telefonda:

Google Play'den indir App Store'dan indir

Alan: İstatistik ve Olasılık

Statistics and ProbabilityMathematics