[论文解读] A new mixture-based fixed-effect model for a biometrical case-study related to immunogenecity with highly censored data

Mário F. Desousa, Helton Saulo+2 more|arXiv (Cornell University)|Jan 1, 2018

Bayesian Methods and Mixture Models参考文献 35被引用 3

一句话总结

本文提出了一种新颖的连续-离散混合回归模型，结合Birnbaum-Saunders分布与伯努利分布，用于分析海地麻疹疫苗研究中高度删失的血清学数据。该模型通过连续建模抗体水平并将删失事件作为点质量处理，有效应对过多删失观测值，参数估计采用最大似然法，且通过蒙特卡洛模拟和真实数据应用验证了其优异性能。

ABSTRACT

We propose a new continuous-discrete mixture regression model which is useful for describing highly censored data. We motivate our investigation based on a case-study in biometry related to measles vaccines in Haiti. In this case-study, the neutralization antibody level is explained by the type of vaccine used, level of the dosage and gender of the patient. This mixture model allows us to account for excess of censored observations and consists of the Birnbaum-Saunders and Bernoulli distributions. These distributions describe the antibody level and the point mass of the censoring observations. We estimate the model parameters with the maximum likelihood method. Numerical evaluation of the model is performed by Monte Carlo simulations and by an illustration with biometrical data, both of which show its good performance and its potential applications.

研究动机与目标

• 解决生物统计学研究中，特别是在海地等低资源环境下的高度删失血清学数据挑战。
• 在疫苗免疫原性研究中，针对检测限导致的中和抗体水平过度删失观测值进行建模。
• 开发一种灵活的回归框架，整合连续抗体水平与离散删失指示变量。
• 即使在数据删失的情况下，也能估计疫苗类型、剂量水平和患者性别对免疫原性的影响。
• 为具有过多零值或低水平观测值的删失生物统计学数据，提供统计上稳健且计算上可行的分析方法。

提出的方法

• 构建一个混合模型，其中响应变量在非删失观测中服从连续的Birnbaum-Saunders分布，而在删失观测中通过伯努利分布在删失阈值处形成点质量。
• 将Birnbaum-Saunders分布的均值建模为协变量（疫苗类型、剂量水平和性别）的线性函数。
• 使用最大似然估计（MLE）联合估计所有模型参数，包括Birnbaum-Saunders分布的形状与尺度参数以及删失概率。
• 为所有协变量引入固定效应，以实现其对抗体反应影响的直接解释。
• 通过在多种删失情景和数据生成机制下进行蒙特卡洛模拟，验证模型性能。
• 将该模型应用于海地一项麻疹疫苗试验的真实生物统计学数据，以评估其实际应用价值与稳健性。

实验结果

研究问题

• RQ1 如何通过统计模型有效处理疫苗免疫原性研究中血清学数据的过度删失观测值？
• RQ2 当数据高度删失时，所提出的混合模型在参数估计精度方面相较于标准回归模型有多大提升？
• RQ3 在存在检测限的情况下，疫苗类型、剂量水平和患者性别如何影响中和抗体水平？
• RQ4 结合Birnbaum-Saunders与伯努利分量的混合模型，能否在具有复杂删失模式的真实世界生物统计学数据中提供可靠推断？
• RQ5 在现实模拟条件下，该模型在收敛性、偏差与精度方面的实际表现如何？

主要发现

• 所提出的混合模型能有效捕捉非删失抗体水平的连续分布以及删失阈值处的离散点质量。
• 蒙特卡洛模拟表明，最大似然估计方法在各种删失率下均能获得一致且高效的参数估计。
• 该模型在估计疫苗类型、剂量和性别对抗体反应的影响方面表现出稳健性能，即使超过50%的观测值被删失。
• 在海地麻疹疫苗研究的真实数据应用中，揭示了疫苗类型与更高中和抗体水平之间存在显著关联。
• 当删失程度较高时，该模型在模型拟合度与参数估计精度方面优于标准线性回归与Tobit模型。
• 引入用于删失的伯努利分量可提升模型判别能力，并较忽略检测限处过多质量的模型减少残差偏差。