[论文解读] Bayesian Stacked Parametric Survival with Frailty Components and Interval Censored Failure Times

Matthew W. Wheeler, Joost Westerhout+2 more|arXiv (Cornell University)|Aug 29, 2019

Statistical Methods in Clinical Trials参考文献 20被引用 4

一句话总结

本文提出了一种具有脆弱性成分的贝叶斯堆叠参数生存模型，用于区间删失的失效时间数据，通过后验预测堆叠结合多个参数模型以提高预测准确性。该方法通过减少偏差并更好地捕捉不确定性，尤其在剂量-失效分布的尾部，相较于单模型方法表现更优，这在食物过敏激发试验中得到了验证，对花生和芝麻过敏原的ED05估计值有所改善。

ABSTRACT

To better understand effects of exposure to food allergens, food challenge studies are designed to slowly increase the dose of an allergen delivered to allergic individuals until an objective reaction occurs. These dose-to-failure studies are used to determine acceptable intake levels and are analyzed using parametric failure time models. Though these models can provide estimates of the survival curve, their parametric form may misrepresent the survival function for doses of interest, and different models that describe the data similarly may produce different dose-to-failure estimates. Motivated by predictive inference, we developed a Bayesian approach to combine survival estimates based upon posterior predictive stacking, where the weights are formed to maximize posterior predictive accuracy. The approach allows for the inclusion of flexible models, and, in our case, allows us to include random effects to account for frailty components entering the model through study-to-study heterogeneity. The methodology is investigated in simulation, and is used to estimate allergic population eliciting doses for multiple food allergens.

研究动机与目标

• 为解决单参数生存模型在估计区间删失数据的剂量-失效分布时，特别是在分布尾部的局限性。
• 开发一种稳健且灵活的框架，通过贝叶斯堆叠结合多个参数生存模型，以提升预测准确性。
• 引入随机效应（脆弱性成分）以考虑多中心食物过敏激发研究中的研究间异质性。
• 为食物过敏原的群体诱发剂量（ED01、ED05）提供更可靠和保守的估计。
• 将模型平均技术扩展至区间删失的失效时间数据，填补当前风险评估方法中的空白。

提出的方法

• 使用后验预测堆叠结合多个参数生存模型，基于后验预测准确性分配权重。
• 采用加速失效时间（AFT）模型作为基学习器，包括灵活的分布如对数拉普拉斯、威布尔、对数逻辑与对数正态分布。
• 引入随机效应（脆弱性成分）以建模研究层面的变异性，并考虑临床试验间的异质性。
• 采用贝叶斯分层框架联合估计模型权重与生存参数，确保不确定性量化的连贯性。
• 利用马尔可夫链蒙特卡洛（MCMC）抽样获取模型参数与预测的后验分布。
• 通过模拟研究验证该方法，并将其应用于17项花生和3项芝麻过敏研究的真实口服食物激发试验数据。

实验结果

研究问题

• RQ1 与单模型方法相比，具有脆弱性成分的贝叶斯堆叠参数生存模型能否提高对区间删失失效时间数据的预测准确性？
• RQ2 在食物过敏剂量-失效估计的背景下，不同参数分布的模型堆叠权重如何变化？
• RQ3 在多研究生存分析中，引入脆弱性成分在多大程度上能减少偏差并改善不确定性量化？
• RQ4 堆叠估计的ED05与单个AFT模型及先前基准剂量推荐相比如何？
• RQ5 该框架能否推广至其他涉及区间删失时间-事件数据的领域，如致癌性或机器可靠性研究？

主要发现

• 对于花生过敏，堆叠模型估计的ED05为1.1 mg，95%可信区间为0.6–2.0 mg，比以往估计更保守，并更好地捕捉了尾部分布行为。
• 对于芝麻过敏，堆叠ED05估计值为5.1 mg，95%可信区间为0.6–15.3 mg，与单个AFT模型的下限高度一致。
• 在芝麻再分析中，对数拉普拉斯分布获得了最高的堆叠权重，表明该方法能够识别并偏好更准确的模型。
• 与以往方法相比，堆叠方法产生的ED05估计值更为保守，尤其在花生过敏中，此前估计值被发现过于乐观。
• 该方法成功整合了灵活的参数模型与脆弱性成分，显著提升了模拟与真实数据中的模型拟合度与预测性能。
• 该框架具有通用性，可应用于其他涉及区间删失时间-事件数据的领域，包括医学、流行病学与可靠性研究。