Adaptive Elastic Net结合加速失效时间模型在亚组识别中的应用

• Published in: 南方医科大学学报 2019, Vol.39 (10), p.1200-1206
• Main Authors: 康佩, 许军, 黄福强, 刘颖欣, 安胜利
• Format: Article
• Language: Chinese
• ISSN: 1673-4254
• DOI: 10.12122/j.issn.1673-4254.2019.10.11

目的 针对临床试验中的生存数据,基于加速失效时间模型提出一种亚组识别方法.方法 将Adaptive Elastic Net应用于加速失效时间模型(称为惩罚模型),通过检验协变量与治疗组别的交互项来识别亚组相关协变量.采用基于极大似然的change-point算法寻找预测计分的截断点以对患者进行亚组分类.采用二阶段适应性设计,以评价治疗效果是否存在于所识别的获益亚组人群中.对比四种模型(含协变量主效应的惩罚模型、单变量模型,以及不含协变量主效应的惩罚模型、单变量模型)的亚组识别效果.结果 模拟结果显示,在样本量较小、删失率较高、获益亚组占比较小以及样本量不超过协变量个数的情况下,含协变量主效应的惩罚模型在获益亚组的识别上有明显的优势;而其他情况下,则是不含主效应的单变量模型较优.在二阶段适应性设计中,这两种模型进行亚组识别的Ⅰ类错误均控制在0.05左右;当潜在获益亚组时,相比于传统设计,适应性设计很大程度上提高了检验效能.结论 含协变量主效应的惩罚模型适用于生存数据的亚组识别;相比于传统设计,二阶段适应性设计更适用于潜在获益亚组的疗效评价.