Generalized method of moments-based regression models with pseudo-observations as an alternative to Bayesian survival analysis
Summary
No summary yet. VIRAT can read this paper and write a plain-language summary of its aim, methods, key findings and limitations.
Summarise with VIRAT Free to try with your Science Catalogs account.Abstract
Modèles de régression basés sur la méthode des moments généralisée avec pseudo-observations comme alternative à l'analyse de survie Bayésienne L'analyse bayésienne est utilisée pour les critères binaires et continus, mais son application s'avère difficile en présence de données censurées. L'objectif de ce travail est de proposer de nouvelles alternatives pour l'analyse de survie dans un cadre bayésien.En Bayésien, la formulation d'un modèle de survie à risques proportionnels nécessite de modéliser la fonction de risque de base, soit paramétriquement avec de fortes hypothèses, soit non paramétriquement avec une implémentation complexe. Les pseudo-observations offrent une alternative à l'analyse de survie fréquentiste et sont particulièrement pertinentes pour des modélisations complexes, car elles simplifient la prise en compte de la censure. Elles peuvent être analysées à l'aide des équations d'estimation généralisées. Nous proposons d'utiliser une nouvelle approche, la méthode généralisée des moments, fondée sur une fonction d'inférence quadratique, dont une version bayésienne existe sous la forme d'une pseudo-vraisemblance.Nous avons étendu la méthode des moments généralisée aux spécificités des pseudo-observations. Nous avons comparé leurs performances à celles de modèles de référence dans une étude de simulation d'essais contrôlés randomisés, d'abord pour l'estimation du hazard ratio, puis pour le temps de survie moyen restreint, à un temps donné ou au cours du temps. À titre d'illustration, nous avons utilisé des essais contrôlés randomisés impliquant des patients atteints d'un sarcome d'Ewing, d'un cancer de la prostate et d'un cancer du poumon.L'analyse Bayésienne des pseudo-observations ouvre de nouvelles perspectives pour l'analyse Bayésienne de survie en évitant la spécification de la fonction de risque de base. Il serait intéressant d'évaluer son application aux probabilités de transition dans les modèles multi-états ainsi que l'incorporation de données externes.
Fields of Study & Subjects
Statistical Methods and Bayesian Inference
Statistical Distribution Estimation and Applications
Statistical Methods in Clinical Trials
Publication details
- Journal / source
- theses.fr (ABES)
- Publication date
- 9 March 2026
- Language
- FR
- Document type
- Thesis