TY -的AU -哈勒,Bernhard AU -乌尔姆,库尔特盟——Hapfelmeier亚历山大PY - 2019 DA - 2019/06/13 TI -模拟研究比较不同统计方法识别预测生物标志物的SP - 7037230六世- 2019 AB -相关生物标记物的识别与治疗效果是相关要求适当治疗分层,从而改善卫生保健管理个体病人最好的治疗。提出了各种统计方法,允许评估连续协变量之间的交互和治疗。然而,连续协变量的分类,例如,通过将数据分拆在观察中值,似乎是在实践中非常普遍。在本文中,我们提出一个模拟研究考虑数据中观察到一个随机临床试验比较结果进行比较这些方法的性质,即考克斯与线性回归互动,互动多变量多项式分段(MFPI),当地Partial-Likelihood引导(LPLB),治疗效果和群模式情节(STEPP)方法,并根据分类的策略连续协变量(分裂的协变量值,分割在四分位数,并使用一个“最佳”分割通过最大化一个相应的测试数据)。在不同的场景中,没有交互,线性相互作用或非线性相互作用,错误概率和检测的权力真正covariate-treatment交互估计。Cox回归方法比其他方法更有效与单调的场景交互,特别是当观察事件的数量是温和的小。当biomarker-treatment交互效应的模式更复杂,MFPI LPLB相比其他方法表现良好。分类的数据通常导致停电,但对于非常复杂的模式,将数据分解到多个类别可能有助于探索相互影响的性质。因此,我们建议应用统计学的方法发展的评估之间的交互连续生物标志物和治疗,而不是任意或数据驱动的连续协变量的分类。SN - 1748 - 670 - 2019/7037230 / 10.1155 x你——https://doi.org/10.1155/2019/7037230——摩根富林明——计算和数学方法在医学PB - Hindawi KW - ER