Women infected by the Human papilloma virus are at an increased risk to develop cervical intraepithalial neoplasia lesions (CIN). CIN are classified into three grades of increasing severity (CIN-1, CIN-2, and CIN-3) and can eventually develop into cervical cancer. The main purpose of screening is detecting CIN-2 and CIN-3 cases which are usually surgically removed. Screening data from the POBASCAM trial involving 1,454 HPV-positive women is analyzed with two objectives: estimate (a) the transition time from HPV diagnosis to CIN-3; and (b) the transition time from CIN-2 to CIN-3. The screening data have two key characteristics. First, the CIN state is monitored in an interval-censored sequence of screening times. Second, a woman's progression to CIN-3 is only observed, if the woman progresses to, both, CIN-2 and from CIN-2 to CIN-3 in the same screening interval. We propose a Bayesian accelerated failure time model for the two transition times in this three-state model. To deal with the unusual censoring structure of the screening data, we develop a Metropolis-within-Gibbs algorithm with data augmentation from the truncated transition time distributions.


翻译:受人类乳头瘤病毒感染的妇女患上宫颈内皮瘤病毒的风险增加,发展宫颈病内肿瘤病的风险增加。CIN分为3个越来越严重的等级(CIN-1、CIN-2和CIN-3),最终可以发展为宫颈癌。筛查的主要目的是检测通常通过外科手术移除的CIN-2和CIN-3病例。POBASCAM试验中涉及1 454名HPV阳性妇女的筛查数据分析有两个目标:(a) 从HPV诊断到CIN-3的过渡期;和(b) 从CIN-2到CIN-3的过渡期。筛选数据有两个关键特征。首先,CIN州以定期检查的检查顺序进行监测。第二,只有当妇女在同一筛查间隔内进入CIN-2和从CIN-2到CIN-3的妇女进展到CIN-3,才观察到妇女进展到CIN-3的进度。我们提议在这个三州模式中两次过渡期间采用Bayesian加速失败时间模型。我们从三州模式中处理异常的检查结构结构结构数据,从Stracal-travelisaldaldaldaldals。我们从Smal-travelizaldaldaldaldals。

0
下载
关闭预览

相关内容

ACM/IEEE第23届模型驱动工程语言和系统国际会议,是模型驱动软件和系统工程的首要会议系列,由ACM-SIGSOFT和IEEE-TCSE支持组织。自1998年以来,模型涵盖了建模的各个方面,从语言和方法到工具和应用程序。模特的参加者来自不同的背景,包括研究人员、学者、工程师和工业专业人士。MODELS 2019是一个论坛,参与者可以围绕建模和模型驱动的软件和系统交流前沿研究成果和创新实践经验。今年的版本将为建模社区提供进一步推进建模基础的机会,并在网络物理系统、嵌入式系统、社会技术系统、云计算、大数据、机器学习、安全、开源等新兴领域提出建模的创新应用以及可持续性。 官网链接:http://www.modelsconference.org/
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
已删除
将门创投
6+阅读 · 2019年11月21日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Revealing the Dark Secrets of BERT
Arxiv
4+阅读 · 2019年9月11日
VIP会员
相关VIP内容
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
相关资讯
已删除
将门创投
6+阅读 · 2019年11月21日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Top
微信扫码咨询专知VIP会员