Access

You are not currently logged in.

Access your personal account or get JSTOR access through your library or other institution:

login

Log in to your personal account or through your institution.

Cure Rate Models: A Unified Approach

Guosheng Yin and Joseph G. Ibrahim
The Canadian Journal of Statistics / La Revue Canadienne de Statistique
Vol. 33, No. 4 (Dec., 2005), pp. 559-570
Stable URL: http://www.jstor.org/stable/25046202
Page Count: 12
  • Download ($4.00)
  • Cite this Item
Cure Rate Models: A Unified Approach
Preview not available

Abstract

The authors propose a novel class of cure rate models for right-censored failure time data. The class is formulated through a transformation on the unknown population survival function. It includes the mixture cure model and the promotion time cure model as two special cases. The authors propose a general form of the covariate structure which automatically satisfies an inherent parameter constraint and includes the corresponding binomial and exponential covariate structures in the two main formulations of cure models. The proposed class provides a natural link between the mixture and the promotion time cure models, and it offers a wide variety of new modelling structures as well. Within the Bayesian paradigm, a Markov chain Monte Carlo computational scheme is implemented for sampling from the full conditional distributions of the parameters. Model selection is based on the conditional predictive ordinate criterion. The use of the new class of models is illustrated with a set of real data involving a melanoma clinical trial. /// Les auteurs proposent une nouvelle classe de modèles pour des durées de vie censurées à droite dans lesquels une possibilité de guérison est prise en compte. Cette classe est définie par le biais d'une transformation de la fonction de survie théorique inconnue. Les modèles dans lesquels la guérison est incorporée par voie de mélange et par temps d'apparition de tumeurs détectables en sont des cas particuliers. Les auteurs proposent une forme générale de structure de covariables qui satisfait automatiquement à une contrainte paramétrique inhérente au problème et qui inclut les structures binomiales et exponentielles correspondant aux deux principales formulations des modèles à taux de guérison. En plus de lier de façon naturelle les modèles à taux de guérison par mélange et à temps d'apparition de tumeurs détectables, la classe proposée suggère un grand nombre de nouvelles structures de modèles. Dans le cadre du paradigme bayésien, un algorithme de calcul de Monte-Carlo à chaîne de Markov est implanté pour l'échantillonnage à partir des lois conditionnelles complètes des paramètres. La sélection de modèles s'appuie sur un critère faisant intervenir des prévisions conditionnelles. L'emploi de la nouvelle classe de modèles est illustré au moyen de données issues d'essais cliniques sur le mélanome.

Page Thumbnails

  • Thumbnail: Page 
559
    559
  • Thumbnail: Page 
560
    560
  • Thumbnail: Page 
561
    561
  • Thumbnail: Page 
562
    562
  • Thumbnail: Page 
563
    563
  • Thumbnail: Page 
564
    564
  • Thumbnail: Page 
565
    565
  • Thumbnail: Page 
566
    566
  • Thumbnail: Page 
567
    567
  • Thumbnail: Page 
568
    568
  • Thumbnail: Page 
569
    569
  • Thumbnail: Page 
570
    570