Cure Rate Joint Model for Time-to-Event Data and Longitudinal Tumor Burden with Potential Change Points
含潜在变点的生存时间与纵向肿瘤负荷治愈率联合模型AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究肿瘤纵向轨迹与生存结局的医学联合模型，未提供经济面板或宏观结构变化依据，现有领域细分不宜直接套用。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
含潜在变点的生存时间与纵向肿瘤负荷治愈率联合模型
- 研究问题
- 作者研究如何联合建模生存事件与肿瘤负荷轨迹，区分持续下降与先降后升的患者，并利用事件信息估计个体进展变点。
- 方法与思路
- 作者构造治愈率联合模型，将患者划分为变点组与稳定组，利用事件时间辅助变点估计，并用蒙特卡洛 EM 算法估计参数。
- 材料陈述的贡献
- 摘要称，模型在模拟中更好刻画疾病轨迹并处理删失；肺癌试验应用显示治疗组肿瘤负荷下降更持久且随时间保持较低水平。
- 阅读关注点
- 应核对治愈率和分组的定义、变点早于事件的约束、联合模型的可识别性，以及删失假设和蒙特卡洛 EM 的数值收敛。
- 阅读边界
- 依据 arXiv 预印本摘要，同行评审或期刊接收未核实；摘要未给出效应数值和不确定性，不能仅据模型结果判断临床疗效。
原文摘要
In non-small cell lung cancer (NSCLC) clinical trials, tumor burden (TB) is a key longitudinal biomarker for assessing treatment effects. Typically, standard-of-care (SOC) therapies and some novel interventions initially decrease TB; however, many patients subsequently experience an increase-indicating disease progression-while others show a continuous decline. In patients with an eventual TB increase, the change point marks the onset of progression and must occur before the time of the event. To capture these distinct dynamics, we propose a novel joint model that integrates time-to-event and longitudinal TB data, classifying patients into a change-point group or a stable group. For the change-point group, our approach flexibly estimates an individualized change point by leveraging time-to-event information. We use a Monte Carlo Expectation-Maximization (MCEM) algorithm for efficient parameter estimation. Simulation studies demonstrate that our model outperforms traditional approaches by accurately capturing diverse disease progression patterns and handling censoring complexities, leading to robust marginal TB outcome estimates. When applied to a Phase 3 NSCLC trial comparing cemiplimab monotherapy to SOC, the treatment group shows prolonged TB reduction and consistently lower TB over time, highlighting the clinical utility of our approach. The implementation code is publicly available on https://github.com/quyixiang/JoCuR.