-
Views
-
Cite
Cite
Y. Yang, V. DeGruttola, B.A. Griffin, S.W. Lagakos, J. Du, S.N. MacEachern, X. Wang, J. Lim, L. Stokes, J.A. Royle, N. You, C.X. Mao, D.L. Borchers, M.G. Efford, S.J. Lee, M. Zelen, M. Kong, J.J. Lee, J.T. Chen, M.L. Pennell, D.B. Dunson, T. Choi, M.J. Schervish, K.A. Schmitt, M.J. Small, Z. Yuan, D. Ghosh, S. Wang, J. Zhu, H. Wang, X. He, S. Vansteelandt, D.L. DeMeo, J. Lasky-Su, J.W. Smoller, A.J. Murphy, M. McQueen, K. Schneiter, J.C. Celedon, S.T. Weiss, E.K. Silverman, C. Lange, R. Gottardo, W. Li, W.E. Johnson, X.S. Liu, J.S. Morris, P.J. Brown, R.C. Herrick, K.A. Baggerly, K.R. Coombes, T.V. Apanasovich, D. Ruppert, J.R. Lupton, N. Popovic, N.D. Turner, R.S. Chapkin, R.J. Carroll, S. Datta, G.A. Satten, L. Xiang, K.K.W. Yau, Y.V. Hui, A.H. Lee, L. Li, T. Greene, P.S. Albert, J. Roy, M.J. Daniels, J. Ding, J.-L. Wang, X. Song, C.Y. Wang, Biometric Methodology, Biometrics, Volume 64, Issue 2, June 2008, Pages 663–669, https://doi.org/10.1111/j.1541-0420.2008.01042_1.x
Close - Share Icon Share
Extract
Y. Yang and V. DeGruttola 329
Resampling-Based Multiple Testing Methods with Covariate Adjustment: Application to Investigation of Antiretroviral Drug Susceptibility
Identifier les mutations génétiques qui entraînent une résistance clinique aux médicaments antirétroviraux exige l'ajustement pour des médicaments à effets potentiellement confondus, tels que le nombre de médicaments actifs dans le régime d'un patient infecté par le HIV autre que celui auquel on s'intéresse. Motivés par ce problème, nous avons étudié les méthodes de ré-échantillonnage adaptées à l'examen d'une réponse moyenne identique pour des groupes multiples définis par le génotype de HIV, après ajustement pour des covariables. Nous considérons la construction de statistiques de test et de leurs distributions nulles pour deux types de modèle: paramétriques et semiparamétriques. La fonction de covariables est explicitement indiquée dans l'approche paramétrique mais pas dans la semiparamétrique. L'approche paramétrique est plus précise quand les modèles sont correctement spécifiés, mais pâtit d'un biais quand ils ne sont pas; l'approche semiparamétrique est plus robuste en cas de mauvaise spécification du modèle, mais peut être moins efficace. Pour aider à préserver l'erreur de premier type tout en améliorant également la puissance dans les deux approches, nous proposons des approches par ré-échantillonnage basées sur l'appariement des observations avec des valeurs semblables des covariables. L'appariement réduit l'impact d'une spécification erronée du modèle aussi bien que l'imprécision de l'estimation. Ces méthodes sont évaluées par l'intermédiaire d'études de simulation et appliquées à un corpus de données qui combine des résultats d'une variété d'études cliniques de régimes de récupération. Notre objectif est de relier le génotype d'HIV à la susceptibilité virale à l'abacavirus après l'ajustement pour le nombre de médicaments antirétroviraux actifs (à l'exclusion de l'abacavirus) dans le régime du patient.
