Search

Objective: We aimed to determine the validity of two risk scores for patients with non-muscle invasive bladder cancer in different European settings, in patients with primary tumours. Methods: We included 1,892 patients with primary stage Ta or T1 non-muscle invasive bladder cancer who underwent a transurethral resection in Spain (n = 973), the Netherlands (n = 639), or Denmark (n = 280). We evaluated recurrence-free survival and progression-free survival according to the European Organisation for Research and Treatment of Cancer (EORTC) and the Spanish Urological Club for Oncological Treatment (CUETO) risk scores for each patient and used the concordance index (c-index) to indicate discriminative ability. Results: The 3 cohorts were comparable according to age and sex, but patients from Denmark had a larger proportion of patients with the high stage and grade at diagnosis (p,0.01). At least one recurrence occurred in 839 (44%) patients and 258 (14%) patients had a progression during a median follow-up of 74 months. Patients from Denmark had the highest 10- year recurrence and progression rates (75% and 24%, respectively), whereas patients from Spain had the lowest rates (34% and 10%, respectively). The EORTC and CUETO risk scores both predicted progression better than recurrence with c-indices ranging from 0.72 to 0.82 while for recurrence, those ranged from 0.55 to 0.61. Conclusion: The EORTC and CUETO risk scores can reasonably predict progression, while prediction of recurrence is more difficult. New prognostic markers are needed to better predict recurrence of tumours in primary non-muscle invasive bladder cancer patients., This research received funding from the European Community's Seventh Framework program FP7/2007-2011 under grant agreement 201663 (Uromol project, http://www.uromol.eu/)

Gene set analysis (GSA) aims to assess the overall association of a set of genetic variants with a phenotype and has the potential to detect subtle effects of variants in a gene or a pathway that might be missed when assessed individually. We present a new implementation of the Adaptive Rank Truncated Product method (ARTP) for analyzing the association of a set of Single Nucleotide Polymorphisms (SNPs) in a gene or pathway. The new implementation, referred to as globalARTP, improves the original one by allowing the different SNPs in the set to have different modes of inheritance. We perform a simulation study for exploring the power of the proposed methodology in a set of scenarios with different numbers of causal SNPs with different effect sizes. Moreover, we show the advantage of using the gene set approach in the context of an Alzheimer’s disease case-control study where we explore the endocytosis pathway. The new method is implemented in the R function globalARTP of the globalGSA package available at http://cran.r-project.org. This research was partially supported by grant MTM2012-38067-C02-02 from the Ministerio de Economia e Innovacion (Spain), grant 2009SGR-581 from Generalitat de Catalunya and Beca UNNIM en Ciencies de la Salut 2011.

Analyzing the combined effects of genes and/or environmental factors on the development of complex diseases is a great challenge from both the statistical and computational perspective, even using a relatively small number of genetic and nongenetic exposures. Several data-mining methods have been proposed for interaction analysis, among them, the Multifactor Dimensionality Reduction Method (MDR) has proven its utility in a variety of theoretical and practical settings. Model-Based Multifactor Dimensionality Reduction (MB-MDR), a relatively new MDR-based technique that is able to unify the best of both nonparametric and parametric worlds, was developed to address some of the remaining concerns that go along with an MDR analysis. These include the restriction to univariate, dichotomous traits, the absence of flexible ways to adjust for lower order effects and important confounders, and the difficulty in highlighting epistatic effects when too many multilocus genotype cells are pooled into two new genotype groups. We investigate the empirical power of MB-MDR to detect gene–gene interactions in the absence of any noise and in the presence of genotyping error, missing data, phenocopy, and genetic heterogeneity. Power is generally higher for MB-MDR than for MDR, in particular in the presence of genetic heterogeneity, phenocopy, or low minor allele frequencies. T. Cattaert, F. Van Lishout, J. M. Mahachie John and K. Van Steen acknowledge research opportunities offered by the Belgian Network BioMAGNet (Bioinformatics and Modelling: from Genomes to Networks), funded by the Interuniversity Attraction Poles Programme (Phase VI/4), initiated by the Belgian State, Science Policy Office. Their work was also supported in part by the IST Programme of the European Community, under the PASCAL2 Network of Excellence (Pattern Analysis, Statistical Modelling and Computational Learning), IST-2007-216886. In addition, F. Van Lishout acknowledges support by Alma in Silico, funded by the European Commission and Walloon Region through the Interreg IV Program. The work of M. L. Calle and V. Urrea has been supported by Grant MTM2008-06747-C02-02 from the Ministerio de Educacion y Ciencia, Grant 050831 from La Marato de TV3 Foundation, and Grant 2009SGR-581 from AGAUR-Generalitat de Catalunya. S. Dudek and M. D. Ritchie are supported by NIH grants LM010040 and HL065962.

L’anàlisi de l’efecte dels gens i els factors ambientals en el desenvolupament de malalties complexes és un gran repte estadístic i computacional. Entre les diverses metodologies de mineria de dades que s’han proposat per a l’anàlisi d’interaccions una de les més populars és el mètode Multifactor Dimensionality Reduction, MDR, (Ritchie i al. 2001). L’estratègia d’aquest mètode és reduir la dimensió multifactorial a u mitjançant l’agrupació dels diferents genotips en dos grups de risc: alt i baix. Tot i la seva utilitat demostrada, el mètode MDR té alguns inconvenients entre els quals l’agrupació excessiva de genotips pot fer que algunes interaccions importants no siguin detectades i que no permet ajustar per efectes principals ni per variables confusores. En aquest article il•lustrem les limitacions de l’estratègia MDR i d’altres aproximacions no paramètriques i demostrem la conveniència d’utilitzar metodologies parametriques per analitzar interaccions en estudis cas-control on es requereix l’ajust per variables confusores i per efectes principals. Proposem una nova metodologia, una versió paramètrica del mètode MDR, que anomenem Model-Based Multifactor Dimensionality Reduction (MB-MDR). La metodologia proposada té com a objectiu la identificació de genotips específics que estiguin associats a la malaltia i permet ajustar per efectes marginals i variables confusores. La nova metodologia s’il•lustra amb dades de l’Estudi Espanyol de Cancer de Bufeta.

A Bayesian framework is proposed for analysing regression models in which one of the covariates is interval-censored. Such a situation was encountered in an AIDS clinical trial in which the goal was to examine the association between delays in initiating a new treatment after Indinavir failure and the subsequent viral load level of patients at the time of enrolment into the new treatment. The new method uses a mixture of Dirichlet processes allowing all the components in the model to be specified parametrically, except for the distribution of the interval-censored covariate, which is treated non-parametrically. The paper explains the proposed method for the linear regression model in detail. The performance of the method is assessed by simulations and illustrated using the AIDS clinical trial.

L’objectiu d’aquest estudi, que correspon a un projecte de recerca sobre la pèrdua funcional i la mortalitat de persones grans fràgils, és construir un procés de supervivència predictiu que tingui en compte l’evolució funcional i nutricional dels pacients al llarg del temps. En aquest estudi ens enfrontem a l’anàlisi de dades de supervivència i mesures repetides però els mètodes estadístics habituals per al tractament conjunt d’aquest tipus de dades no són apropiats en aquest cas. Com a alternativa utilitzem els models de supervivència multi-estats per avaluar l’associació entre mortalitat i recuperació, o no, dels nivells funcionals i nutricionals considerats normals. Després d’estimar el model i d’identificar els factors pronòstics de mortalitat és possible obtenir un procés predictiu que permet fer prediccions de la supervivència dels pacients en funció de la seva història concreta fins a un determinat moment. Això permet realitzar un pronòstic més precís de cada grup de pacients, la qual cosa pot ser molt útil per als professionals sanitaris a l’hora de prendre decisions clíniques. The aim of this study, corresponding to a research project on functional decline and mortality of frail elderly patients, is to build a predictive survival process which takes into account the functional and nutritional evolution of the patients over time. We deal with both survival data and repeated measures but the usual statistical methods for the joint analysis of longitudinal and survival data are not appropriate in this case. As an alternative we use the multi-state survival model approach to evaluate the association between mortality and the recovery, or not, of normal functional and nutritional levels. Once the model is estimated and the prognostic factors of mortality identified, a predictive process is computed which allows predictions to be made of a patient’s survival based on their history at a given time. This provides a more exact estimate of the prognosis for each group of patients which may be very helpful to clinicians in the making of decisions El objetivo de este estudio, correspondiente a un proyecto de investigación sobre la pérdida funcional y la mortalidad de ancianos frágiles, es construir un proceso de supervivencia predictivo que tenga en cuenta la evolución funcional y nutricional de los pacientes a lo largo del tiempo. En este estudio nos enfrentamos al análisis de datos de supervivencia y medidas repetidas pero los métodos estadísticos habituales para el tratamiento conjunto de este tipo de datos no son apropiados en este caso. Como alternativa utilizamos los modelos de supervivencia multi-estados para evaluar la asociación entre mortalidad y recuperación, o no, de los niveles funcionales y nutricionales considerados normales. Despuésde estimar el modelo y de identificar los factores pron ́osticos de mortalidad es posible obtener un proceso predictivo que permite hacer predicciones de la supervivencia de los pacientes en función de su historia concreta hasta un determinado momento. Esto permite realizar un pronóstico más preciso de cada grupo de pacientes, lo cual puede ser muy útil para los profesionales sanitarios en la toma de decisiones clínicas.

En l’anàlisi de la supervivència el problema de les dades censurades en un interval es tracta, usualment,via l’estimació per màxima versemblança. Amb l’objectiu d’utilitzar una expressió simplificada de la funció de versemblança, els mètodes estàndards suposen que les condicions que produeixen la censura no afecten el temps de fallada. En aquest article formalitzem les condicions que asseguren la validesa d’aquesta versemblança simplificada. Així, precisem diferents condicions de censura no informativa i definim una condició de suma constant anàloga a la derivada en el context de censura per la dreta. També demostrem que les inferències obtingudes amb la versemblançaa simplificada són correctes quan aquestes condicions són certes. Finalment, tractem la identificabilitat de la funció distribució del temps de fallada a partir de la informació observada i estudiem la possibilitat de contrastar el compliment de la condició de suma constant. In survival data analysis the interval censoring problem has been usually treated via maximum likelihood inferences. In order to make use of a simpler expression of the likelihood function, standard methods suppose that conditions producing censoring do not affect the survival process. This paper is about formal conditions that ensure the validity of such a simplified likelihood. We state different notions of noninformative censoring appeared in the literature and we define the analogous constant–sum condition derived in the context of right censoring. We prove that the simplified likelihood produces correct inferences when these conditions hold. We discuss the identifiability of the distribution function of the failure time based on interval–censored data and we study the testability of the constant–sum condition. En análisis de la supervivencia el problema de los datos censurados en un intervalo se trata, habitualmente, mediante la estimación por máxima verosimilitud. Con el objetivo de utilizar una expresión simplificada de la función de verosimilitud, los métodos estándar suponen que las condiciones que producen la censura no afectan el tiempo de fallo. En este artículo formalizamos las condiciones que aseguran la validez de esta verosimilitud simplificada. Así, precisamos diferentes condiciones de censura no informativa i definimos una condición de suma constante análoga a la derivada en el contexto de censura por la derecha. También demostramos que las inferencias obtenidas con la verosimilitud simplificada son correctas cuando estas condiciones son ciertas. Finalmente, tratamos la identificabilidad de la función de distribución del tiempo de fallo a partir de la información observada y estudiamos la posibilidad de contrastar el cumplimiento de la condición de suma constante

L'Anàlisi de la supervivència s'utilitza en diferents camps per analitzar el temps transcorregut entre dos esdeveniments. El que distingeix l'anàlisi de la supervivència d'altres àrees de l'estadística és que les dades normalment estan censurades. La censura en un interval apareix quan l'esdeveniment final d'interès no és directament observable i només se sap que el temps de fallada està en un interval concret. Un esquema de censura més complex encara apareix quan tant el temps inicial com el temps final estan censurats en un interval. Aquesta situació s'anomena doble censura. En aquest article donem una descripció formal d'un mètode bayesà paramètric per a l'anàlisi de dades censurades en un interval i dades doblement censurades així com unes indicacions clares de la seva utilització o pràctica. La metodologia proposada s'ilustra amb dades d'una cohort de pacients hemofílics que es varen infectar amb el virus VIH a principis dels anys 1980's. Survival analysis is used in different fields to analyse the elapsed time between two events. What distinguishes survival analysis from other areas in statistics is that data are usually censored. Interval censoring arises when the occurrence of the final event of interest cannot be exactly observed and the failure time is only known to lie in an interval. A more complex censoring scheme is found when both initial and final times are interval–censored. This situation is referred as double censoring. In this paper we provide a formal description of a parametric Bayesian method for the analysis of interval–censored and doubly–censored data and clear guide lines for its practical use. The proposed methodology is illustrated with data from a cohort of haemophilia patients who were infected with HIV in the early1980’s. El análisis de la supervivencia se utiliza en diferentes campos para analizar el tiempo transcurrido entre dos sucesos. Lo que distingue el análisis de la supervivencia de otras áreas de la estadística es que los datos normalmente están censurados. La censura en un intervalo aparece cuando el suceso final de interés no es directamente observable y sólo se sabe que el tiempo de fallo está en un intervalo concreto. Un esquema de censura más complejo todavía aparece cuando tanto el tiempo inicial como el tiempo final están censurados en un intervalo. Esta situación se denomina doble censura. En este artículo damos una descripción formal de un método bayesiano paramétrico para el análisis de datos censurados en un intervalo y datos doblemente censurados, así como unas indicaciones claras de su utilización práctica. La metodología propuesta se ilustra con datos de una cohorte de pacientes hemofílicos que se infectaron con el virus VIH a principios de los años 1980.

This work concerns some problems in the area of survival analysis that arise in real clinical or epidemiological studies. In particular, we approach the problem of estimating the survival function based on interval-censored data or doubly-censored data. We will start defining these concepts and presenting a brief review of different methodologies to deal with this kind of censoring patterns.Survival analysis is the term used to describe the analysis of data that correspond to the time from a well defined origin time until the occurrence of some particular event of interest. This event need not necessarily be death, but could, for example, be the response to a treatment, remission from a disease, or the occurrence of a symptom