Shrinkage Methods in Mixture Cure Gamma Frailty Model

In many clinical settings, a proportion of patients may be cured and never experience the event of interest. Mixture cure models address this problem by dividing the population into cured and susceptible groups, while frailty terms account for unobserved heterogeneity among susceptible individuals. The challenge arises when covariates in the cure and latency components are highly correlated, leading to unstable estimates and inflated standard errors. To address these issues, we incorporate shrinkage methods into a mixture cure frailty model. Estimation is performed using a penalized EM and multiple imputation framework that allows simultaneous estimation of parameters. In extensive numerical studies, we observe that the proposed shrinkage estimators outperform established maximum likelihood estimates under ill-conditioned input data. An application to lung cancer data confirms the robustness of these approaches.
Keywords: Survival Analysis, Mixture Cure Models, Shrinkage Methods

Méthodes de retrait dans le modèle de fragilité gamma de mélange de guérison

Dans de nombreux contextes cliniques, une partie des patients peut être guérie et ne jamais connaître l'événement d'intérêt. Les modèles de mélange de guérison traitent ce problème en divisant la population en groupes guéris et sensibles, tandis que les termes de fragilité tiennent compte de l'hétérogénéité non observée parmi les individus sensibles. Le défi se pose lorsque les covariables dans les composantes de guérison et de latence sont fortement corrélées, ce qui conduit à des estimations instables et à des erreurs types gonflées. Pour résoudre ces problèmes, nous intégrons des méthodes de retrait dans un modèle de fragilité de mélange de guérison. L'estimation est effectuée à l'aide d'un cadre EM pénalisé et d'imputation multiple qui permet l'estimation simultanée des paramètres. Dans le cadre d'études numériques approfondies, nous observons que les estimateurs de retrait proposés surpassent les estimations de vraisemblance maximale établies dans le cas de données d'entrée mal conditionnées. Une application aux données sur le cancer du poumon confirme la robustesse de ces approches.
Mots-clés : analyse de survie, modèles de mélange de guérison, méthodes de retrait

Session

Recent Advances in Shrinkage Estimators

Date and Time