A1 Alkuperäisartikkeli tieteellisessä aikakauslehdessä
Prediction of leukocyte counts during paediatric acute lymphoblastic leukaemia maintenance therapy (2019)
Karppinen, S., Lohi, O., & Vihola, M. (2019). Prediction of leukocyte counts during paediatric acute lymphoblastic leukaemia maintenance therapy. Scientific Reports, 9, Article 18076. https://doi.org/10.1038/s41598-019-54492-5
JYU-tekijät tai -toimittajat
Julkaisun tiedot
Julkaisun kaikki tekijät tai toimittajat: Karppinen, Santeri; Lohi, Olli; Vihola, Matti
Lehti tai sarja: Scientific Reports
eISSN: 2045-2322
Julkaisuvuosi: 2019
Volyymi: 9
Artikkelinumero: 18076
Kustantaja: Nature Publishing Group
Julkaisumaa: Britannia
Julkaisun kieli: englanti
DOI: https://doi.org/10.1038/s41598-019-54492-5
Julkaisun avoin saatavuus: Avoimesti saatavilla
Julkaisukanavan avoin saatavuus: Kokonaan avoin julkaisukanava
Julkaisu on rinnakkaistallennettu (JYX): https://jyx.jyu.fi/handle/123456789/66732
Tiivistelmä
Maintenance chemotherapy with oral 6-mercaptopurine and methotrexate remains a cornerstone of modern therapy for acute lymphoblastic leukaemia. The dosage and intensity of therapy are based on surrogate markers such as peripheral blood leukocyte and neutrophil counts. Dosage based leukocyte count predictions could provide support for dosage decisions clinicians face trying to find and maintain an appropriate dosage for the individual patient. We present two Bayesian nonlinear state space models for predicting patient leukocyte counts during the maintenance therapy. The models simplify some aspects of previously proposed models but allow for some extra flexibility. Our second model is an extension which accounts for extra variation in the leukocyte count due to a treatment adversity, infections, using C-reactive protein as a surrogate. The predictive performances of our models are compared against a model from the literature using time series cross-validation with patient data. In our experiments, our simplified models appear more robust and deliver competitive results with the model from the literature.
YSO-asiasanat: syöpätaudit; akuutti lymfaattinen leukemia; lääkehoito; biomarkkerit; valkosolut; ennusteet; tilastolliset mallit; bayesilainen menetelmä; stokastiset prosessit; aikasarjat
Liittyvät organisaatiot
Hankkeet, joissa julkaisu on tehty
- Eksakstisti approksimoidut Monte Carlo -menetelmät monimutkaiseen Bayes-päättelyyn
- Vihola, Matti
- Suomen Akatemia
- Eksaktisti approksimoidut Monte Carlo -menetelmät monimutkaiseen Bayes-päättelyyn (tutkimuskulut)
- Vihola, Matti
- Suomen Akatemia
- Skaalautuvat menetelmät luotettavaan Bayes-päättelyyn (SCALEBAYES)
- Vihola, Matti
- Suomen Akatemia
OKM-raportointi: Kyllä
VIRTA-lähetysvuosi: 2019
JUFO-taso: 1