วิธีที่ดีที่สุดในการวิเคราะห์ระยะเวลาการพักข้อมูลใน RCT ที่ใช้ในโรงพยาบาล

ฉันสนใจที่จะรู้ว่ามีมติเกี่ยวกับวิธีที่ดีที่สุดในการวิเคราะห์ข้อมูลระยะเวลาการพักอาศัย (LOS) ของโรงพยาบาลจาก RCT หรือไม่ นี่คือการแจกแจงแบบเบ้ขวามากโดยผู้ป่วยส่วนใหญ่จะออกจากโรงพยาบาลภายในไม่กี่วันถึงหนึ่งสัปดาห์ แต่ผู้ป่วยที่เหลือมีการคาดเดาไม่ได้

ตัวเลือกสำหรับการวิเคราะห์รวมถึง:

• ทดสอบ t (สมมติว่าปกติซึ่งไม่น่าจะเป็นปัจจุบัน)
• การทดสอบ Mann Whitney U
• การทดสอบ logrank
• การปรับโมเดลโมเดลอันตราย Cox ตามสัดส่วนในการจัดสรรกลุ่ม

วิธีใด ๆ เหล่านี้มีพลังที่สูงกว่าอย่างเห็นได้ชัดหรือไม่?

จริง ๆ แล้วฉันเริ่มดำเนินการในโครงการที่ทำสิ่งนี้แม้ว่าจะมีการสังเกตมากกว่าข้อมูลทางคลินิก ความคิดของฉันเป็นเพราะรูปร่างผิดปกติของระยะเวลาในการพักข้อมูลส่วนใหญ่และช่วงเวลาที่โดดเด่นมาก ๆ (คุณรู้ทั้งที่มาและเวลาออกอย่างสมบูรณ์) คำถามที่ให้ยืมตัวเองดีมากในการวิเคราะห์การอยู่รอดบางประเภท สามตัวเลือกในการพิจารณา:

• โมเดลอันตรายคอคส์ตามที่คุณแนะนำสำหรับการเปรียบเทียบระหว่างการรักษาและแขนที่สัมผัส
• เส้นโค้ง Kaplan-Meyer แบบเส้นตรงใช้การจัดอันดับบันทึกหรือหนึ่งในการทดสอบอื่น ๆ เพื่อตรวจสอบความแตกต่างระหว่างพวกเขา Miguel Hernan แย้งว่านี่เป็นวิธีที่นิยมใช้ในหลาย ๆ กรณีเนื่องจากไม่จำเป็นต้องมีอัตราส่วนความเสี่ยงคงที่ ในขณะที่คุณได้รับการทดลองทางคลินิกความยากลำบากในการสร้างเส้นโค้ง Kaplan-Meyer ที่ปรับปรุงแล้วนั้นไม่ควรเป็นปัญหา แต่แม้ว่าจะมีตัวแปรตกค้างบางอย่างที่คุณต้องการควบคุมสิ่งนี้สามารถทำได้ด้วยความน่าจะเป็นแบบอินเวอร์ส - น้ำหนักบำบัด
• แบบจำลองการอยู่รอดแบบพารามิเตอร์ มี, เป็นที่ยอมรับ, ใช้กันน้อยกว่า, แต่ในกรณีของฉันฉันต้องการการประมาณค่าพารามิเตอร์ของความเป็นอันตรายพื้นฐาน, ดังนั้นสิ่งเหล่านี้เป็นวิธีเดียวที่จะไป ฉันจะไม่แนะนำให้กระโดดเข้าสู่การใช้โมเดลแกมมาทั่วไป มันเป็นเรื่องเจ็บปวดที่จะทำงานด้วย - ฉันลองใช้ Exponential, Weibull และ Log-Normal อย่างง่ายและดูว่ามีสิ่งใดที่เหมาะสมกับตัวเองหรือไม่

ฉันชอบรุ่นอันตรายตามสัดส่วนของ Cox ซึ่งจะจัดการกับระยะเวลาการเข้าพักที่ถูกเซ็นเซอร์ (ความตายก่อนที่โรงพยาบาลจะประสบความสำเร็จ) เอกสารที่เกี่ยวข้องสามารถพบได้ที่http://biostat.mc.vanderbilt.edu/wiki/pub/Main/FHHandouts/slide.pdfด้วยรหัสที่นี่: http://biostat.mc.vanderbilt.edu/wiki/pub/ หน้าแรก / FHHandouts / model.s

ฉันแนะนำให้ทดสอบ logrank เพื่อทดสอบความแตกต่างระหว่างกลุ่มและสำหรับตัวแปรอิสระแต่ละตัว บางทีคุณอาจจำเป็นต้องปรับเปลี่ยนสำหรับตัวแปรหลายตัว (อย่างน้อยสำหรับตัวแปรที่สำคัญในการทดสอบ logrank) ในโมเดลอันตรายตามสัดส่วนของ Cox Gamma generalized model (parametric) อาจเป็นทางเลือกหนึ่งของ Cox หากคุณต้องการการประเมินความเสี่ยงพื้นฐาน (อันตราย)

ความตายเป็นเหตุการณ์การแข่งขันที่มีการปลดปล่อย การตรวจสอบความตายจะไม่ตรวจสอบข้อมูลที่หายไปโดยการสุ่ม การตรวจสอบอุบัติการณ์สะสมของการเสียชีวิตและการปล่อยและการเปรียบเทียบอันตรายจากการจัดสรรอาจเหมาะสมกว่า