ตัวแปร X (อันตราย) ในการวิเคราะห์การถดถอยอันตรายตามสัดส่วนที่คอคส์ต้องมีเวลาหรือไม่? ถ้าไม่คุณช่วยยกตัวอย่างได้ไหม
อายุของผู้ป่วยมะเร็งสามารถเป็นตัวแปรอันตรายได้หรือไม่? ถ้าเป็นเช่นนั้นจะตีความได้ว่าเป็นความเสี่ยงของการเป็นมะเร็งในบางช่วงอายุได้หรือไม่? การถดถอยของ Cox จะเป็นการวิเคราะห์ที่ถูกต้องหรือไม่เพื่อศึกษาความสัมพันธ์ระหว่างการแสดงออกของยีนและอายุ
คำตอบ:
โดยปกติแล้วอายุที่พื้นฐานถูกใช้เป็น covariate (เพราะมักจะเกี่ยวข้องกับโรค / ความตาย) แต่มันสามารถใช้เป็นมาตราส่วนเวลาของคุณได้เช่นกัน (ฉันคิดว่ามันถูกใช้ในการศึกษาระยะยาวเพราะคุณจำเป็นต้องมีเพียงพอ คนที่มีความเสี่ยงตามช่วงเวลา แต่ฉันจำไม่ได้จริง ๆ - เพียงแค่พบสไลด์เหล่านี้เกี่ยวกับการวิเคราะห์การศึกษาตามรุ่นสมมติว่ามีช่วงเวลาต่อเนื่องที่พูดคุยเกี่ยวกับการศึกษาตามรุ่น) ในการตีความคุณควรแทนที่เวลาของเหตุการณ์ตามอายุและคุณอาจรวมอายุเมื่อวินิจฉัยว่าเป็น covariate สิ่งนี้จะสมเหตุสมผลเมื่อคุณศึกษาอัตราการตายเฉพาะของโรคแต่ละโรค (ดังที่แสดงไว้ในสไลด์เหล่านี้)
บางทีบทความนี้เป็นที่น่าสนใจเพราะมันขัดแย้งทั้งสองวิธีใช้เวลาในการศึกษาเมื่อเทียบกับอายุตามลำดับ: เครื่องชั่งเวลาในค็อกซ์รุ่น: ผลของความแปรปรวนท่ามกลางยุคเข้ากับการประมาณการค่าสัมประสิทธิ์ นี่คือกระดาษอื่น:
Cheung, YB, Gao, F และ Khoo, KS (2003) อายุการวินิจฉัยและการเลือกใช้วิธีการวิเคราะห์การอยู่รอดในทางระบาดวิทยาโรคมะเร็ง วารสารระบาดวิทยาคลินิก , 56 (1), 38-43
แต่มีเอกสารที่ดีกว่าอย่างแน่นอน
ไม่ไม่จำเป็นต้องมีเวลาเสมอไป คำตอบที่ถูกเซ็นเซอร์จำนวนมากสามารถสร้างแบบจำลองด้วยเทคนิคการวิเคราะห์การอยู่รอด ในหนังสือของเขาNondetects และการวิเคราะห์ข้อมูลเดนนิสเฮลเนลสนับสนุนการใช้ความเข้มข้นในเชิงลบแทนเวลา สรุปมีอยู่บนเว็บ (รูปแบบ PDF) และแพคเกจ R ที่NADAการดำเนินการนี้
ในปัญหาระดับอายุเทียบกับช่วงเวลา chl มีการอ้างอิงที่ดีและรวบรวมข้อมูลสำคัญ - โดยเฉพาะความต้องการที่ชุดที่มีความเสี่ยงมีวิชาที่เพียงพอจากทุกวัยที่จะเกิดขึ้นในการศึกษาระยะยาว
ฉันเพิ่งจะทราบว่ายังไม่มีฉันทามติทั่วไปเกี่ยวกับเรื่องนี้ แต่มีวรรณกรรมบางอย่างที่แนะนำว่าอายุควรเป็นช่วงเวลาในบางกรณี โดยเฉพาะอย่างยิ่งหากคุณมีสถานการณ์ที่เวลาไม่สะสมในลักษณะเดียวกันสำหรับทุกวิชาเช่นเนื่องจากการได้รับสารพิษบางชนิดอายุอาจเหมาะสมกว่า
ในอีกทางหนึ่งคุณสามารถจัดการกับตัวอย่างที่เฉพาะเจาะจงในโมเดล Cox PH ตามมาตราส่วนเวลาโดยใช้อายุเป็นเวลาที่แปรเปลี่ยน covariate - แทน covariate คงที่ในเวลาเริ่มต้น คุณต้องคิดเกี่ยวกับกลไกที่อยู่เบื้องหลังวัตถุประสงค์ของการศึกษาของคุณเพื่อกำหนดว่าช่วงเวลาใดเหมาะสมกว่า บางครั้งมันก็เหมาะสมที่ทั้งสองโมเดลกับข้อมูลที่มีอยู่เพื่อดูว่ามีความคลาดเคลื่อนเกิดขึ้นหรือไม่และอธิบายได้อย่างไรก่อนที่จะออกแบบการศึกษาใหม่ของคุณ
ในที่สุดความแตกต่างที่เห็นได้ชัดในการวิเคราะห์ทั้งสองคือในระดับอายุการตีความการเอาชีวิตรอดนั้นเกี่ยวกับสเกลสัมบูรณ์ (อายุ) ในขณะที่ในช่วงเวลานั้นสัมพันธ์กับวันเริ่มต้น / เข้าศึกษา .
ตามคำร้องขอของ OP แล้วแอปพลิเคชันอื่นที่ฉันได้เห็นการวิเคราะห์การอยู่รอดที่ใช้ในบริบทเชิงพื้นที่ (แม้ว่าจะแตกต่างจากการวัดสารสิ่งแวดล้อมที่กล่าวถึงโดย whuber) เป็นแบบจำลองระยะห่างระหว่างเหตุการณ์ในอวกาศ นี่คือตัวอย่างหนึ่งในอาชญาวิทยาและนี่เป็นหนึ่งในทางระบาดวิทยา
เหตุผลเบื้องหลังการใช้การวิเคราะห์การอยู่รอดเพื่อวัดระยะห่างระหว่างเหตุการณ์ไม่ได้เป็นปัญหาของการเซ็นเซอร์ (แม้ว่าการเซ็นเซอร์สามารถเกิดขึ้นได้อย่างแน่นอนในบริบทเชิงปริภูมิ) มันเป็นเช่นนั้นเพราะการแจกแจงที่คล้ายกันระหว่างเวลากับเหตุการณ์ลักษณะและระยะห่างระหว่างเหตุการณ์ ลักษณะ (เช่นพวกเขาทั้งสองมีโครงสร้างข้อผิดพลาดประเภทเดียวกัน (การสลายระยะทางบ่อยครั้ง) ที่ละเมิด OLS และวิธีการแก้ปัญหาที่ไม่ใช่พารามิเตอร์เหมาะสำหรับทั้งสอง)
เนื่องจากการอ้างอิงที่ไม่ดีของฉันฉันจึงต้องใช้จ่ายและชั่วโมงเพื่อค้นหาลิงก์ / การอ้างอิงที่ถูกต้องไปยังลิงก์ด้านบน
สำหรับตัวอย่างในอาชญวิทยา
Kikuchi, George, Mamoru Amemiya, Tomonori Saito, Takahito Shimada และ Yutaka Harada 2010 การวิเคราะห์ spatio กาลของการตกเป็นเหยื่อซ้ำใกล้ในญี่ปุ่น การประชุมการทำแผนที่อาชญากรรมแห่งชาติครั้งที่ 8 สถาบันวิทยาศาสตร์อาชญากรรม Jill Dando PDF มีอยู่ในปัจจุบันที่หน้าเว็บที่อ้างอิง
ในด้านระบาดวิทยา
ผู้อ่านสตีเวน 2543. การใช้การวิเคราะห์การอยู่รอดเพื่อศึกษารูปแบบจุดเชิงพื้นที่ในระบาดวิทยาทางภูมิศาสตร์ สังคมศาสตร์และการแพทย์ 50 (7-8): 985-1000