แนะนำแบบจำลองสำหรับการถดถอยแบบค็อกซ์ที่มีตัวแปรตามเวลา


10

ฉันกำลังสร้างแบบจำลองผลกระทบของการตั้งครรภ์ต่อผลลัพธ์ของโรค (ตายแล้ว) ประมาณ 40% ของผู้ป่วยตั้งครรภ์หลังจากการวินิจฉัย - แต่ในเวลาต่างกัน จนถึงตอนนี้ฉันได้ทำการแปลง KM แสดงผลการป้องกันที่ชัดเจนของการตั้งครรภ์ต่อการอยู่รอดและรูปแบบคอคส์ทั่วไป - อย่างไรก็ตามสิ่งเหล่านี้ได้รับการสร้างแบบจำลองโดยใช้ตัวแปรการตั้งครรภ์แบบแบ่งขั้วคู่เท่านั้นและสมมติว่า ตั้งแต่เวลามัธยฐานถึงการตั้งครรภ์คือ 4 ปีจากการวินิจฉัย

แบบจำลองชนิดใดที่จะดูดซับผลกระทบของการตั้งครรภ์หลายครั้ง ณ เวลาต่าง ๆ หลังการวินิจฉัย? มันจะถูกต้องหรือไม่ที่จะสร้างแบบจำลองการตั้งครรภ์ที่มีปฏิสัมพันธ์กับเวลา (ซึ่งจะต้องมีการสร้างข้อมูลที่ร้ายแรง - ซอฟต์แวร์อัตโนมัติใด ๆ ที่สามารถช่วยสิ่งนี้ได้) หรือมีกลยุทธ์การสร้างแบบจำลองที่เป็นที่นิยมสำหรับปัญหาเหล่านี้ กลยุทธ์การวางแผนที่ต้องการสำหรับปัญหาเหล่านี้คืออะไร


คำถามที่น่าสนใจ (+1) ... เอกสารล่าสุดนี้อาจช่วยได้: ncbi.nlm.nih.gov/pubmed/21328605
ocram

ที่น่าสนใจ - แต่ฉันเชื่อว่าหัวข้อหลักมีเวลาแตกต่างกันไปเอฟเอ็ม //M
Misha

เวลาที่แตกต่างกันมีผลกระทบเป็นหัวข้อของกระดาษ ...
ocram

1
นี่ทำให้ฉันนึกถึงตัวอย่างการวิเคราะห์การเอาชีวิตรอดแบบ "คลาสสิก" ของข้อมูลการปลูกถ่ายหัวใจ: bit.ly/UFX71v - สิ่งที่คุณต้องการคือเวลาที่แปรเปลี่ยนโควาเรียตไม่จำเป็นต้องเป็นค่าสัมประสิทธิ์การแปรผันของเวลา คุณสามารถลงจุดข้อมูลของคุณโดยใช้เส้นโค้ง KM
boscovich

ด้วยวิธีนี้คุณจะสามารถจัดการกับความจริงที่ว่าผู้หญิงบางคนอาจมีการตั้งครรภ์มากกว่า 1 ในระหว่างการติดตาม
boscovich

คำตอบ:


4

สิ่งที่คุณต้องการในที่นี้คือค่าความแปรปรวนร่วมแปรผันตามเวลาและไม่จำเป็นต้องเป็นค่าสัมประสิทธิ์แปรปรวนตามเวลา ตัวอย่างที่รู้จักกันว่าสามารถช่วยให้คุณกับการวิเคราะห์ของคุณเป็นStanford ข้อมูลการปลูกถ่ายหัวใจ

เพื่อนำเสนอผลลัพธ์ของคุณคุณสามารถใช้เครื่องมือประเมิน Kaplan-Meier แบบคลาสสิกที่จัดการ covariates ที่แปรผันตามเวลาโดยไม่มีปัญหา (จำไว้ว่านี่เป็นการวิเคราะห์ที่หยาบ - หรือไม่ได้รับการแก้ไขด้วยข้อ จำกัด ที่รู้จักกันดีทั้งหมด)

เป็นตัวอย่างกราฟต่อไปนี้แสดงการวิเคราะห์ข้อมูล Stanford HT เมื่อบัญชีถูกต้องสำหรับสถานะการปลูกที่เปลี่ยนแปลงตามเวลา (แผงด้านบน) และไม่มีบัญชี (แผงด้านล่าง)

ป้อนคำอธิบายรูปภาพที่นี่


ในที่สุดฉันก็สามารถทำสิ่งนี้และได้พล็อตต่อไปนี้
Misha

KM ปกติไม่ใช่วิธีที่เหมาะสมในการสร้างกราฟโมเดลเหล่านี้ ค่อนข้างจะเป็นส่วนขยายของ KM โดย Simon และ Makuch ที่นำไปใช้ใน Stata stats.stackexchange.com/posts/46754
Misha

คุณไม่สามารถใช้ KM แบบนี้ ลองพิจารณาการตั้งครรภ์ที่มีอายุเช่นเวลาอ้างอิง: สมมติว่าผู้หญิงอย่างน้อย 20 คนเมื่อพวกเขามีลูกคนที่สองและอย่างน้อย 22 คนเมื่อพวกเขาได้อันดับสาม เรามาสมมติอันตรายที่คงที่สำหรับทุกวัยและทุกกลุ่ม จากนั้นกลุ่มที่ 2 และ 3 จะตายในอัตราเดียวกัน แต่การประมาณ 3 กลุ่มจะมีขนาดใหญ่กว่าเมื่อใดก็ตาม t เนื่องจากกลุ่มทั้ง 3 กลุ่มเริ่มตายในเวลาต่อมา นี่คือการนำเสนอข้อมูลที่ผิด
swmo

4

ใน R สิ่งนี้สามารถแก้ไขได้ด้วยวัตถุเริ่มต้น / หยุดของวัตถุการเอาตัวรอดเช่น

fit <- coxph(Surv(time1, time2, status) ~ is.pregnant + other.covariates, data=mydata)

บทความนี้กล่าวถึงรายละเอียดเพิ่มเติม: http://cran.r-project.org/web/packages/survival/vignettes/timedep.pdf


1

ระวังอคติเวลาอมตะในสถานการณ์นี้ กลุ่มที่ตั้งครรภ์ของคุณจะมีชีวิตรอดได้ดีกว่ากลุ่มที่ไม่ได้ตั้งครรภ์อย่างหลีกเลี่ยงไม่ได้เนื่องจากคุณไม่สามารถตั้งครรภ์หลังจากที่คุณตาย (เพื่อความรู้ที่ดีที่สุดของฉัน!)

โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.