การวิเคราะห์การอยู่รอดที่ไม่สามารถใช้ข้อมูลแปรปรวนร่วมกับ covariates ได้

ฉันกำลังดูเวลาที่ผู้พิพากษาต้องการในการตัดสินใจ ผู้ตัดสินแต่ละคนประเมินจำนวนผู้สมัครและสามารถอนุมัติหรือไม่อนุมัติใบสมัคร คดีนี้จะสิ้นสุดลงเมื่อผู้พิพากษาแสดงรายงานซึ่งอาจมีบางเวลาหลังจากการพิจารณาคดี หลายกรณียังคงเปิดให้บริการเมื่อสิ้นสุดระยะเวลาการศึกษา

ฉันต้องการที่จะประเมินเวลาเฉลี่ยที่จำเป็นสำหรับกรณีที่จะย้ายผ่านระบบ นอกจากนี้ฉันต้องการดูว่ากรณีที่ถูกปฏิเสธใช้เวลานานกว่ากรณีที่ได้รับการอนุมัติ (ผู้พิพากษาดูเหมือนจะใช้เวลานานในการเขียนรายงานของพวกเขาในที่สุดพวกเขาล้มเหลวในการอนุมัติหรือค้นหาเอกสารเพิ่มเติม)

เห็นได้ชัดว่าฉันไม่ทราบว่ากรณีที่ยังคงเปิดเมื่อการศึกษาสิ้นสุดลงจะได้รับการอนุมัติหรือไม่ดังนั้น covariate (อนุมัติ / ไม่อนุมัติ) จะถูกตรวจสอบพร้อมกับข้อมูล

มีอะไรที่ฉันสามารถทำได้เกี่ยวกับเรื่องนี้?

survival

— Placidia
แหล่งที่มา

ผู้ตัดสินแต่ละคนปฏิบัติต่อผู้สมัครเพียงคนเดียวหรือไม่? เรามีปัญหากับการคาดคะเน 'การไม่เซ็นเซอร์ข้อมูล' ในการเอาชีวิตรอดหรือไม่? ผู้สมัครทุกคนเริ่มกระบวนการพร้อมกันหรือไม่?

— Michael M

ผู้พิพากษาแต่ละคนปฏิบัติต่อผู้สมัครจำนวนมากในช่วงการศึกษา (ประมาณ 30 คน) บางกรณีมีการสรุป (ยอมรับ / ปฏิเสธ) - กรณีอื่น ๆ ยังคงเปิดอยู่

— Placidia

คำตอบ:

@jsk มีคีย์ในความคิดเห็นของพวกเขาต่อคำตอบของ @Alexis การวิเคราะห์ความอยู่รอดประเภทที่เหมาะสมที่จะใช้ในกรณีนี้คือความเสี่ยงในการแข่งขัน คุณมีสามผลลัพธ์ที่เป็นไปได้: a) ยอมรับ b) ถูกปฏิเสธและ c) เซ็นเซอร์ถูกต้อง

กุญแจสำคัญคือการยอมรับ / ปฏิเสธนั้นไม่ใช่ covariate เดียว แต่มีความเสี่ยงสองประการ มันค่อนข้างง่ายในซอฟต์แวร์ทางสถิติส่วนใหญ่ ยกตัวอย่างเช่นในการวิจัยของsurvivalแพคเกจที่คุณเพียงแค่รหัสเหตุการณ์เป็นปัจจัยที่มีระดับcensored, และaccepted rejected( censoredจะต้องเป็นระดับแรกระดับอื่น ๆ จะถือว่าเป็นความเสี่ยงในการแข่งขัน)

— เวย์น
แหล่งที่มา

ขอบคุณที่ตอบคำถามนี้ การวิเคราะห์ที่ทำให้คำถามของฉันถูกครอบงำโดยเหตุการณ์ แต่ฉันเพิ่งส่งชุดข้อมูลใหม่ที่มีความต้องการที่คล้ายกัน

— Placidia

ถ้าฉันเข้าใจคุณนี่เป็นการวิเคราะห์การเอาตัวรอดมาตรฐาน / การวิเคราะห์ประวัติเหตุการณ์ที่ถูกต้อง Kaplan-Meyer แบบจำลองความไม่ต่อเนื่องแบบแยกเวลาเป็นต้นการประมาณทั้งหมด "ไม่ว่าจะเป็นและเมื่อ" เหตุการณ์เกิดขึ้นในขณะที่การบัญชีสำหรับการตรวจสอบเหตุการณ์ที่เกิดขึ้นถูกต้อง (เช่นกรณีของคุณได้รับการอนุมัติ) โดยการรวมกลุ่มตัวอย่าง เนื่องจากทั้งเหตุการณ์ที่เกิดขึ้นและเนื่องจากการเซ็นเซอร์

บทความวิกิพีเดียให้บทนำดี และคุณอาจดูนักร้อง, JD และ Willett, JB (2003) นำไปใช้ในการวิเคราะห์ข้อมูลระยะยาว: การเปลี่ยนแปลงที่สร้างแบบจำลองและการเกิดเหตุการณ์ สำนักพิมพ์มหาวิทยาลัยออกซ์ฟอร์ดนิวยอร์กนิวยอร์กซึ่งมีรายละเอียดเกี่ยวกับรูปแบบประวัติเหตุการณ์แบบไม่ต่อเนื่องและมีส่วนที่ดีพอสำหรับโมเดลอันตรายตามสัดส่วนของ Cox

— อเล็กซิส
แหล่งที่มา

คุณแน่ใจหรือว่าสิ่งนี้เหมาะสมสำหรับการวิเคราะห์การรอดชีวิตแบบมาตรฐาน? ดูเหมือนว่ามีสองเหตุการณ์ที่ไม่เกิดร่วมกันซึ่งสามารถเกิดขึ้นได้ บางทีรูปแบบความเสี่ยงในการแข่งขันอาจจะเหมาะสมกว่า?

— jsk

โอ้ ฉันเข้าใจผิดหรือเปล่า? อ่าใช่ . . ฉันคิดว่าคุณอาจจะถูก ถึงแม้ว่าฉันสงสัยว่ามันจะถูกวางกรอบเป็นแบบจำลองสองขั้นตอน: ประวัติเหตุการณ์ว่า / เมื่อมีการ "ตัดสินใจ" และขั้นตอนที่สองสำหรับการสร้างแบบจำลองสิ่งที่ยอมรับ / ปฏิเสธ?

— Alexis

ไม่แน่ใจว่าจะใช้งานได้ ไม่ช้าก็เร็วทุกกรณีจะตัดสินไม่ทางใดก็ทางหนึ่ง หากไม่มีความสัมพันธ์ระหว่างเวลาในการตัดสินและการตัดสินใจแสดงว่าการเซ็นเซอร์นั้นไม่มีข้อมูล แต่ถ้าการปฏิเสธใช้เวลานานกว่านั้นบอกว่าจำนวนที่ไม่ได้สัดส่วนของคดีที่เปิดอยู่จะเป็นการปฏิเสธ (แม้ว่าเราจะไม่ทราบว่า) ฉันสงสัยว่าจะเกิดอะไรขึ้นหากมีคนพยายามที่จะแอบอ้างผลลัพธ์ของคดีเปิด

— Placidia

Placida ที่น่าสนใจจริง ๆ : คุณช่วยอธิบายเรื่องการพึ่งพาเวลาให้กับคุณได้ไหม? สิ่งที่เกี่ยวกับความตายการถอดถอนและการเกษียณอายุ: แน่นอนว่าทุกกรณีไม่ได้รับการตัดสินโดยผู้พิพากษาดั้งเดิม

— Alexis

ฉันคิดว่ากรณีอาจถูกโอนไปยังผู้พิพากษาคนอื่น แต่นั่นหายาก โดยทั่วไปคดีจะได้รับการตัดสินภายในไม่กี่สัปดาห์ หากกรณีที่สามารถปฏิเสธได้ใช้เวลานานกว่านั้นจะมีการตรวจสอบการปฏิเสธเพิ่มเติมเนื่องจากการศึกษาจะสิ้นสุดลงก่อนที่จะตัดสินใจ ปัญหาคือฉันสามารถสังเกตเห็นสถานะการตัดสินใจของคดีปิดก่อนที่การศึกษาจะสิ้นสุดลง แต่ฉันไม่สามารถสังเกตเห็นสถานะของคดีที่ถูกเซ็นเซอร์ได้ การใช้ผลลัพธ์ของคดีในฐานะผู้ร่วมทุนดูเหมือนว่าจะไม่เหมาะสมสำหรับฉัน แต่ไม่เหมาะสมข้อมูลควรให้ข้อมูลเกี่ยวกับปัญหานั้น

— Placidia