কেস-নিয়ন্ত্রণ স্টাডিতে বেঁচে থাকার হারের প্রবণতা


10

আমি একটি নিবন্ধ জমা দিয়েছি যা বেঁচে থাকার বিশ্লেষণের অনুচিত পদ্ধতির কারণে প্রত্যাখ্যাত হয়েছিল। রেফারি ছাড়া অন্য কোনও বিবরণ বা ব্যাখ্যা ছাড়েনি: "সময়ের প্রবণতা নিয়ে বেঁচে থাকার বিশ্লেষণে সেন্সর দেওয়ার আরও পরিশীলিত পদ্ধতি প্রয়োজন requires"

প্রশ্নটি:

ধূমপায়ীদের মধ্যে মৃত্যুর অতিরিক্ত ঝুঁকি কি গত দশকগুলিতে হ্রাস পেয়েছে?

ডেটা:

25.000 জার্মানি ধূমপায়ী। 1995 এবং 2014-এর মধ্যে যে কোনও সময়ে তারা এই গোষ্ঠীটিতে নাম তালিকাভুক্ত হয়েছিল Each পুরো অধ্যয়নের সময়কালে যারা মারা গিয়েছিল তাদের প্রত্যেকের কাছে আমার মৃত্যুর সঠিক সময় আছে। যারা ফলোআপ চলাকালীন মারা যায়নি তাদের সেন্সর করা হবে। এই সমীক্ষাটি 1995 থেকে 2014 পর্যন্ত প্রতি বছর ধূমপায়ীদের মধ্যে মৃত্যুর অতিরিক্ত ঝুঁকি পরীক্ষা করার জন্য পরিচালিত হয়।

লক্ষ্য গণনা করা:

  • ধূমপায়ী এবং ধূমপায়ীদের জন্য প্রতি বছর মৃত্যুর হার এবং এই প্রবণতাগুলি পরীক্ষা করে
  • ধূমপায়ীদের মধ্যে মৃত্যুর অতিরিক্ত ঝুঁকি প্রতি বছর (বা একটানা কয়েক বছরের সময়কাল)।

কীভাবে তথ্য বিশ্লেষণ করা উচিত? মনে রাখবেন যে 1998-এ অন্তর্ভুক্ত রয়েছে এমন কেউ 2015 সালে মারা যেতে পারে each প্রতি বছরের জন্য আপডেট এবং স্টপ দিয়ে গণনা প্রক্রিয়া বিন্যাসটি ব্যবহার করার সঠিক পদ্ধতি কি?

রেফারি এই পছন্দটি অপছন্দ করেছেন:

পোইসন রিগ্রেশন মাধ্যমে ঘটনা হার গণনা করা হয়েছিল। আমরা মডেলটিতে অফসেট হিসাবে ফলো-আপ সময়কে অন্তর্ভুক্ত করেছিলাম এবং মডেলটিতে ভবিষ্যদ্বাণী হিসাবে বয়স, লিঙ্গ, ধূমপান স্থিতি এবং ক্যালেন্ডার সময়কাল (পরপর দু'বছরের সংমিশ্রণ) অন্তর্ভুক্ত করেছিলাম। তারপরে আর এর পূর্বাভাস () ফাংশনটি ব্যবহার করে প্রতি 1000 বছর বয়সের জন্য হারগুলি গণনা করা হত। অফসেট (ফলোআপ সময়) ছিল ব্যক্তি তালিকাভুক্তি থেকে পুরো পর্যবেক্ষণ সময় (দিন)।

গবেষণার শুরু থেকে শেষ অবধি প্রতিটি সময় ধূমপায়ীদের জন্য আপেক্ষিক ঝুঁকি অনুমান করার জন্য একটি কক্স মডেল ব্যবহার করা হয়েছিল। সরলতার জন্য আমরা প্রথম পিরিয়ডে হ্যাজার্ড রেশিওকে চূড়ান্ত সময়কালে বিপদ অনুপাতের সাথে তুলনা করি।

ইস্যুগুলি: - কোনও ব্যক্তি (তার নিয়ন্ত্রণের সাথে) 1998 সালে অন্তর্ভুক্ত থাকতে পারে এবং এটি সেই ক্যালেন্ডার গোষ্ঠীর অন্তর্ভুক্ত হতে পারে তবে 2006 সালে একটি ইভেন্টে ভুগতে পারে - কক্সবাজারের জন্য গণনা প্রক্রিয়া? শুরু এবং থামার সময় কী? - এই পরিস্থিতিতে প্রবণতা কীভাবে মূল্যায়ন করা যায়?

কিছু স্পষ্টতা: ধরা যাক একটি রোগী 1998 সালের 15 জুনে প্রথম পর্যবেক্ষণ করা হয়েছিল এবং 31 শে ডিসেম্বর 1998 এর একটি ইভেন্টটি অনুভব করেছেন, এই রোগীর জন্য আমাদের সময় পরিবর্তনশীলটির মান 730 সম্ভাব্য দিনের মধ্যে 182.5 হয় যেহেতু সময়কাল 2 পরবর্তী বছর অন্তর্ভুক্ত থাকে। প্রতিটি সময়-সময় পর্যবেক্ষণের সময় সর্বাধিক পরিমাণ 730 দিন।

যখন কোনও রোগীকে এক সময়সীমার মধ্যে পর্যবেক্ষণ করা হয় তবে সেন্সর করা হয় (যেমন হয় অভিজ্ঞ এবং ইভেন্ট হয় বা বাদ পড়ে যায়) অন্য সময়সীমার মধ্যে পর্যবেক্ষণ করা দিনের পরিমাণগুলি পরবর্তী সময়-সময়ের সাথে যুক্ত করা উচিত বা কী?

সুতরাং মূল সমস্যাটি হ'ল ফলোআপ সময় এবং ক্যালেন্ডার বছর পরিচালনা করা (যা ধারাবাহিকভাবে চলক হিসাবে ব্যবহৃত হয়, টানা দুই বছর সমন্বিত)।


6
এবং আপনি কী ব্যবহার করেছেন?
শ্যাডটলকার

ঘটনার হারগুলি অনুমান করার জন্য আমরা পোয়েসন রিগ্রেশন এবং আর এর পূর্বাভাস ফাংশন সহ বিশ্লেষণের কিছু সম্পাদন করেছি। অধ্যয়নের শুরু এবং শেষের দিকে গ্রুপগুলির মধ্যে ঝুঁকির অনুপাতের তুলনা করার জন্য আমরা একটি কক্স মডেলও তৈরি করেছি, যেমন 1995/1996 বনাম 2013/2014 /201 যেহেতু কিছু সময়সীমার কয়েকটি ইভেন্টের অন্তর্ভুক্ত ছিল আমরা পরবর্তী 2 বছরগুলি উদাহরণস্বরূপ, 95/96, 97/98, 99/00 এবং একসাথে উল্লেখযোগ্য অনুমান পাওয়ার জন্য কক্স এবং পোয়েসন মডেল উভয়ের জন্য সমস্ত বিশ্লেষণে মিশে গিয়েছিলাম।
ফ্র্যাঙ্ক 49

এখন আপনি আপনার প্রশ্নে যুক্ত হয়েছেন, এটি আপনার প্রশ্নের আরও সুনির্দিষ্ট শিরোনাম পেতে সহায়তা করতে পারে, আরও জ্ঞাত আগ্রহী হওয়ার জন্য "কেস-নিয়ন্ত্রণ স্টাডিতে বেঁচে থাকার হারের প্রবণতা পরীক্ষা করা" এর মতো কিছু like এটি আমার দক্ষতার বাইরে কিছুটা; সম্ভবত এই রেফারেন্সটি কিছুটা সহায়তা সরবরাহ করতে পারে, যদিও সেই নথির বেশিরভাগ অংশ এই ধরণের রোলিং-এন্ট্রি কেস-নিয়ন্ত্রণ স্টাডির জন্য প্রযোজ্য নয়।
এডিএম

এটি হ'ল যদি আমি ভুল না করি তবে একটি (পূর্ববর্তী) সমীক্ষা, যেহেতু আপনি আসলে কোনও ইভেন্ট না হওয়া অবধি ব্যক্তিদের (যারা ধূমপানের মুখোমুখি হন বা না হন) অনুসরণ করেন। কেস কন্ট্রোল স্টাডি সাধারণত আপনার পরিস্থিতি বোঝায় যেখানে আপনার লোকেরা বিকাশ করেছিল এবং যারা এই রোগ এবং বেঁচে থাকার সময়কে মডেল করেননি তারা। তবে আমি এখানে ভুল হতে পারে।
অ্যাডাম রবিনসন

@ অ্যাডামরবিনসন: না, আপনি ভুল নন। যা বর্ণিত হয়েছে তা কেস-নিয়ন্ত্রণ গবেষণা নয়। এটি একটি বয়সের লিঙ্গের মিলিত সমষ্টি গবেষণা study বিবৃতি: "সরলতার জন্য আমরা প্রথম সময়ের মধ্যে বিপদ অনুপাতকে চূড়ান্ত সময়কালে বিপদ অনুপাতের সাথে তুলনা করি।" পরামর্শ দেয় যে সম্পূর্ণ অধ্যয়ন প্রশ্নাবলীর জন্য সম্পূর্ণ ডেটাসেট ব্যবহার করা হয়নি, যেহেতু গবেষণার মধ্যবর্তী বছরগুলির ডেটা ব্যবহার করা হয়নি।
ডিউইন

উত্তর:


2

উপরের দিক থেকে কক্স মডেলের কয়েকটি সম্ভাবনা রয়েছে:

  1. প্রতিটি সময়-পেরিওডের জন্য মডেলগুলি আলাদা করুন: প্রতিটি ব্যক্তির জন্য একটি পর্যবেক্ষণ ব্যবহার করুন; পর্যবেক্ষণের সময় গণনা করুন (ফলো-আপ চলাকালীন সেন্সর করা / মৃত্যুর বিষয়টি বিবেচনা করে) এবং তারপরে প্রতিটি সময়কালে বিপদ অনুপাত গণনা করুন। তারপরে সরাসরি বিপত্তি অনুপাতের তুলনা করুন।
  2. ধূমপায়ী এবং নন-স্মোকার পৃথকভাবে হজার্ডে আপেক্ষিক পরিবর্তন সংগ্রহ করুন : ব্যক্তি প্রতি এক পর্যবেক্ষণ; পর্যবেক্ষণের সময় গণনা করুন (সেন্সরিং / ইভেন্টটি নির্বিশেষে যাই হোক না কেন) এবং তারপরে মডেলটিতে সমস্ত রোগী (1995 থেকে 2014 পর্যন্ত) ব্যবহার করুন, সময়কালকে শ্রেণিবদ্ধ পরিবর্তনশীল হিসাবে ব্যবহার করুন এবং সময়কালের একটিটিকে রেফারেন্স মান হিসাবে সেট করুন।

    1. গণনা প্রক্রিয়া গঠনের : এটি আকর্ষণীয় বলে মনে হচ্ছে, তবে কীভাবে বেঁচে থাকার সময়টি ব্যবহার করতে হবে, বিরতি এবং ক্যালেন্ডারের বছর বন্ধ করার পদ্ধতি সম্পর্কে আমি নিশ্চিত নই।

ভাল পরামর্শ, তবে কীভাবে তথ্যবহ সেন্সরিংয়ের সম্ভাবনা (আমার উত্তরের প্রয়াস দেখুন) এবং একটি অনুমান (ক্যালেন্ডার বছরগুলিতে ধূমপায়ী / ধূমপায়ীদের আপেক্ষিক ঝুঁকির পরিবর্তন) এর সাথে কীভাবে আচরণ করা হয় যা প্রকৃতির দ্বারা আনুপাতিক- বিপদ অনুমান?
এডিএম

@ এডিএম আমি বিশ্বাস করি (যদিও আমি নিশ্চিত নই) যে এই পরিস্থিতিতে সেন্সরিং তথ্যবহুল নয়; কেস এবং নিয়ন্ত্রণগুলি একই কারণে সেন্সর করা উচিত, পক্ষপাত যা-ই হোক না কেন এই দুটি গ্রুপে সমান হওয়া উচিত। যেহেতু মৃত্যুর ফলাফলটি পরীক্ষা করা হচ্ছে এবং এটি প্রদর্শিত হয় আপনি নিশ্চয়তা দিতে পারেন যে সমস্ত মৃত্যু ধরা পড়েছে এবং হিজরত নগণ্য; আমি তথ্যবহুল সেন্সর করবো না। আনুপাতিক বিপত্তি লঙ্ঘন করা উচিত নয়; যদিও সমীক্ষায় ধূমপানকে সময়ের একটি কার্য হিসাবে পরীক্ষা করার চেষ্টা করা হয়েছে, এটি ক্যালেন্ডার বছরের সাথে পর্যবেক্ষণের সময় নয় (যা গুরুত্বপূর্ণ) does
অ্যাডাম রবিনসন

যদিও আমি একেবারে নিশ্চিত নই।
অ্যাডাম রবিনসন

1

যদিও এটি কোনও পর্যালোচকের ক্রিপ্টিক মন্তব্যগুলিতে খুব বেশি পড়া বিপদজনক, তবে আমি অনুমান করব যে সেন্সরটি তথ্যবহুল কিনা তা নিয়ে আপত্তিটি সম্পর্কিত।

বেঁচে থাকার মডেলগুলির ব্যাখ্যা সাধারণত এই ধারণার উপর ভিত্তি করে তৈরি করা হয় যে কোনও ব্যক্তি সময়ে সেন্সর করা হয় এমন সমস্ত বিষয়গুলির প্রতিনিধি যারা গবেষণায় প্রবেশের পরে সময়ে টিকে থাকে । ( বেঁচে থাকার বিশ্লেষণে এই পরিচিতি থেকে অভিযোজিত রেকর্ডিং )) তারপরে সেন্সরিং অ-তথ্যমূলক।TT

আপনার বিশ্লেষণে, তবে যারা সেন্সর করেছিলেন তারা হলেন যারা ২০১৪ সালের মধ্যে বেঁচে গিয়েছিলেন you আপনি যদি মনে করেন যে বিগত ২০ বছর ধরে ধূমপানের কারণে মৃত্যুর অতিরিক্ত ঝুঁকিতে কোনও পরিবর্তন এসেছে (বা এমনকি মৃত্যুর হারে সমান্তরাল পরিবর্তনগুলিও ঘটেছিল) উভয় গোষ্ঠীর জন্য), তবে সেই সেন্সরযুক্ত ব্যক্তিরা একই সময়ে যারা বেঁচে গিয়েছিলেন তবে তাদের আগে এই গবেষণায় প্রবেশ করেছেন তাদের প্রতিনিধি হতে পারে না। আপনার অনুমানের অধীনে সেন্সরিং তথ্যমূলক হতে পারে।

আপনার বিশ্লেষণের ডিজাইনের বিশদগুলি এ সমস্যা এড়ানো সম্ভব হয়েছে তবে পর্যালোচনা অনুসারে পাণ্ডুলিপিতে তা পরিষ্কার ছিল না। অথবা সম্ভবত পর্যালোচক কিছু অতিরিক্ত কারণে অধ্যয়ন পছন্দ করেন নি এবং এটি এটি প্রত্যাখ্যান করার একটি উপায় বলে মনে হয়েছিল যে সম্পাদক প্রশ্ন করবে না। তবুও, আপনি কীভাবে এই ডেটাগুলি বিশ্লেষণ করেছেন তাতে এটি একটি সম্ভাব্য আপত্তি বলে মনে হচ্ছে এবং এটি সঠিকভাবে পরিচালিত হয়েছে তা নিশ্চিত করা উচিত। (এটি আমার ব্যক্তিগত দক্ষতার বাইরে নয়; এই সাইটের অন্যদের কীভাবে এগিয়ে যেতে হবে সে সম্পর্কে পয়েন্টার থাকতে পারে study গবেষণার নকশা এবং বিশ্লেষণ সম্পর্কে আরও বিশদ সহ এই প্রশ্নের আরও একটি সুনির্দিষ্ট শিরোনাম আরও সহায়ক উত্তর পেতে পারে))

আপনার প্রশ্ন থেকে এবং স্পষ্ট করে দেওয়া মন্তব্যটি আমার কাছে পরিষ্কার নয় যে কক্স বিশ্লেষণ করে প্রতি বছর মৃত্যুর হারের সহজ মডেলিংয়ে (বা ২ বছরের ব্যবধানে) কার্যকর কিছু যুক্ত করছে। এছাড়াও, আপনার অনুমানটি বোঝাচ্ছে যে বিপদগুলি ধূমপায়ী এবং ধূমপায়ীদের মধ্যে সময়ের সাথে সমানুপাতিক নয় , স্ট্যান্ডার্ড কক্স বিশ্লেষণের ভিত্তি। আপনি যদি ক্যালেন্ডার বছরের ফাংশন হিসাবে ধূমপায়ী এবং ধূমপায়ীদের মধ্যে মৃত্যুর হারের পার্থক্যের বিষয়ে আগ্রহী হন, তবে এটি মডেলের সবচেয়ে সরলতম পদক্ষেপ (যদিও আপনার অধ্যয়নের নমুনায় ধূমপায়ী নন-ধূমপায়ীদের অনুমিত সমৃদ্ধি বিবেচনায় নিতে হবে) যেমন তাদের ধূমপানের সমতুল্য অংশগুলি মারা যায়)।


আপনার উত্তর করার জন্য আপনাকে ধন্যবাদ। সম্ভবত আমাদের পদ্ধতিটি আরও স্পষ্ট করা ভাল। আমি আমার প্রশ্ন সম্পাদনা করব।
ফ্র্যাঙ্ক 49
আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.