যখন স্কোইনফিল্ডের অবশিষ্টাংশগুলি ভাল না হয় তখন আনুপাতিক ঝুঁকি রিগ্রেশন মডেলের বিকল্পগুলি কী কী?

Question

আমি আর এ ব্যবহার করে একটি কক্স আনুপাতিক বিপজ্জনক রিগ্রেশন করছি coxph, যার মধ্যে অনেকগুলি ভেরিয়েবল রয়েছে। মার্টিংগেল অবশিষ্টাংশগুলি দুর্দান্ত দেখায় এবং স্কোয়েনফিল্ডের অবশিষ্টাংশগুলি সমস্ত ভেরিয়েবলের জন্য দুর্দান্ত। এখানে তিনটি ভেরিয়েবল রয়েছে যার স্কোইনফিল্ডের অবশিষ্টাংশগুলি সমতল নয় এবং ভেরিয়েবলগুলির প্রকৃতি এমন যে এটি সময়ের সাথে পৃথক হতে পারে তা বোঝা যায় sense

এগুলি ভেরিয়েবলগুলি আমি সত্যই আগ্রহী না, সুতরাং এগুলি স্তর তৈরি করা ভাল be তবে এগুলির সমস্তই ধারাবাহিক পরিবর্তনশীল, শ্রেণিবদ্ধ ভেরিয়েবল নয়। সুতরাং আমি বুঝতে পারি যে স্তরটি একটি ব্যবহার্য রুট নয় *। আমি এখানে বর্ণিত হিসাবে চলক এবং সময়ের মধ্যে মিথস্ক্রিয়া তৈরি করার চেষ্টা করেছি , তবে আমরা ত্রুটিটি পেয়েছি:

  In fitter(X, Y, strats, offset, init, control, weights = weights,  :
  Ran out of iterations and did not converge

আমি প্রায় ১০০০ ডেটা পয়েন্ট নিয়ে কাজ করছি এবং প্রতিটি ফ্যাক্টরের সাথে অর্ধ ডজন ভেরিয়েবলের সাথে কাজ করছি, সুতরাং মনে হচ্ছে আমরা কীভাবে এই ডেটা কাটা এবং ডাইস করা যায় তার সীমাটি চাপ দিচ্ছি। দুর্ভাগ্যক্রমে, আমি যে সহজ সরল মডেলগুলি কম সংখ্যক অন্তর্ভুক্ত ভেরিয়েবলগুলির সাথে চেষ্টা করেছি সেগুলি স্পষ্টতই খারাপ (উদাহরণস্বরূপ শোএনফিল্ডের অবশিষ্টাংশগুলি আরও ভেরিয়েবলের জন্য ক্রাম্বিয়ার)।

আমার বিকল্পগুলি কি? যেহেতু আমি এই বিশেষভাবে দুর্বল আচরণযুক্ত ভেরিয়েবলগুলির বিষয়ে চিন্তা করি না, তাই আমি কেবল তাদের আউটপুট উপেক্ষা করতে চাই, তবে আমার সন্দেহ যে এটি একটি বৈধ ব্যাখ্যা নয়!

* একটি অবিচ্ছিন্ন, একটি 100 এরও বেশি ব্যাপ্তি সহ একটি পূর্ণসংখ্যা এবং 6 এর পরিসর সহ একটি পূর্ণসংখ্যা Perhaps সম্ভবত বাইনিং?

Comments

সময় নির্ভরশীল ভেরিয়েবলগুলির জন্য সময়ের সাথে মিথস্ক্রিয়া সহ একটি বর্ধিত কক্স মডেল ব্যবহার সম্পর্কে কী?

— কির্ক

টাইম-বেয়াইং কোভারিয়েট বিকল্প বিবেচনা সম্পর্কে কী (স্টাটা-তে-টিভি)?

— কার্লো লাজারো

Answer 1

সর্বাধিক মার্জিত উপায় হ'ল প্যারামেট্রিক বেঁচে থাকার মডেল (গম্পার্টজ, ওয়েইবুল, এক্সপেনশনিয়াল, ...) ব্যবহার করা যদি আপনার কিছুটা ধারণা থাকে তবে বেসলাইন বিপদটি কেমন হতে পারে।

আপনি যদি আপনার কক্স মডেলটির সাথে থাকতে চান তবে আপনি সময় নির্ভর নির্ভর সহগের সাথে বর্ধিত কক্স মডেল নিতে পারেন । মনে রাখবেন যে কোভারিয়াটস নির্ভর সময়ের সাথে বর্ধিত কক্স মডেলগুলিও রয়েছে - এগুলি আপনার সমস্যার সমাধান করে না!

আর এর জন্য এখানে দেখুন: http://cran.r-project.org/web/packages/survival/vignettes/timedep.pdf

Answer 2

যুগল ধারণা -

1) রয়স্টন-পারমার মডেলিং পদ্ধতির চেষ্টা করুন যেমন http://journals.plos.org/plosone/article?id=10.1371/j Journal.pone.0047804 এবং এর উল্লেখগুলি। এটির সাথে আমাদের কার্যকর ফলাফল হয়েছে।

2) ক্রমাগত ভেরিয়েবলগুলি কেন্দ্রীকরণ এবং মানক করা সংখ্যাগতভাবে কার্যকর হতে পারে।

3) প্রচুর মাত্রা সহ অনেকগুলি মডেলগুলিতে কয়েকটি স্তর রয়েছে যেখানে মূলত কোনও ডেটা থাকে না। এগুলি সরাতে স্তরগুলি মার্জ করা, তবে ভাল সংক্ষিপ্ত মানদণ্ডের ভিত্তিতে, খুব সহায়ক হতে পারে।

শুভকামনা!

Answer 3

অন্তর্নিহিত সময়ের সাথে কোনও ইন্টারঅ্যাকশন ব্যবহার করা যদি কাজ না করে তবে আপনি পদক্ষেপ ফাংশনগুলি চেষ্টা করতে পারেন (আরও তথ্যের জন্য থের্নির 2016 ভিগনেট ই দেখুন)।

পদক্ষেপের ক্রিয়াগুলি নির্দিষ্ট বিরতিতে নির্দিষ্ট সহগগুলিতে স্তরবদ্ধ হয়। সমস্যাযুক্ত covariates (যেমন plot(cox.zph(model.coxph))) এর জন্য আপনার চক্রান্ত করা শোএনফেল্ডের অবশিষ্টাংশগুলি দেখার পরে আপনাকে দৃষ্টিভঙ্গি যাচাই করতে হবে যে রেখাগুলি কোণ পরিবর্তন করে। এমন এক বা দুটি পয়েন্ট সন্ধানের চেষ্টা করুন যেখানে বিটা উল্লেখযোগ্যভাবে আলাদা মনে হয় seems ধরুন এই সময় 10 এবং 20 ঘটেছে তাই আমরা ব্যবহার করে তথ্য তৈরি হবে survSplit()থেকে survivalপ্যাকেজ যা উপরোক্ত সময়ে গোষ্ঠীবদ্ধ নির্দিষ্ট ডেটা মডেল জন্য একটি ডাটা ফ্রেম তৈরি করবে:

step.data <- survSplit(Surv(t1, t2, event) ~ 
                      x1 + x2,
                      data = data, cut = c(10, 20), episode = "tgroup")

এবং তারপরে সমস্যাযুক্ত ভেরিয়েবলের সাথে ইন্টারঅ্যাকশন হিসাবে ফাংশনটির cox.phসাথে মডেলটি চালান strata(সময়ের সাথে ইন্টারঅ্যাক্ট করার সাথে সাথে সময় বা স্তরের জন্য একটি প্রধান প্রভাব যুক্ত করবেন না):

> model.coxph2 <- coxph(Surv(t1, t2, event) ~ 
                          x1 + x2:strata(tgroup), data = step.data)

এবং এটি সাহায্য করা উচিত।