কক্স রিগ্রেশন এবং সময় স্কেল


9

কক্স আনুপাতিক ঝুঁকি রিগ্রেশন বিশ্লেষণে এক্স (হ্যাজার্ড) পরিবর্তনশীল কি সর্বদা সময় হতে পারে? যদি না হয়, আপনি একটি উদাহরণ দিতে পারে, দয়া করে?

ক্যান্সারের রোগীর বয়স কি বিপদের পরিবর্তনশীল হতে পারে? যদি তা হয় তবে এটি একটি নির্দিষ্ট বয়সে ক্যান্সার হওয়ার ঝুঁকি হিসাবে ব্যাখ্যা করা যেতে পারে? জিনের প্রকাশ এবং বয়সের মধ্যে সংযোগ অধ্যয়ন করার জন্য কক্স রিগ্রেশন কী বৈধ বিশ্লেষণ হবে?

উত্তর:


8

সাধারণত, বেসলাইনে বয়সটি কোভেরিয়েট হিসাবে ব্যবহৃত হয় (কারণ এটি প্রায়শই রোগ / মৃত্যুর সাথে সম্পর্কিত) তবে এটি আপনার সময় স্কেল হিসাবেও ব্যবহার করা যেতে পারে (আমার ধারণা এটি কিছু অনুদৈর্ঘ্য গবেষণায় ব্যবহৃত হয়, কারণ আপনার পর্যাপ্ত পরিমাণ প্রয়োজন সময় স্কেল সহ লোকেরা ঝুঁকির মধ্যে পড়ে, তবে আমি আসলে মনে করতে পারি না - কোহোর্ট স্টাডিজের একটি অবিচ্ছিন্ন সময় স্কেল ধরে যা কোহোর্ট স্টাডিজ সম্পর্কে আলোচনা করে বিশ্লেষণ সম্পর্কে এই স্লাইডগুলি সন্ধান পেয়েছে )। ব্যাখ্যায়, আপনার বয়স অনুসারে ইভেন্টের সময়টি প্রতিস্থাপন করা উচিত এবং আপনি নির্ধারিত বয়সকে কোভারিয়েট হিসাবে অন্তর্ভুক্ত করতে পারেন। আপনি যখন কোনও নির্দিষ্ট রোগের বয়স-নির্দিষ্ট মৃত্যুর অধ্যয়ন করেন (তখন এই স্লাইডগুলিতে চিত্রিত হয়েছে ) তখন এটি বোধগম্য হবে ।

হয়তো এই নিবন্ধ আকর্ষণীয় যেহেতু এটি দুটি বৈপরীত্য, সময়-অন-অধ্যয়ন কালানুক্রমিক বয়স বনাম হয়: সহগ আনুমানিক উপর এণ্ট্রি বয়সের মধ্যে পরিবর্তনশীলতা প্রভাব: কক্সবাজার মডেল মধ্যে সময়ের মানদণ্ডে । এখানে অন্য একটি কাগজ:

চেউং, ওয়াইবি, গাও, এফ, এবং খু, কেএস (2003)। নির্ণয়ের বয়স এবং ক্যান্সার মহামারীতে বেঁচে থাকার বিশ্লেষণ পদ্ধতিগুলির পছন্দক্লিনিকাল এপিডেমিওলজির জার্নাল , 56 (1), 38-43।

তবে অবশ্যই আরও ভাল কাগজপত্র আছে।


@ চি: অনেক অনেক ধন্যবাদ আমি কাগজপত্র দেখতে হবে। আপনি কি প্রথম প্রশ্ন মন্তব্য করবেন? বিপদটি কি সর্বদা সময় পরিবর্তনশীল?
ইউক

@ ইয়ুক অগত্যা নয়, @ হুবারের পরামর্শ অনুসারে। শিক্ষাগত পরীক্ষায় অনুপস্থিত প্রতিক্রিয়াগুলির পদ্ধতিগত প্যাটার্নের চিকিত্সার সাথে সম্পর্কিত কক্স রিগ্রেশনটির আরেকটি প্রয়োগের বিষয়টি আমি মনে রেখেছি, কারণ যখন এটি ঘটে তখন যখন কোনও শিক্ষার্থী পরীক্ষা শেষ করার পর্যাপ্ত সময় না দেয় (অনুপস্থিত প্রতিক্রিয়াগুলি তখন ডান-সেন্সর হিসাবে বিবেচিত হতে পারে) - - এই ক্ষেত্রে, এটি আইটেম অর্ডার যা টাইম স্কেল হিসাবে বিবেচিত হয়। আমি মূল কাগজটি দেখব (যদিও আমি মনে করি এটিও পিএইচডি বিষয় ছিল)।
chl

+1 টি। অন্যান্য কাগজপত্র রয়েছে, তবে আমি নিশ্চিত নই যে তারা প্রয়োজনীয়ভাবে আরও ভাল; আমার মনে হয় পরিস্থিতি সংক্ষিপ্ত করে চালিস খুব ভাল কাজ করেছেন।
Ars

7

না, সবসময় সময় থাকতে হবে না। অনেক সেন্সরযুক্ত প্রতিক্রিয়া বেঁচে থাকার বিশ্লেষণ কৌশলগুলির সাহায্যে মডেল করা যেতে পারে। ডেনিস হেলসেল তাঁর ননডেকটেক্টস এবং ডেটা অ্যানালাইসিস গ্রন্থে সময়ের স্থলে (ঘৃণিত বিষয়গুলির সাথে লড়াই করার জন্য, যা অবহেলিত হলে ডান-সেন্সরড ভ্যালুতে পরিণত হয়) নেতিবাচক ব্যবহার করার পক্ষে সমর্থন করে। ওয়েল (পিডিএফ ফর্ম্যাট) এবং একটি আর প্যাকেজ, এনএডিএ এ একটি সংক্ষিপ্তসার পাওয়া যায় এটি প্রয়োগ করে।


+1, NADA প্যাকেজটি নির্দেশ করার জন্য ধন্যবাদ। আমি লক্ষ্য করেছি বেঁচে থাকা প্যাকেজের মাধ্যমে বাম-সেন্সর করা ডেটা হ্যান্ডেল করা সহজ করে - বায়ো-সেন্সর করা হয় পরিবেশের ডেটা সহ একটি সাধারণ দৃশ্য?
Ars

@ শুভ: এই মন্তব্যের জন্য আপনাকে ধন্যবাদ, নাডা প্যাকেজটি খুব আকর্ষণীয় দেখাচ্ছে।
yuk

@ অ্যান্ডি: লিঙ্কগুলির জন্য ধন্যবাদ। আমি মনে করি এটির উত্তর হওয়া উচিত। আমি upvote।
yuk

@ ইউক, আপনার অনুরোধ অনুসারে আমি আমার মন্তব্যে একটি উত্তর দিয়েছি, এবং @ আপনার উদাহরণের জন্য ধন্যবাদ।
অ্যান্ডি ডব্লু

@ ইয়ার্স: হ্যাঁ, বাম সেন্সরিং পরিবেশগত তথ্যগুলির বৈশিষ্ট্যযুক্ত (এবং সাধারণভাবে কেমোমেট্রিক্সের মূল উদ্বেগ এটি)। এটি একটি জটিল এবং আকর্ষণীয় সমস্যা। কারণগুলির মধ্যে রয়েছে: (১) সেন্সরিং সীমাগুলি নিজেই পরিসংখ্যানগত প্রাক্কলন অনুসারে নির্ধারণ করা হয় (একটি ক্রমাঙ্কন প্রক্রিয়ার মাধ্যমে), (২) সেন্সরিং একাধিক উপায়ে ঘটতে পারে - সনাক্তকরণের সীমা, পরিমাণ নির্ধারণের সীমা বা "রিপোর্টিং সীমা" হিসাবে, ( 3) প্রান্তিকর প্রায়শই covariates ("ম্যাট্রিক্স হস্তক্ষেপ") এর প্রতিক্রিয়ায় পরিবর্তিত হয় যা মূল সেন্সরকৃত মানগুলির সাথে দৃ values়ভাবে সম্পর্কযুক্ত হতে পারে, (4) ডেটা প্রায়শই সাধারণভাবে বিতরণ করা হয়।
হোয়বার

4

বয়স-স্কেল বনাম টাইম-স্কেল ইস্যুতে, চিএল এর কয়েকটি ভাল রেফারেন্স রয়েছে এবং প্রয়োজনীয়গুলি ক্যাপচার করে - বিশেষ করে, প্রয়োজনীয়তা যে ঝুঁকিপূর্ণ সেটটিতে সমস্ত বয়সের পর্যাপ্ত বিষয় রয়েছে যা একটি অনুদৈর্ঘ্য গবেষণায় উত্থিত হবে।

আমি কেবল লক্ষ করব যে এখনও এ সম্পর্কে সাধারণ sensক্যমত নেই, তবে কিছু ক্ষেত্রে সাহিত্যের পরামর্শ দেওয়া যেতে পারে যে নির্দিষ্ট ক্ষেত্রে ক্ষেত্রে বয়সকে অগ্রাধিকার দেওয়া উচিত। বিশেষত, আপনার যদি এমন পরিস্থিতি হয় যেখানে সমস্ত বিষয়গুলির জন্য সময় একইভাবে না জমে, উদাহরণস্বরূপ কিছু বিষাক্ত পদার্থের সংস্পর্শের কারণে, তবে বয়স আরও বেশি উপযুক্ত হতে পারে।

অন্যদিকে, আপনি বয়স নির্দিষ্ট সময়ের পরিবর্তে কোভারিয়েট হিসাবে সময়কে ব্যবহার করে টাইম-স্কেল কক্স পিএইচ মডেলের সেই নির্দিষ্ট উদাহরণটি হ্যান্ডেল করতে পারেন - শুরুর সময়টিতে কোনও নির্দিষ্ট কোভারিয়েটের চেয়ে। কোন সময় স্কেল বেশি উপযুক্ত তা নির্ধারণ করার জন্য আপনার অধ্যয়নের অবজেক্টের পিছনের প্রক্রিয়াটি সম্পর্কে চিন্তা করা দরকার। কখনও কখনও এটি উভয় মডেল বিদ্যমান ডেটা ফিট করার উপযুক্ত কিনা তা দেখার জন্য যে আপনার নতুন গবেষণার নকশা করার আগে কোনও তাত্পর্য দেখা দেয় এবং কীভাবে সেগুলি ব্যাখ্যা করা যেতে পারে।

পরিশেষে, দুটি বিশ্লেষণে সুস্পষ্ট পার্থক্যটি হ'ল একটি বয়স-স্কেলে বেঁচে থাকার ব্যাখ্যাটি একটি নিখুঁত স্কেল (বয়স) এর সাথে সম্পর্কিত, যেখানে সময়সীমার উপর, এটি অধ্যয়নের শুরু / প্রবেশের তারিখের সাথে সম্পর্কিত ।


3

ও.পি. এর অনুরোধ অনুসারে, আর একটি অ্যাপ্লিকেশনটি আমি দেখতে পেয়েছি বেঁচে থাকা বিশ্লেষণকে একটি স্থানিক প্রসঙ্গে ব্যবহার করা হয়েছে (যদিও প্রকৃতির দ্বারা বর্ণিত পরিবেশগত পদার্থের পরিমাপের চেয়ে স্পষ্টতই পৃথক ) স্থানের ঘটনাগুলির মধ্যকার দূরত্বকে মডেলিং করছে। হেরস নামে এক উদাহরণ অপরাধ এবং এখানে এক এপিডেমিওলজি

ইভেন্টগুলির মধ্যকার দূরত্ব পরিমাপ করতে বেঁচে থাকার বিশ্লেষণ ব্যবহার করার পিছনে যুক্তিটি সেন্সরিংয়ের কোনও ইস্যু হিসাবে বলা হয় নি (যদিও সেন্সরিং অবশ্যই একটি স্থানিক প্রেক্ষাপটে ঘটতে পারে), ঘটনা ঘটনার বৈশিষ্ট্য এবং ইভেন্টের মধ্যে দূরত্বের মধ্যে একই রকম বিতরণের কারণে এটি আরও বেশি বৈশিষ্ট্যগুলি (অর্থাত্ তাদের উভয়েরই একই ধরণের ত্রুটি কাঠামো রয়েছে (ঘন ঘন দূরত্ব ক্ষয়) যা ওএলএস লঙ্ঘন করে এবং তাই প্যারামিমেটিকবিহীন সমাধান উভয়ের জন্যই আদর্শ)।


আমার দুর্বল উদ্ধৃতিচর্চাগুলির কারণে আমাকে উপরের লিঙ্কটির সঠিক লিঙ্ক / রেফারেন্স খুঁজে পেতে এবং ঘন্টা সময় ব্যয় করতে হয়েছিল।

অপরাধ শাস্ত্রে উদাহরণস্বরূপ,

কিকুচি, জর্জ, মামোরু আমেমিয়া, টমোনোরি সাইতো, টাকাহিটো শিমদা ও ইয়ুতাকা হারদা। ২০১০. জাপানে পুনরাবৃত্তি নির্যাতনের একটি স্প্যাটিও-অস্থায়ী বিশ্লেষণ । ৮ ম জাতীয় অপরাধ ম্যাপিং সম্মেলন। জিল ডান্ডো ক্রাইম সায়েন্স ইনস্টিটিউট। পিডিএফ বর্তমানে রেফারেন্সড ওয়েবপৃষ্ঠায় উপলভ্য।

মহামারীবিদ্যায়,

পাঠক, স্টিভেন। 2000. ভৌগলিক মহামারীবিদ্যায় স্থানিক বিন্দু নিদর্শন অধ্যয়ন করতে বেঁচে থাকার বিশ্লেষণ ব্যবহার করে Using সামাজিক বিজ্ঞান এবং চিকিত্সা 50 (7-8): 985-1000।

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.