সময় নির্ভর কোভেরিয়েটগুলির সাথে কক্স রিগ্রেশনের জন্য মডেল পরামর্শ


10

আইএমএম একটি রোগের ফলাফলের উপর গর্ভাবস্থার প্রভাবের মডেলিং (মৃত-জীবিত)। প্রায় ৪০% রোগী নির্ণয়ের পরে গর্ভবতী হন-তবে সময়মত বিভিন্ন পয়েন্টে। এখনও অবধি আমি কেএম প্লটগুলি বেঁচে থাকার জন্য গর্ভাবস্থার স্পষ্ট প্রতিরক্ষামূলক প্রভাব প্রদর্শন করেছি এবং একটি নিয়মিত কক্স মডেল-তবে এগুলি কেবলমাত্র দ্বৈতক্ষেত্রযুক্ত গর্ভাবস্থার পরিবর্তনশীল ব্যবহার করে মডেল করা হয়েছে এবং ধরে নেওয়া হয়েছে যে প্রভাবটি নির্ণয়ের সময় থেকেই উপস্থিত রয়েছে যা স্পষ্টত অবাস্তব is যেহেতু গর্ভাবস্থার মধ্যবর্তী সময়টি নির্ণয়ের 4 বছর অবধি।

কোন ধরণের মডেল নির্ধারণের পরে বিভিন্ন সময় পয়েন্টে একাধিক গর্ভাবস্থার প্রভাব শোষণ করবে? সময়ের সাথে ইন্টারঅ্যাক্ট করে গর্ভধারণের মডেল করা কি সঠিক হবে (যার জন্য কিছু গুরুতর ডেটা পুনর্গঠন প্রয়োজন - যে কোনও স্বয়ংক্রিয় সফ্টওয়্যার যা এর সাথে সহায়তা করতে পারে?) বা এই সমস্যাগুলির জন্য অন্য কোনও পছন্দসই মডেলিং কৌশল আছে? এছাড়াও এই সমস্যার জন্য পছন্দের চক্রান্ত কৌশল কী?


মজার প্রশ্ন (+1 টি) ... এই সাম্প্রতিক কাগজ সাহায্যের হতে পারে: ncbi.nlm.nih.gov/pubmed/21328605
ocram

আকর্ষণীয়-তবে আমি বিশ্বাস করি মূল বিষয়টি বিভিন্ন সময় বিভিন্ন প্রভাব রয়েছে ////M
মিশা

সময় নানারকম প্রভাব কাগজ বিষয় ...
ocram

1
এটি আমার "শাস্ত্রীয়" হৃদয় ট্রান্সপ্লান্ট ডেটা বেঁচে থাকা বিশ্লেষণ উদাহরণস্বরূপ মনে করিয়ে দেয়: bit.ly/UFX71v - কি আপনি প্রয়োজন একটি সময় নানারকম হয় covariate না অগত্যা একটি সময়-তারতম্য সহগ । আপনি কেএম কার্ভ ব্যবহার করে আপনার ডেটা প্লট করতে পারেন।
বোস্কোভিচ

এই পদ্ধতির সাহায্যে আপনি এই বাস্তবটি পরিচালনা করতে সক্ষম হবেন যে ফলোআপের সময় কিছু মহিলার 1 টিরও বেশি গর্ভাবস্থা থাকতে পারে।
বোস্কোভিচ

উত্তর:


4

আপনার এখানে যা দরকার তা হ'ল সময়-পরিবর্তিত কোভারিয়্যাট এবং এটি প্রয়োজন সময়-পরিবর্তিত সহগ । আপনার বিশ্লেষণে আপনাকে সাহায্য করতে পারে এমন একটি পরিচিত উদাহরণ হ'ল স্ট্যানফোর্ড হার্ট ট্রান্সপ্ল্যান্ট ডেটা

আপনার ফলাফল উপস্থাপনের জন্য আপনি ক্লাসিক কাপলান-মিয়ার অনুমানকারী ব্যবহার করতে পারেন যা কোনও সমস্যা ছাড়াই সময়-পরিবর্তিত কোভারিটিকে পরিচালনা করে (মনে রাখবেন, যদিও এটি একটি অশোধিত - বা তার সমস্ত সুপরিচিত সীমাবদ্ধতার সাথে অযৌক্তিক বিশ্লেষণ)।

উদাহরণস্বরূপ, সময়-পরিবর্তিত ট্রান্সপ্ল্যান্টের স্থিতি (শীর্ষ প্যানেল) এবং এর জন্য নিচে হিসাব না করে (নীচের প্যানেল) নিচের গ্রাফটি স্ট্যানফোর্ড এইচটি ডেটার বিশ্লেষণ দেখায়।

এখানে চিত্র বর্ণনা লিখুন


অবশেষে আমি এটি করতে পেরেছি এবং আমি নিম্নলিখিত প্লটটি পেয়েছি
মিশা

নিয়মিত কেএম এই মডেলগুলিকে অঙ্কিত করার সঠিক উপায় নয়। বরং এটি সাইমন এবং মাকুচ দ্বারা কেএম-এর একটি বর্ধন যা স্টাটাতে প্রয়োগ করা হয়েছে। stats.stackexchange.com/posts/46754
মিশা

আপনি কেএম এর মতো ব্যবহার করতে পারবেন না। অন্তর্নিহিত সময় হিসাবে উদাহরণস্বরূপ বয়স সহ গর্ভাবস্থা বিবেচনা করুন: ধরা যাক যে মহিলারা যখন তাদের দ্বিতীয় সন্তান পান তখন কমপক্ষে 20 এবং তৃতীয় হওয়ার পরে কমপক্ষে 22 বছর বয়সী হন। আসুন সমস্ত বয়সের এবং সমস্ত গোষ্ঠীর (জন্ম নেওয়া শিশুদের সংখ্যা) জন্য ধ্রুবক বিপদ ধরে নেওয়া যাক। তারপরে 2- এবং 3-গ্রুপ একই হারে মারা যাবে, তবে 3-গ্রুপের অনুমানটি (সম্ভবত সম্ভবত) যে কোনও সময় বৃহত্তর হবে, কেবল কারণ 3-গ্রুপগুলি পরবর্তী বয়সে মারা যেতে শুরু করে। এটি ডেটার একটি ভুল উপস্থাপনা।
swmo

4

আর-তে, এটি কোনও বেঁচে থাকা অবজেক্টের সূচনা / স্টপ সংস্করণের মাধ্যমে সম্বোধন করা যেতে পারে, যেমন

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

এই নিবন্ধটি আরও বিশদে আলোচনা করেছে: http://cran.r-project.org/web/packages/survival/vignettes/timedep.pdf


1

এই পরিস্থিতিতে অমর সময়ের পক্ষপাত সম্পর্কে সতর্কতা অবলম্বন করুন। আপনার গর্ভবতী গ্রুপ অনিবার্যভাবে অ-গর্ভবতী দলের চেয়ে ভাল বেঁচে থাকবে কারণ আপনি মারা যাওয়ার পরে আপনি গর্ভবতী হতে পারবেন না (আমার জ্ঞানের সেরা দিকে!)

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.