কক্স পিএইচ বিশ্লেষণ এবং কোভারিয়েট সিলেকশনে প্রোপেনসিটি স্কোর ওজন


11

সময়ের-থেকে-ইভেন্ট বেঁচে থাকার ডেটা কক্স আনুপাতিক বিপদ মডেলিংয়ের সময় প্রপেনসিটি স্কোর ওয়েটিং (আইপিটিডাব্লু) সম্পর্কিত:

আমার কাছে সম্ভাব্য রেজিস্ট্রি ডেটা রয়েছে যেখানে আমরা কোনও ওষুধের চিকিত্সার প্রভাবটি দেখতে আগ্রহী যা বেশিরভাগ ক্ষেত্রে রোগীরা ইতিমধ্যে বেসলাইন গ্রহণ করছিল। অতএব আমি নিশ্চিত নই কিভাবে কীভাবে ডেটা বিশ্লেষণ করা যায়। সম্ভাব্যভাবে, কিছু বেসলাইন ভেরিয়েবলগুলি চিকিত্সা দ্বারা প্রভাবিত যথেষ্ট ডিগ্রিতে হয় এবং অন্য কোনও উপায়ে নয় (যেমন কিছু নির্দিষ্ট বায়োমার্কার)। আমি ওজন নির্ধারণের জন্য প্রপেনসিটি স্কোর মডেলটিতে কোন কোভারিয়েটগুলিকে অন্তর্ভুক্ত করা উচিত এবং coxphমডেলটিতে কোভারিয়েট হিসাবে কোন কোভারিয়েটগুলি অন্তর্ভুক্ত করা উচিত (আমি যদি কোনও হয় তবে) আমি কিছুটা হারিয়েছি । সঠিক দিকের কোনও ইঙ্গিতগুলি সহায়ক হবে! আমি এখনও পর্যন্ত কক্স্ফ মডেলিংয়ে এটি সম্পর্কিত কোনও সাহিত্য খুঁজে পাইনি been

আমি ভাবছি যে বেসিনে প্রতিষ্ঠিত চিকিত্সার প্রতিনিধিত্বকারী কোভারিটিস (ফলাফলটি প্রভাবিত করতে পারে) তাকে কক্স পিএইচ কোভেরিয়েট হিসাবে অন্তর্ভুক্ত করা উচিত, তবে আমি এ সম্পর্কে নিশ্চিত নই।

প্রোপেনসিটি স্কোর ওজন গণনা করার পরিবর্তে কোন ভেরিয়েবলগুলি কক্স মডেলে কোভারিয়েট হিসাবে অন্তর্ভুক্ত করা উচিত তা আমি কীভাবে নির্ধারণ করব?


ফলো-আপ প্রশ্ন:

আমি ইতিমধ্যে একটি নির্দিষ্ট হস্তক্ষেপের চিকিত্সার প্রভাব মূল্যায়নের উত্তরাধিকারী সমস্যাটি বুঝতে পেরেছি - যা পর্যবেক্ষণ শুরুর আগে রোগীদের মধ্যে প্রচলিত রয়েছে। উভয়ই ঝুঁকির সময়-পরিবর্তনের সাথে সম্পর্কিত পক্ষপাতিত্ব প্রবর্তনের ক্ষেত্রে (যেমন থেরাপির প্রথম বছরে বিরূপ পার্শ্বপ্রতিক্রিয়াগুলি বেশি সাধারণ) এবং চিকিত্সা দ্বারা আক্রান্ত কোভেরিয়েটগুলি। যদি আমি ভুল না হয়ে যাই - পর্যবেক্ষণমূলক এবং এলোমেলো আকারের মধ্যে পার্থক্যের কারণ হিসাবে এটি প্রস্তাব করা হয়েছে যা কার্ডিওভাসকুলার এন্ডপয়েন্টস এবং হরমোন রিপ্লেসমেন্ট থেরাপির ক্ষেত্রে। অন্যদিকে আমার ডেটাসেটে আমরা চিকিত্সার একটি সম্ভাব্য বিরূপ প্রভাব দেখতে আগ্রহী।

যদি আমি প্রচলিত ব্যবহারকারীদের মধ্যে চিকিত্সার প্রভাবটি তদন্ত করতে প্রপেনসিটি স্কোর সমন্বয় ব্যবহার করি, যেমন পর্যবেক্ষণ শুরুর আগেই ইতিমধ্যে medicationষধ ব্যবহার করা হয়, এবং আমরা ফার্মাকোলজিকাল থেরাপির একটি বিরূপ প্রভাব লক্ষ্য করি (এবং এটি আমরা খুঁজছিলাম)। চিকিত্সার সাথে জড়িত ঝুঁকিটিকে আমি কীভাবে বিবেচনা করতে পারি? অর্থাৎ যতক্ষণ ঝুঁকিটি উল্লেখযোগ্যভাবে উন্নীত হয়, তবে এটি বেশিরভাগ "স্পষ্টভাবে" প্রতিরক্ষামূলক নয়?

আমি এই ধরণের পক্ষপাতদুষ্টিকে এই প্রসঙ্গে মিথ্যা ঝুঁকিপূর্ণ সংস্থার ঝুঁকির একটি অতিমাত্রায় পরিচয় করিয়ে দিতে পারে এমন একটি উদাহরণ আমি যথেষ্ট চিত্রিত করতে পারি না।

উত্তর:


9

তত্ত্ব অনুসারে, আপনি যে পরিমাণ পরিবর্তনশীল স্কোর ওজনের অংশ হিসাবে নির্বাচন করেন তাদের মডেলটিতে কোভারিয়েট হিসাবে অন্তর্ভুক্ত করার দরকার নেই, কারণ ওজন ইতিমধ্যে তাদের সম্ভাব্য বিভ্রান্তির জন্য নিয়ন্ত্রণ করেছে। একটি সঠিক ওজনযুক্ত মডেল দিয়ে আপনি বেশ আক্ষরিকভাবে কেবল এক্সপোজারের প্রভাবকে মডেল করতে পারেন।

বলা হচ্ছে, মডেলটিতে আপনি শর্তাদি অন্তর্ভুক্ত করতে পারেন এমন কারণ রয়েছে:

  • "সন্দেহজনক দৃ "়" অনুমান। যথাযথ ক্ষতির জন্য কোনও কারণ নেই, আপনি ওজনীয় মডেল এবং কোভারিয়েট হিসাবে উভয়ই ভেরিয়েবল ব্যবহার করতে পারবেন না। তত্ত্ব অনুসারে, আপনি নিজেকে দুটিভাবে বিভ্রান্ত করার হাত থেকে রক্ষা করছেন (অতএব এই কৌশলটি "দ্বিগুণ শক্তিশালী" হিসাবে পরিচিত)। মনে রাখবেন এটি কেবলমাত্র পিএস মডেল বা কোভেরিয়েট মডেলকে সঠিক মডেল নির্দিষ্ট করার জন্য আপনাকে "দ্বিতীয় সুযোগ" দিয়ে ভুল বান্ধবীর বিরুদ্ধে রক্ষা করে, এটি কোনও ম্যাজিক ফিক্স-অল নয়।
  • আগ্রহের একাধিক অনুমান। ওজন ভারসাম্যগুলি থেকে প্রভাবের অনুমানগুলি অদৃশ্য হয়ে যায় - আপনি যদি ভেরিয়েবলের জন্য কোনও রিগ্রেশন সহগ চান, তবে আপনি একে পিএস মডেলটিতে নয় , কক্সপিএইচ পদক্ষেপে একটি কোভারিয়েট হিসাবে অন্তর্ভুক্ত করতে চাইছেন ।

"ডাবলি রোস্ট" এবং এপিডেমিওলজি বা আমেরিকান জার্নাল অফ এপিডেমিওলজির মতো বায়োস্ট্যাটালিস্টিকাল সাহিত্যের মতো জার্নালগুলিতে এবং অনুরূপ পদগুলির সন্ধানের চেষ্টা করুন এবং আপনার কিছু কার্যকর উত্স উদ্ঘাটিত করা উচিত।


একটি (দ্রুত) এবং পরিষ্কার জবাবের জন্য আপনাকে ধন্যবাদ! আমি দ্বিগুণ দৃust়রূপে উল্লেখ করা দেখেছি, তবে অনেকটা সন্ধান করেছি। আমি অবশ্যই এখন করব। আপনি কি বলতে পারবেন যে কোভারিটেটগুলি ওজনের পরে যথাযথভাবে সামঞ্জস্য করা হয় না (যেমন) চিকিত্সার গ্রুপগুলির মধ্যে এখনও উল্লেখযোগ্য পার্থক্য রয়েছে?
কেজেটিল লোল্যান্ড

1
@ কেজেটিলোল্যান্ড এটি দ্বিগুণ শক্তিশালী অনুমান ব্যবহার করার কারণ হতে পারে - সাধারণত, যখনই আপনি যখন ভেবে থাকেন যে ভেরিয়েবলগুলি নিয়ন্ত্রণের জন্য একটি পদ্ধতি অপব্যাখ্যায় ভুগছে তখন এটি দেখার বিষয়। আপনার PS মডেলটি অভিনয় করছে না এবং দুটি গ্রুপের মধ্যে আপনাকে ওভারল্যাপিং প্রপেনসিটি স্কোর দিচ্ছে তা নিশ্চিত করার জন্যও আমি যাচাই করতাম।
ফোমাইট

1
বিপদ অনুপাতের সঙ্কোচনের অযোগ্যতার কারণে কেবল PS এ ভেরিয়েবল অন্তর্ভুক্ত করা পর্যাপ্ত নয়। পিএসকে "রান্নাঘরের সিঙ্ক" অন্তর্ভুক্ত করা এবং পরিচিত সর্বাধিক গুরুত্বপূর্ণ ভবিষ্যদ্বাণীদেরকে পুনরায় কোভারিয়েট হিসাবে অন্তর্ভুক্ত করা দেওয়া সাধারণ বিষয়। এটি এক্সপোজারের ঝুঁকিগুলির অনুপাতের অবমূল্যায়ন রোধ করবে।
ফ্র্যাঙ্ক হ্যারেল

আবার, আপনার উত্তরগুলির জন্য আপনাকে @ এপিগ্রাড এবং ফ্র্যাঙ্ক উভয়কেই ধন্যবাদ। আমি ঠিক বলতে পারি না যে চিকিত্সা গ্রুপগুলির প্রসারিততার স্কোরগুলি দুর্দান্ত, ওভারল্যাপিং। সুতরাং আমি সম্ভবত বিস্তৃত covariate সামঞ্জস্য ব্যবহার করে শেষ হবে। পার্শ্ব নোটে, আমি লক্ষ করেছি আমি আইপিটিডব্লিউ লিখেছি, যখন আমি বাস্তবে টুয়াং প্যাকেজটি ব্যবহার করছি - যা সাধারণীকরণের বস্টেড রিগ্রেশনকে ওজন অনুসারে ব্যবহার করে (যদি আমি ঠিক থাকি) - তবে আমার ধারণা যে সাধারণ পদ্ধতির পরিবর্তন হয় না অনেক।
কেজেটিল লোল্যান্ড

@ কেজিললোল্যান্ড চিকিত্সা গোষ্ঠী দ্বারা তাদের বিতরণের ওভারল্যাপিং প্লটগুলি দেখে আপনার পিএস স্কোরগুলি ওভারল্যাপ হয় কিনা তা আপনি কমপক্ষে দৃশ্যত পরিদর্শন করতে পারেন।
ফোমাইট

3

"চিকিত্সা দ্বারা প্রভাবিত" এবং "চিকিত্সা সম্পর্কিত" পার্থক্য করা গুরুত্বপূর্ণ। পরবর্তীগুলির মধ্যে চিকিত্সা নির্বাচনের উপাদানগুলি অন্তর্ভুক্ত থাকতে পারে যেমন আমরা প্রপেনসিটি এবং / অথবা কোভারিয়েট সামঞ্জস্যের সাথে সামঞ্জস্য করার চেষ্টা করছি। "চিকিত্সা দ্বারা প্রভাবিত" বোঝায় যে কোভারিটগুলি সময় শূন্যের পরে পরিমাপ করা হয় (উদাহরণস্বরূপ, এলোমেলোকরণের পরে বা চিকিত্সা শুরুর পরে), যার অর্থ তাদের খুব কম ব্যবহার করা উচিত।


আবার আপনাকে ধন্যবাদ ডঃ হ্যারেল। আমাদের কিছু পরিবর্তনশীল অবশ্যই "চিকিত্সা দ্বারা প্রভাবিত"। আমরা যে চিকিত্সার তদন্তের চেষ্টা করছি তা বেসলাইনের আগেই শুরু হয়েছিল, যা অবশ্যই আদর্শ নয়। প্রপেনসিটি স্কোর সমন্বয় এই ধরণের বিশ্লেষণের জন্য আদৌ উপযুক্ত কিনা তা সম্ভবত আরও ভাল প্রশ্ন। তবে আমি এটি অনুসন্ধানের অন্য কোনও উপায় সম্পর্কে অবগত নই।
কেজেটিল লোল্যান্ড

আপনি যা করতে চান তার জন্য অধ্যয়নের নকশা উপযুক্ত নাও হতে পারে। অধ্যয়নটি ব্যাখ্যা করা খুব কঠিন হবে। আপনি সাবজেক্ট বিশেষজ্ঞরা ভেরিয়েবলের একটি উপসেট নিয়ে আসার চেষ্টা করতে পারেন যা চিকিত্সা দিয়ে পরিবর্তিত হবে না, তবে জড়িত দ্বারা বিভ্রান্তির জন্য সামঞ্জস্য অসম্পূর্ণ হতে পারে।
ফ্র্যাঙ্ক হ্যারেল

আমি দেখি. আমার ধারণা এটি সিভিডি-তে পুরানো পর্যবেক্ষণ বনাম এলোমেলোভাবে এইচআরটি স্টাডির মতো দেখতে কিছুটা ভাল লাগবে। আমি ভুল হলে আমাকে সংশোধন করুন, তবে সম্ভাব্য প্রতিকূল চিকিত্সার প্রভাবের ঝুঁকি (যা আমরা যা খুঁজছি) তাকে হ্রাস করার জন্য আমি সমস্তই "ঝুঁকি" নই - অর্থাৎ যতক্ষণ না আমরা চিকিত্সাটিকে প্রতিকূল বলে দেখাই, এই ধরণের বিভ্রান্তি কেবল অনুসন্ধান দুর্বল করতে পারে? আমি সেই অনুযায়ী প্রশ্ন আপডেট করেছি।
কেজটিল লোল্যান্ড

2
এটি একটি পর্যবেক্ষণ বনাম র্যান্ডমাইজড ইস্যুর চেয়ে বেশি তবে এইচআরটি গবেষণার সাথে একটি সম্পর্ক রয়েছে। আপনি সঠিক হতে পারেন যে কিছু সাবধানী যুক্তি ফলাফলকে নিম্ন সীমা সরবরাহের হিসাবে বিবেচনা করে ন্যায়সঙ্গত করতে পারে।
ফ্রাঙ্ক হ্যারেল
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.