কোনও কক্স পিএইচ মডেল থেকে বেঁচে থাকার সময়ের ক্ষেত্রে কীভাবে পূর্বাভাস পাওয়া যায়?

Question

আমি অংশগ্রহণকারীদের একটি ডেটাসেটে (প্রায়) সকলেই মারা গেছেন (উদাহরণস্বরূপ 1 বছর) শেষ হয়ে যাওয়ার কারণে সর্বজনীন মৃত্যুর জন্য একটি পূর্বাভাস মডেল (কক্স পিএইচ) বিকাশ করতে চাই।

নির্দিষ্ট সময় পয়েন্টে মারা যাওয়ার নিখুঁত ঝুঁকি পূর্বাভাস দেওয়ার পরিবর্তে, আমি প্রতিটি ব্যক্তির জন্য বেঁচে থাকার সময় (মাসগুলিতে) পূর্বাভাস দিতে চাই।

আর (যেমন একটি কক্স্ফ-অবজেক্ট থেকে) এ জাতীয় ভবিষ্যদ্বাণী পাওয়া কি সম্ভব এবং যদি হ্যাঁ, আমি কীভাবে এটি করতে পারি?

অগ্রিম ধন্যবাদ!

Answer 1

কক্স প্রপেনশনাল হ্যাজার্ডস মডেল অন্তর্নিহিত বিপদকে মডেল করে না, যা আপনাকে সেইরকম বেঁচে থাকার সময়ের পূর্বাভাস দেওয়ার প্রয়োজন - এটি উভয়ই মডেলের দুর্দান্ত শক্তি এবং এর অন্যতম বড় অসুবিধা।

আপনি যদি নির্দিষ্ট সময় পয়েন্টগুলিতে বেঁচে থাকার সম্ভাবনার প্রাক্কলন অর্জনে বিশেষভাবে আগ্রহী হন তবে আমি আপনাকে প্যারামেট্রিক বেঁচে থাকার মডেলগুলি (ওরফে এক্সিলারেটেড ব্যর্থতার সময়ের মডেল) এর দিকে নির্দেশ করব। এগুলি survivalআর এর জন্য প্যাকেজে প্রয়োগ করা হয়েছে এবং আপনাকে প্যারাম্যাট্রিক বেঁচে থাকার সময় বিতরণ দেবে, যাতে আপনি আগ্রহী এমন সময়ে প্লাগ করতে পারেন এবং বেঁচে থাকার সম্ভাবনা ফিরে পেতে পারেন।

Comments

আপনার উত্তরের জন্য ধন্যবাদ. আমি নির্দিষ্ট সময়ে বেঁচে থাকার সম্ভাবনার প্রাক্কলন অর্জনে বিশেষভাবে আগ্রহী নই, বরং প্রতিটি ব্যক্তির বেঁচে থাকার পূর্বাভাসের সময়টিতে। সুতরাং '1 বছরে বেঁচে থাকার সম্ভাবনা 10%' এর পরিবর্তে আমি 'এই ব্যক্তির বেঁচে থাকার পূর্বাভাসের সময় 10 মাস' এর মতো ভবিষ্যদ্বাণী পেতে চাই। কোনও কক্স পিএইচ বা এএফটি মডেল থেকে এই জাতীয় ভবিষ্যদ্বাণী পাওয়া কি সম্ভব?

— রব

@ রব আমি বিশ্বাস করি যে এটি কোনও কক্স পিএইচ মডেলটিতে এখনও কার্যকর হয় না। এটি এএফটি মডেলের সাথে নিখুঁতভাবে কার্যক্ষম, যদিও কোনও প্রাক্কলন ফিরে পাওয়া জটিলতা সম্ভবত আপনার কতটা কোভারিয়েট রয়েছে তার উপর নির্ভর করবে।

— ফোমেট

ধন্যবাদ, আমি এএফটি মডেলগুলি সন্ধান করব। আমি পৃথক বেঁচে থাকার সময়ের পূর্বাভাস সম্পর্কে পড়ছি, তবে এটি "মনে হয় যে মানুষের বেঁচে থাকা এতটাই অনিশ্চিত যে সর্বোত্তম পরিসংখ্যান বিশ্লেষণও পৃথক রোগীদের জন্য একক-সংখ্যা পূর্বাভাস দিতে পারে না।" ( লিঙ্ক ) ..

— রব

@ রব এটি সঠিক - এই সমস্ত কৌশল জনসংখ্যার প্রবণতা সম্পর্কে কথা বলে । যে কোনও ব্যক্তির যথাযথ ভবিষ্যদ্বাণী করা চেষ্টা করা হ'ল একটি হারিয়ে যাওয়া কারণ এবং সত্যিকার অর্থে এই সরঞ্জামটির উপযুক্ত ব্যবহার নয়।

— ফোমেট

আমি যে উপলভ্য সাহিত্য পেয়েছি তা প্রদত্ত, আমি মনে করি আপনি পৃথক বেঁচে থাকার সময়ের পূর্বাভাসের বিষয়ে সঠিক correct তবে কক্স এবং এএফটি মডেল উভয়ই নির্দিষ্ট সময় পয়েন্টে পৃথক নিরঙ্কুশ ঝুঁকির পূর্বাভাসের জন্য যথাযথ সরঞ্জাম (উদাহরণস্বরূপ হ্যারেল এবং স্টিয়ারবার্গের বইগুলি দেখুন )।

— রব

Answer 2

@ স্ট্যাটবিগনার এই হ্যাঁ তা হবে। এর জন্য দুটি পদক্ষেপ প্রয়োজন:

x <- survfit(cox.ph.model, newdata = dataset)
dataset$Results <- summary(x)$table[,"median"]

তবে বেঁচে থাকার মধ্যবর্তী সময় যথেষ্ট সঠিক কিনা তা আমি নিশ্চিত নই।

Comments

আমি @ আকাশের সাথে একমত হয়েছি যে মিডিয়্যান বেঁচে থাকার সময়টি কার্যকর হলেও ব্যক্তিগত ক্ষেত্রে উপযুক্ত হতে পারে না বিশেষত ইভেন্টের সময় পূর্বাভাস দিলে। ব্যক্তিগত বেঁচে থাকার সময়গুলি অবিশ্বাস্যভাবে ভিন্ন ভিন্ন হতে পারে তাই ভবিষ্যদ্বাণী করার জন্য যেকোন মধ্যবর্তী বেঁচে থাকার সময়টি ব্যবহার করে আমি সতর্কতার পরামর্শ দেব।

— সানোসাপিয়েন

Answer 3

যদিও আমি এই বিষয়গুলির সাথে একমত, মধ্যস্থতা বেঁচে থাকার জন্য এটি ক্লিনিকভাবে কার্যকর।

আপনি যদি আমাদের কাজ (এবং অন্যদের) বেঁচে থাকার জন্য একটি ভিত্তি হিসাবে মধ্যমা ব্যবহার দিকে তাকিয়ে আগ্রহী হতে পারে অন্তর - আমরা আশা করি এই আরো দরকারী।

https://academic.oup.com/annonc/article/25/10/2014/2801274

Comments

গড় বেঁচে থাকার সর্বদা উপস্থিত থাকতে পারে না তবে মিডিয়ান সর্বদা থাকে।

— মাইকেল আর চেরনিক