病院ベースのRCTでの滞在期間データの分析に最適な方法は？

RCTからの入院期間（LOS）データを分析する最適な方法についてコンセンサスがあるかどうか知りたいです。これは通常、非常に右に歪んだ分布であり、ほとんどの患者は数日から1週間以内に退院しますが、残りの患者は非常に予測できない（時にはかなり長い）滞在をしていて、分布の右端を形成します。

分析のオプションは次のとおりです。

• t検定（存在しない可能性が高い正常性を想定）
• マンホイットニーUテスト
• ログランク検定
• グループ割り当てに関する条件付きCox比例ハザードモデル

これらの方法のどれかが明らかに高い力を持っていますか？

私は実際、これを正確に行うプロジェクトに着手していますが、臨床データではなく観察データを使用しています。私の考えでは、ほとんどの滞在期間データの異常な形状と、非常によく特徴付けられた時間スケール（開始時間と終了時間の両方が基本的に完全にわかっている）のため、この質問は何らかの生存分析に非常に適しています。考慮すべき3つのオプション：

• あなたが提案したように、治療と暴露群を比較するためのコックス比例ハザードモデル。
• 対数ランクまたは他のテストのいずれかを使用して、それらの間の違いを調べる直線のカプラン-マイヤー曲線。Miguel Hernan は、これは必ずしも一定のハザード比を想定しているわけではないため、実際には多くの場合に使用するのに好ましい方法であると主張しています。臨床試験があるので、共変量調整カプランマイヤー曲線を作成する難しさは問題になりませんが、制御したいいくつかの残差変数がある場合でも、これは逆確率-処理の重み。
• パラメトリック生存モデル。確かに、あまり一般的には使用されていませんが、私の場合、潜在的な危険のパラメトリック推定が必要なので、これらが実際に進む唯一の方法です。Generalized Gammaモデルをすぐに使用することはお勧めしません。これは扱いにくいのです。簡単な指数、ワイブル、対数正規を試して、それらのいずれかが許容できる近似を生成するかどうかを確認します。

私はCox比例ハザードモデルを好みます。これは、検閲された滞在期間（退院前の死亡）も処理します。関連する配布資料は、http：//biostat.mc.vanderbilt.edu/wiki/pub/Main/FHHandouts/slide.pdfにコードが記載されています。http：//biostat.mc.vanderbilt.edu/wiki/pub/ Main / FHHandouts / model.s

グループ間の差異や独立変数ごとの検定には、ログランク検定をお勧めします。おそらく、Cox比例ハザードモデルでいくつかの変数（少なくともログランク検定で重要な変数）を調整する必要があります。ベースライン（ハザード）リスク推定が必要な場合は、ガンマ一般化モデル（パラメトリック）がCoxの代わりになる可能性があります。

死は、退院を伴う競合する出来事です。死の検閲は、欠損データをランダムに検閲することにはなりません。死亡と退院の累積発生率を調べ、下位分布の危険性を比較することは、より適切かもしれません。