時間依存の共変量を使用したCox回帰のモデル提案


10

私は、病気の結果に対する死の影響をモデル化しています(死んだ)。患者の約40%は診断後に妊娠しましたが、別の時点で妊娠しました。これまでのところ、生存率に対する妊娠の明確な保護効果と通常のCoxモデルを示すKMプロットを作成しましたが、これらは二分された妊娠変数のみを使用してモデル化され、診断の時点からの影響は明らかに非現実的であると仮定しています妊娠までの期間の中央値は診断から4年であるため。

診断後のさまざまな時点で、複数の妊娠の影響をどのようなモデルが吸収しますか?時間と相互作用する妊娠をモデル化することは正しいでしょうか(これには、いくつかの深刻なデータの再構築(これに役立つ自動化されたソフトウェアが必要ですか)が必要ですか)。また、これらの問題に対して推奨されるプロット戦略は何ですか?


興味深い質問(+1)...この最近の論文が役立つかもしれません:ncbi.nlm.nih.gov/pubmed/21328605
ocram

面白い-私は信じている時間があるメイントピック変化effects.//M
ミーシャ

時変効果がこの論文のトピックです...
ocram

1
これは、心臓移植データの「古典的な」生存分析の例を思い出させます:bit.ly/UFX71v-必要なのは、時変係数ではなく、時変共変量です。KM曲線を使用してデータをプロットできます。
boscovich

この方法を使用すると、一部の女性がフォローアップ中に複数の妊娠を経験した可能性があるという事実にも対処できます。
boscovich

回答:


4

ここで必要なのは変共変量であり、必ずしも時変係数ではありません。分析に役立つ可能性のある既知の例は、スタンフォード心臓移植データです。

結果を提示するには、時変共変量を問題なく処理する従来のKaplan-Meier推定量を使用できます(ただし、これは粗雑な、またはすべての既知の制限がある未調整の分析であることを忘れないでください)。

例として、次のグラフは、時変移植ステータスを正しく考慮した場合(上部パネル)と、考慮しない場合(下部パネル)のスタンフォードHTデータの分析を示しています。

ここに画像の説明を入力してください


私はようやくこれを行うことができ、次のプロットを取得しました
Misha

通常のKMは、これらのモデルをグラフ化する適切な方法ではありません。むしろそれは、Stataに実装されているSimonとMakuchによるKMの拡張です。stats.stackexchange.com/posts/46754
Misha

このようなKMは使用できません。基礎となる時間として、たとえば年齢を含む妊娠を考えてみましょう。女性が2番目の子を取得したときは少なくとも20歳で、3番目の子を取得したときは少なくとも22歳であるとします。すべての年齢とすべてのグループ(生まれた子供の数)に一定の危険があると仮定しましょう。次に、2グループと3グループは同じ率で死亡しますが、3グループの推定値は(おそらく)tで大きくなります。これは、単に3グループが後の年齢で死亡し始めるためです。これはデータの誤った表現です。
swmo 2015


1

この状況では不滅の時間バイアスに注意してください。あなたが死んだ後に妊娠することはできないので(私の知る限り)、あなたの妊娠したグループは、妊娠していないグループよりも生存率が必然的に高くなります。

弊社のサイトを使用することにより、あなたは弊社のクッキーポリシーおよびプライバシーポリシーを読み、理解したものとみなされます。
Licensed under cc by-sa 3.0 with attribution required.