Welches Modell sollte ich für Cox-Proportional-Hazards mit gepaarten Daten verwenden?

Ich hoffe, jemand kann mir helfen, mit welchem ​​Modell (Gebrechlichkeit, Schicht oder Cluster) ich meine Daten verwenden soll. Ich habe Daten gepaart, daher muss ich dies bei der Modellierung des Cox PH berücksichtigen und bin mir nicht sicher, welches Modell mir ein genaueres Ergebnis liefert.

In meiner Studie ging es um die Zeit, die eine Person brauchte, um ruhig zu werden, nachdem sie einem bestimmten Reiz ausgesetzt worden war. Jede Person wurde an verschiedenen Tagen zwei verschiedenen Reizen ausgesetzt. Ihnen wurde zufällig zugewiesen, welcher Reiz zuerst war. Ich habe dies mit einer Überlebensanalyse (Time-to-Event) modelliert, muss aber jetzt berücksichtigen, dass die Daten gepaart sind.

Jede Hilfe in Bezug darauf, wann Sie Gebrechlichkeits-, Schicht- oder Clustermodelle verwenden würden, wäre großartig.

Dieses Thema wird von einer Reihe von Artikeln behandelt, darunter:

• Modellierung geclusterter Überlebensdaten aus multizentrischen klinischen Studien
• Das gemeinsame Gebrechlichkeitsmodell und die Fähigkeit zu Heterogenitätstests in multizentrischen Studien
• Das Gebrechlichkeitsmodell, Kapitel 3
• Proportional-Hazard-Modelle mit Schwächen und zufälligen Effekten.

Hier ist eine sehr kurze (und nicht erschöpfende) Zusammenfassung der Unterschiede zwischen den beiden Ansätzen.

Geschichteter Ansatz

Für jedes Paar gibt es eine nicht spezifizierte Grundlinien-Gefahrenfunktion. Die Idee der partiellen Wahrscheinlichkeit lässt sich leicht anpassen, indem die für jede Schicht spezifischen partiellen Wahrscheinlichkeiten multipliziert werden.

Vorteile :

• Mangel an Struktur.

Nachteile :

• Es enthält keine Informationen zur Heterogenität zwischen Paaren.
• Paare, bei denen beide Mitglieder die gleichen kovariaten Informationen hatten oder die nur zensierende Beobachtungen liefern, tragen nicht zur Wahrscheinlichkeit bei. Dies liegt daran, dass keine Vergleiche zwischen Paaren versucht werden.

Gebrechlicher Ansatz

Die Zuordnung innerhalb eines Paares wird durch einen zufälligen Effekt erklärt, der beiden Mitgliedern desselben Paares gemeinsam ist. Daher gibt es für jedes Paar wieder ein anderes Grundrisiko, das jedoch nicht völlig unbestimmt ist. Es gibt eine gewisse Struktur. Die Schätzung basiert auf der Grenzwahrscheinlichkeit.

Vorteile :

• Sparsamkeit: Heterogenität wird durch einen einzelnen Parameter beschrieben;
• Es stehen zusammenfassende Maßnahmen zur Heterogenität zur Verfügung ( Heterogenität verstehen ... );
• Es ist möglich, die Wirkung von Variablen zu untersuchen, die innerhalb der Paare gemeinsam sind.

Nachteile :

• Softwareverfügbarkeit (in R können Sie sich ansehen coxph()oder parfm(); in SAS können Sie sich ansehen proc phreg);
• Die Forschung ist noch nicht abgeschlossen.

Zusammenfassend hängt die Wahl von Ihrer Forschung ab. Die letzte Referenz aus der Liste enthält jedoch einige Richtlinien:

In Situationen, in denen die Gruppengröße fünf oder mehr beträgt, ist es schwierig, die Verwendung des Zufallseffektmodells gegenüber dem geschichteten Modell zu rechtfertigen, da dieses letztere Modell sehr viel einfacher implementiert werden kann. Die Geschichte ändert sich für Gruppengrößen unter fünf und insbesondere für Zwillingsstudien sind die Effizienzgewinne so, dass wir lieber ein Zufallseffektmodell als ein Schichtmodell verwenden würden. Das geschichtete Modell bleibt gültig, kann jedoch 20 bis 30 Prozent mehr Beobachtungen erfordern, um die gleiche Genauigkeit zu erzielen.