Modellvorschlag für eine Cox-Regression mit zeitabhängigen Kovariaten


10

Ich modelliere die Auswirkung einer Schwangerschaft auf den Ausgang einer Krankheit (tot am Leben). Ungefähr 40% der Patienten wurden nach dem Zeitpunkt der Diagnose schwanger - jedoch zu unterschiedlichen Zeitpunkten. Bisher habe ich KM-Diagramme erstellt, die eine eindeutige Schutzwirkung der Schwangerschaft auf das Überleben und auch ein reguläres Cox-Modell zeigen. Diese wurden jedoch nur unter Verwendung einer dichotomisierten Schwangerschaftsvariablen modelliert und unter der Annahme, dass die Wirkung ab dem Zeitpunkt der Diagnose vorliegt, was eindeutig unrealistisch ist da die mediane Zeit bis zur Schwangerschaft 4 Jahre ab Diagnose beträgt.

Welche Art von Modell würde die Auswirkung von Mehrlingsschwangerschaften zu unterschiedlichen Zeitpunkten nach der Diagnose absorbieren? Wäre es richtig, die mit der Zeit interagierenden Schwangerschaften zu modellieren (was eine ernsthafte Datenrekonstruktion erfordern würde - eine automatisierte Software, die dabei helfen könnte?) Oder gibt es eine andere bevorzugte Modellierungsstrategie für diese Probleme? Was ist auch die bevorzugte Plotstrategie für diese Probleme?


interessante Frage (+1) ... dieses kürzlich erschienene Papier könnte hilfreich sein: ncbi.nlm.nih.gov/pubmed/21328605
ocram

Interessant - aber ich glaube, das Hauptthema sind zeitlich veränderliche Effekte.
Misha


1
Dies erinnert mich an das Beispiel der "klassischen" Überlebensanalyse der Herztransplantationsdaten: bit.ly/UFX71v - Sie benötigen eine zeitvariable Kovariate , nicht unbedingt einen zeitvariablen Koeffizienten . Sie können Ihre Daten mithilfe von KM-Kurven zeichnen.
Boscovich

Mit dieser Methode können Sie auch damit umgehen, dass einige Frauen während der Nachuntersuchung möglicherweise mehr als eine Schwangerschaft hatten.
Boscovich

Antworten:


4

Was Sie hier brauchen, ist eine zeitvariable Kovariate und nicht unbedingt ein zeitvariabler Koeffizient . Ein bekanntes Beispiel, das Ihnen bei Ihren Analysen helfen könnte, sind die Stanford-Herztransplantationsdaten .

Um Ihre Ergebnisse zu präsentieren, können Sie den klassischen Kaplan-Meier-Schätzer verwenden, der zeitvariable Kovariaten problemlos verarbeitet (denken Sie jedoch daran, dass dies eine grobe oder nicht angepasste Analyse mit all ihren bekannten Einschränkungen ist).

Das folgende Diagramm zeigt beispielhaft die Analyse der Stanford HT-Daten bei korrekter Berücksichtigung des zeitlich variierenden Transplantationsstatus (oberes Feld) und ohne Berücksichtigung (zeitliches Feld).

Geben Sie hier die Bildbeschreibung ein


Ich habe es endlich geschafft und bekomme die folgende Handlung
Misha

Normales KM ist NICHT die richtige Art, diese Modelle grafisch darzustellen. Vielmehr handelt es sich um eine Erweiterung von KM durch Simon und Makuch, die in Stata implementiert ist. stats.stackexchange.com/posts/46754
Misha

Sie können das KM nicht so verwenden. Betrachten Sie die Schwangerschaften mit zB Alter als zugrunde liegende Zeit: Nehmen wir an, Frauen sind mindestens 20 Jahre alt, wenn sie ihr zweites Kind bekommen, und mindestens 22 Jahre, wenn sie ihr drittes bekommen. Nehmen wir eine konstante Gefahr für alle Altersgruppen und Gruppen an (Anzahl der geborenen Kinder). Dann sterben die 2- und 3-Gruppen mit der gleichen Rate, aber die 3-Gruppen-Schätzung wird (höchstwahrscheinlich) zu jedem Zeitpunkt t größer sein, einfach weil die 3-Gruppen in einem späteren Alter zu sterben beginnen. Dies ist eine falsche Darstellung von Daten.
Swmo


1

Passen Sie in dieser Situation auf unsterbliche Zeitverzerrungen auf. Ihre schwangere Gruppe wird unweigerlich ein besseres Überleben haben als die nicht schwangere Gruppe, da Sie nach Ihrem Tod nicht schwanger werden können (nach meinem besten Wissen!)

Durch die Nutzung unserer Website bestätigen Sie, dass Sie unsere Cookie-Richtlinie und Datenschutzrichtlinie gelesen und verstanden haben.
Licensed under cc by-sa 3.0 with attribution required.