Die Überlebensanalyse modelliert die Zeit bis zum Ereignis, normalerweise die Zeit bis zum Tod oder die Ausfallzeit. Zensierte Daten sind ein häufiges Problem bei Überlebensanalysen.
Gemäß diesem Dokument : Der geschätzte Logarithmus des Gefährdungsverhältnisses ist ungefähr normalverteilt mit der Varianz (1 / d1) + (1 / d2), wobei d1 und d2 die Anzahl der Ereignisse in den beiden Behandlungsgruppen sind. Haben Sie eine Referenz für diese Aussage? Oder können Sie mir zumindest sagen, welcher Schätzer …
Was ist das beste Paket, um Überlebensanalysen und Diagramme in R durchzuführen? Ich habe einige Tutorials ausprobiert, konnte aber keine eindeutige Antwort finden. TIA
Kontext: Ich bin daran interessiert zu verstehen, wie Daten aus klinischen Studien mit einer naturgeschichtlichen Kontrolle analysiert werden können, dh einer klinischen Studie, in der eine Gruppe von Personen (z. B. Personen mit genetischem Risiko für eine Krankheit) rekrutiert wird, mit denen alle behandelt werden ein Medikament und sein Überleben …
Ich habe immer wieder Probleme beim Verständnis der Gefährdungsraten. Ich weiß zum Beispiel, dass eine Gefährdungsrate im engeren Sinne keine Wahrscheinlichkeit ist, und es wird immer wieder erwähnt, dass die Gefährdungsrate aus diesem Grund keine Obergrenze hat. Habe ich Recht, wenn ich verstehe, dass Gefahrenfunktionswerte als sofortige Ausfallraten interpretiert werden …
Um zensierte Daten zu verarbeiten, verwenden einige Forscher zensierte Regressionsmethoden wie die Tobit-Regression , andere klassische Überlebensanalysemodelle wie die Cox-Regression . Ich weiß, dass Cox-Regression und Tobit-Regression aus mathematischer Sicht zwei verschiedene Modelle sind. Meine Fragen: Was sind die Vor- und Nachteile dieser beiden Methoden? Welche Probleme können sie jeweils …
Dies ist ein Problem, das mich seit langem geplagt hat und in Lehrbüchern, Google oder Stack Exchange keine guten Antworten gefunden hat. Ich habe einen Datensatz von> 100.000 Patienten, für die vier Behandlungen verglichen werden. Die Forschungsfrage ist, ob das Überleben zwischen diesen Behandlungen unterschiedlich ist, nachdem eine Reihe klinischer …
Um ein Kalibrierungsdiagramm für Überlebenswahrscheinlichkeiten zu erstellen, die anhand eines Cox-Modells geschätzt wurden, kann das geschätzte Risiko in Gruppen unterteilt, das durchschnittliche Risiko innerhalb einer Gruppe berechnet und dann mit der Kaplan-Meier-Schätzung verglichen werden. Was sind alternative Ansätze, für die kein Binning erforderlich ist? Welche spezifischen Schritte sind erforderlich, um …
Ich versuche, ein Überlebensmodell mit dem Weibull-Ansatz zu erstellen, aber die Falte ist, dass ich zeitlich variierende Kovariaten habe. Ich verwende das Überlebenspaket in R. Mein Anruf lautet: output <- survreg(Surv(start, stop, fail) ~ gdppc + [...] + cluster(name), data = mydata, dist="weibull") was den folgenden Fehler ergibt: Error in …
Ich mache meine ersten Schritte in den Bereichen Datenwissenschaft und maschinelles Lernen. Ich experimentiere mit einem Projekt, bei dem ich keine Ahnung habe, mit welchen Ansätzen ich beginnen könnte, daher würde ich mich über Hinweise freuen: Ich habe einen Datensatz (zur Erklärung) der Studienabschlüsse. Der Datensatz ist insofern vollständig, als …
Was ist die beste Vorgehensweise zum Trainieren und Bewerten eines Vorhersagealgorithmus für eine Zeitreihe? Zum Lernen von Algorithmen, die im Batch-Modus trainiert werden, kann ein naiver Programmierer den Rohdatensatz [(sample, expected prediction),...]direkt an die train()Methode des Algorithmus weitergeben . Dies zeigt normalerweise eine künstlich hohe Erfolgsrate, da der Algorithmus effektiv …
Ich studiere derzeit grundlegende Methoden der Überlebensanalyse und bin auf diesen seltsamen Schätzer der effektiven Stichprobengröße in einem bestimmten Intervall gestoßen. Für das j-te Intervall ist der Schätzer gegeben durchn'jnj′n^{\prime}_j n'j=nj- -cj2nj′=nj−cj2n^{\prime}_j=n_j-\frac{c_j}{2} Dabei ist die Anzahl der Personen, bei denen zu Beginn des j-ten Intervalls das Risiko eines Todes besteht, …
Nehmen wir an, ich habe eine Überlebenskurve von 0 bis 6000 Tagen mit Kaplan-Meier-Kurven. Wie könnte ich zukünftige Überlebensraten ab 6001 projizieren? Gibt es eine Funktion oder Extrapolationsmethode, die ich verwenden kann? Unten finden Sie ein Beispiel, das nur zur Veranschaulichung dient: library(survival) library(ISwR) mfit <- survfit(Surv(days, status == 1)~1, …
We use cookies and other tracking technologies to improve your browsing experience on our website,
to show you personalized content and targeted ads, to analyze our website traffic,
and to understand where our visitors are coming from.
By continuing, you consent to our use of cookies and other tracking technologies and
affirm you're at least 16 years old or have consent from a parent or guardian.