Suggerimento di modello per una regressione di Cox con covariate dipendenti dal tempo


10

Sto modellando l'effetto della gravidanza sull'esito di una malattia (morta). Circa il 40% dei pazienti è rimasta incinta dopo il momento della diagnosi, ma in diversi momenti. Finora ho fatto trame KM che mostrano un chiaro effetto protettivo della gravidanza sulla sopravvivenza e anche un normale modello Cox, tuttavia questi sono stati modellati usando solo una variabile di gravidanza dicotomizzata e supponendo che l'effetto sia presente dal momento della diagnosi che è chiaramente irrealistico dal momento mediano alla gravidanza è di 4 anni dalla diagnosi.

Quale tipo di modello assorbirebbe l'effetto di gravidanze multiple in diversi momenti dopo la diagnosi? Sarebbe corretto modellare le gravidanze che interagiscono con il tempo (il che richiederebbe una seria ricostruzione dei dati - qualche software automatizzato che potrebbe aiutare in questo?) O c'è un'altra strategia di modellazione preferita per questi problemi? Inoltre, qual è la strategia di stampa preferita per questi problemi?


domanda interessante (+1) ... questo recente documento potrebbe essere di aiuto: ncbi.nlm.nih.gov/pubmed/21328605
ocram

Interessante, ma credo che l'argomento principale ci siano effetti che variano nel tempo.//M
Misha,

gli effetti del tempo sono l'argomento del documento ...
ocram,

1
Questo mi ricorda l'esempio "classico" di analisi della sopravvivenza dei dati del trapianto di cuore: bit.ly/UFX71v - ciò di cui hai bisogno è una covariata che varia nel tempo , non necessariamente un coefficiente che varia nel tempo . Puoi tracciare i tuoi dati usando le curve KM.
boscovich,

Con questo metodo sarai anche in grado di gestire il fatto che alcune donne potrebbero aver avuto più di 1 gravidanza durante il follow-up.
boscovich,

Risposte:


4

Ciò di cui hai bisogno qui è una covariata variabile nel tempo e non necessariamente un coefficiente variabile nel tempo . Un esempio noto che potrebbe aiutarti con le tue analisi sono i dati sul trapianto di cuore di Stanford .

Per presentare i tuoi risultati puoi usare il classico stimatore Kaplan-Meier che gestisce senza problemi le covariate variabili nel tempo (ricorda, tuttavia, che si tratta di un'analisi grezza o non corretta con tutti i suoi limiti ben noti).

Ad esempio, il grafico seguente mostra l'analisi dei dati HT di Stanford quando tiene correttamente conto dello stato del trapianto che varia nel tempo (pannello superiore) e senza renderlo conto (pannello inferiore).

inserisci qui la descrizione dell'immagine


Finalmente sono riuscito a farlo e ho ottenuto la seguente trama
Misha,

KM normale NON è il modo corretto di rappresentare graficamente questi modelli. Piuttosto è un'estensione di KM di Simon e Makuch implementata in Stata. stats.stackexchange.com/posts/46754
Misha

Non puoi usare KM in questo modo. Considera le gravidanze con, ad esempio, l'età come tempo sottostante: diciamo che le donne hanno almeno 20 anni quando ottengono il loro secondo figlio e almeno 22 quando ottengono il terzo. Assumiamo un rischio costante per tutte le età e tutti i gruppi (numero di bambini nati). Quindi i gruppi di 2 e 3 muoiono alla stessa velocità, ma la stima di 3 gruppi sarà (molto probabilmente) più grande in qualsiasi momento t, semplicemente perché i 3 gruppi iniziano a morire in età avanzata. Questa è una rappresentazione errata dei dati.
swmo


1

Fai attenzione al pregiudizio immortale in questa situazione. Il tuo gruppo in gravidanza avrà inevitabilmente una migliore sopravvivenza rispetto al gruppo non in gravidanza poiché non puoi rimanere incinta dopo la morte (per quanto ne sappia!)

Utilizzando il nostro sito, riconosci di aver letto e compreso le nostre Informativa sui cookie e Informativa sulla privacy.
Licensed under cc by-sa 3.0 with attribution required.