Ho un modello di sopravvivenza con i pazienti nidificati negli ospedali che include un effetto casuale per gli ospedali. L'effetto casuale è distribuito gamma e sto cercando di riportare la "pertinenza" di questo termine su una scala che è facilmente comprensibile.
Ho trovato i seguenti riferimenti che usano il Rapporto di rischio mediano (un po 'come il Rapporto di probabilità mediano) e ho calcolato questo.
Bengtsson T, Dribe M: Historical Methods 43:15, 2010
Tuttavia, ora desidero segnalare l'incertezza associata a questa stima utilizzando il bootstrap. I dati sono dati di sopravvivenza e quindi ci sono più osservazioni per paziente e più pazienti per ospedale. Sembra ovvio che ho bisogno di raggruppare le osservazioni del paziente durante il ricampionamento. Ma non so se dovrei raggruppare anche gli ospedali (ad esempio ricampionare gli ospedali, piuttosto che i pazienti?
Mi chiedo se la risposta dipende dal parametro di interesse, e quindi sarebbe diverso se l'obiettivo fosse qualcosa di rilevante a livello di paziente piuttosto che a livello di ospedale?
Ho elencato di seguito il codice Era nel caso in cui ciò aiuti.
cap program drop est_mhr
program define est_mhr, rclass
stcox patient_var1 patient_var2 ///
, shared(hospital) ///
noshow
local twoinvtheta2 = 2 / (e(theta)^2)
local mhr = exp(sqrt(2*e(theta))*invF(`twoinvtheta2',`twoinvtheta2',0.75))
return scalar mhr = `mhr'
end
bootstrap r(mhr), reps(50) cluster(hospital): est_mhr