Trendy wskaźnika przeżycia w badaniach kontrolnych


10

Złożyłem artykuł, który został odrzucony z powodu niewłaściwego sposobu przeprowadzenia analizy przeżycia. Sędzia nie pozostawił żadnych innych szczegółów ani wyjaśnień poza: „analiza przetrwania trendów czasowych wymaga bardziej wyrafinowanych sposobów cenzury”.

Pytanie:

Czy w ostatnich dziesięcioleciach zmniejszono nadmierne ryzyko śmierci wśród palaczy?

Dane:

25.000 palaczy w Niemczech. Zostali oni zapisani do kohorty w dowolnym momencie w latach 1995–2014. Każdy palacz został dopasowany (w momencie rejestracji) do płci i wieku dopasowanych kontroli z populacji ogólnej (która nie paliła). Mam dokładny czas śmierci dla wszystkich, którzy zmarli podczas całego okresu studiów. Ci, którzy nie umarli podczas obserwacji, zostaną ocenzurowani. Badanie ma na celu zbadanie nadmiernego ryzyka śmierci wśród palaczy każdego roku od 1995 do 2014 roku.

Celem jest obliczenie:

  • Wskaźniki śmiertelności wśród palaczy i osób niepalących co roku i zbadanie tych trendów
  • nadmierne ryzyko śmierci wśród palaczy każdego roku (lub okresu kilku kolejnych lat).

Jak należy analizować dane? Przypomnij sobie, że ktoś, kto jest uwzględniony w 1998 r., Może umrzeć w 2015 r. Czy właściwe podejście do korzystania z formatu procesu liczenia z uruchomieniem i zatrzymaniem jest aktualizowane każdego roku?

Takie podejście nie podobało się sędziemu:

Wskaźniki zapadalności obliczono za pomocą regresji Poissona. Uwzględniliśmy czas obserwacji jako przesunięcie w modelu oraz uwzględniliśmy wiek, płeć, status palenia i okres kalendarzowy (łącząc dwa kolejne lata) jako predyktory w modelu. Następnie obliczono stawki za 1000 osobolat za pomocą funkcji przewidywania () R. Przesunięcie (czas obserwacji) to całkowity czas obserwacji (dni) osób od rejestracji.

Zastosowano model Coxa do oszacowania względnego ryzyka dla palaczy w każdym okresie od początku do końca badania. Dla uproszczenia porównaliśmy współczynnik ryzyka w pierwszym okresie ze współczynnikiem ryzyka w okresie końcowym.

Problemy: - osoba (wraz z jej kontrolą) może zostać objęta w 1998 r., A zatem należy do tej grupy kalendarza, ale doznaje zdarzenia w 2006 r. - Jak należy rozłożyć dane do analizy regresji Poissona i Coxa? Proces liczenia dla Coxa? Jaki jest czas rozpoczęcia i zakończenia? - Jak można oceniać trendy w tej sytuacji?

Kilka wyjaśnień: załóżmy, że pacjenta zaobserwowano po raz pierwszy 15 czerwca 1998 r. I przeżył zdarzenie 31 grudnia 1998 r., Wartość naszej zmiennej czasowej dla tego pacjenta wynosi 182,5 z 730 możliwych dni, ponieważ okres składa się z 2 kolejnych lat. Maksymalny czas obserwacji w każdym okresie wynosi 730 dni.

Kiedy pacjent jest obserwowany w jednym przedziale czasowym, ale ocenzurowany (tj. Albo doświadczony i zdarzenie, albo porzucony) w innym przedziale czasowym, czy liczbę dni obserwowanych należy dodać do następnego okresu, czy co?

Zatem głównym problemem jest obsługa czasu obserwacji i roku kalendarzowego (który jest wykorzystywany jako zmienna kategoryczna, składająca się z dwóch kolejnych lat).


6
A jakie podejście zastosowałeś?
shadowtalker,

Przeprowadziliśmy niektóre analizy z regresją Poissona i funkcją przewidywania w R w celu oszacowania częstości występowania. Stworzyliśmy również model Coxa do porównania współczynnika ryzyka między grupami na początku badania i na końcu, tj. 1995/1996 vs. 2013/2014. Ponieważ niektóre okresy obejmowały kilka zdarzeń, połączyliśmy 2 kolejne lata, np. 95/96, 97/98, 99/00 i tak dalej we wszystkich analizach zarówno dla modelu Coxa, jak i modelu Poissona, aby otrzymać znaczące szacunki.
Frank49,

Teraz, gdy dodałeś już swoje pytanie, pomocne może być nadanie mu bardziej szczegółowego tytułu, na przykład „testowanie trendów przeżywalności w badaniach nad kontrolą przypadków”, aby uzyskać bardziej świadome zainteresowanie. To trochę poza moją wiedzą; być może odniesienie to może być pomocne, chociaż znaczna część tego dokumentu może nie mieć zastosowania do tego rodzaju badania kontrolnego przypadków.
EdM,

jest to, jeśli się nie mylę, badanie (retrospektywne) kohortowe, ponieważ faktycznie śledzisz osoby (które są narażone lub nie palą) aż do zdarzenia. Badanie kontroli przypadków zwykle odnosi się do sytuacji, w której są ludzie, którzy się rozwinęli, a ci, którzy nie rozwinęli choroby i czas przeżycia nie jest modelowany. ale mogę się tutaj mylić.
Adam Robinsson,

@AdamRobinsson: Nie, nie mylisz się. To, co opisano, nie jest badaniem kontrolnym. Jest to badanie kohortowe dopasowane do wieku i płci. Stwierdzenie: „Dla uproszczenia porównaliśmy współczynnik ryzyka w pierwszym okresie ze współczynnikiem ryzyka w okresie końcowym”. sugeruje, że pełny zestaw danych nie został wykorzystany do pytania głównego badania, ponieważ nie wykorzystano danych ze środkowych lat badania.
DW

Odpowiedzi:


2

Z powyższego wynika kilka możliwości modelu Coxa:

  1. ODDZIELNE MODELE DLA KAŻDEGO OKRESU CZASOWEGO : Użyj jednej obserwacji dla każdej osoby; obliczyć czas obserwacji (z uwzględnieniem przypadków cenzury / śmierci podczas obserwacji), a następnie obliczyć współczynnik ryzyka dla każdego okresu. Następnie bezpośrednio porównaj współczynniki ryzyka.
  2. OBRÓBUJ WZGLĘDNE ZMIANY W ZAGROŻENIU U PALĄCYCH I OSÓB NIEPALĄCYCH ODDZIELNIE : jedna obserwacja na osobę; oblicz czas obserwacji (niezależnie od tego, kiedy nastąpi cenzura / zdarzenie), a następnie wykorzystaj wszystkich pacjentów (od 1995 do 2014 r.) w modelu, użyj okresu czasu jako zmiennej kategorialnej i ustaw jeden z okresów jako wartość odniesienia.

    1. FORMULACJA PROCESU ZLICZANIA : brzmi zachęcająco, ale nie jestem pewien, jak wykorzystać czas przeżycia, odstępy czasu rozpoczęcia i rok kalendarzowy.

Dobre sugestie, ale jak radzą sobie z informacyjną cenzurą (patrz moja próba odpowiedzi) i hipotezą (zmiany względnych zagrożeń dla palaczy / niepalących w ciągu lat kalendarzowych), które ze swej natury wydają się zaprzeczać proporcjonalności- założenie o zagrożeniach?
EdM,

@EdM Wierzę (choć nie jestem pewien), że cenzura nie jest pouczająca w tym scenariuszu; przypadki i kontrole powinny być cenzurowane z tych samych powodów, niezależnie od tego, jakie to uprzedzenie może być równe w tych dwóch grupach. Ponieważ śmierć jest badanym wynikiem i wydaje się, że możesz zagwarantować, że wszystkie zgony zostaną schwytane, a emigracja znikoma; Nie miałbym nic przeciwko pouczającej cenzurze. Nie należy naruszać proporcjonalnych zagrożeń; chociaż badanie ma na celu zbadanie palenia jako funkcji czasu, robi to w kategoriach roku kalendarzowego, a nie czasu obserwacji (co jest kluczowe).
Adam Robinsson,

Nie jestem jednak absolutnie pewien.
Adam Robinsson,

1

Mimo, że przesadzanie z tajemniczymi komentarzami recenzenta jest niebezpieczne, zgaduję, że sprzeciw dotyczy tego, czy cenzura ma charakter informacyjny.

Interpretacja modeli przeżycia zazwyczaj opiera się na założeniu, że osoba ocenzurowana w czasie jest reprezentatywna dla wszystkich podmiotów, które przeżyły do ​​czasu po wejściu do badania. (Brzmienie dostosowane od tego wstępu do analizy przeżycia). W takim razie cenzura nie ma charakteru informacyjnego.TT

W twojej analizie cenzurowani byli jednak ci, którzy przeżyli do 2014 r. Jeśli uważasz, że w ciągu ostatnich 20 lat nastąpiła zmiana nadmiernego ryzyka śmierci z powodu palenia (lub nawet jeśli nastąpiły równoległe zmiany w śmiertelności dla obu grup), wówczas osoby cenzurowane mogą nie być reprezentatywne dla tych, którzy przeżyli w tym samym czasie, ale weszli do badania wcześniej. Według twojej hipotezy cenzura może mieć charakter informacyjny.

Możliwe, że szczegóły projektu twojej analizy uniknęły tego problemu, ale nie było to jasne w recenzowanym manuskrypcie. A może recenzentowi nie spodobało się badanie z kilku dodatkowych powodów i stwierdził, że jest to sposób na odrzucenie go, którego redaktor by nie kwestionował. Niemniej jednak wydaje się, że jest to potencjalny sprzeciw wobec sposobu, w jaki analizowałeś te dane i powinieneś upewnić się, że są one właściwie przetwarzane. (To jest poza moją osobistą wiedzą; inni na tej stronie mogą mieć wskazówki, jak postępować. Bardziej precyzyjny tytuł tego pytania, z bardziej szczegółowymi informacjami na temat projektu i analizy, może uzyskać bardziej pomocne odpowiedzi).

Z twojego pytania i wyjaśniającego komentarza nie wynika jasno, że analizy Coxa dodają coś użytecznego do prostego modelowania wskaźników śmiertelności rocznie (lub w odstępach 2-letnich). Ponadto, twoja hipoteza wydaje się sugerować, że zagrożenia nie są proporcjonalne w czasie między osobami niepalącymi i palącymi, co stanowi podstawę standardowych analiz Coxa. Jeśli interesuje Cię różnica śmiertelności między palaczami a osobami niepalącymi w zależności od roku kalendarzowego, jest to najprostsza miara do modelowania (chociaż być może będziesz musiał wziąć pod uwagę zakładane wzbogacenie osób niepalących w badanej próbie gdy ich pasujący palacze zginą).


Dziękuję za Twoją odpowiedź. Być może najlepiej wyjaśnić naszą metodę. Zmienię moje pytanie.
Frank49,
Korzystając z naszej strony potwierdzasz, że przeczytałeś(-aś) i rozumiesz nasze zasady używania plików cookie i zasady ochrony prywatności.
Licensed under cc by-sa 3.0 with attribution required.