Pytania otagowane jako survival

Analiza przeżycia modeluje dane czasu do zdarzenia, zwykle czas do śmierci lub czas awarii. Dane ocenzurowane są częstym problemem w analizach przeżycia.

1
Dlaczego Anova () i drop1 () podają różne odpowiedzi dla GLMM?
Mam GLMM w postaci: lmer(present? ~ factor1 + factor2 + continuous + factor1*continuous + (1 | factor3), family=binomial) Kiedy używam drop1(model, test="Chi"), otrzymuję inne wyniki niż w przypadku korzystania Anova(model, type="III")z pakietu samochodowego lub summary(model). Te dwa ostatnie dają te same odpowiedzi. Korzystając z wielu sfabrykowanych danych, odkryłem, że te …
10 r  anova  glmm  r  mixed-model  bootstrap  sample-size  cross-validation  roc  auc  sampling  stratification  random-allocation  logistic  stata  interpretation  proportion  r  regression  multiple-regression  linear-model  lm  r  cross-validation  cart  rpart  logistic  generalized-linear-model  econometrics  experiment-design  causality  instrumental-variables  random-allocation  predictive-models  data-mining  estimation  contingency-tables  epidemiology  standard-deviation  mean  ancova  psychology  statistical-significance  cross-validation  synthetic-data  poisson-distribution  negative-binomial  bioinformatics  sequence-analysis  distributions  binomial  classification  k-means  distance  unsupervised-learning  euclidean  correlation  chi-squared  spearman-rho  forecasting  excel  exponential-smoothing  binomial  sample-size  r  change-point  wilcoxon-signed-rank  ranks  clustering  matlab  covariance  covariance-matrix  normal-distribution  simulation  random-generation  bivariate  standardization  confounding  z-statistic  forecasting  arima  minitab  poisson-distribution  negative-binomial  poisson-regression  overdispersion  probability  self-study  markov-process  estimation  maximum-likelihood  classification  pca  group-differences  chi-squared  survival  missing-data  contingency-tables  anova  proportion 
3
Średni czas przeżycia dla logarytmicznej funkcji przeżycia
Znalazłem wiele wzorów pokazujących, jak znaleźć średni czas przeżycia dla rozkładu wykładniczego lub Weibulla, ale mam znacznie mniej szczęścia dla funkcji przeżycia logarytmicznych. Biorąc pod uwagę następującą funkcję przeżycia: S.( t ) = 1 - ϕ [ ln( t ) - μσ]S.(t)=1-ϕ[ln⁡(t)-μσ]S(t) = 1 - \phi \left[ {{{\ln (t) - …
10 survival 
2
Jak wykonać analizę ROC w R za pomocą modelu Coxa
Stworzyłem kilka modeli regresji Coxa i chciałbym zobaczyć, jak dobrze działają te modele, i pomyślałem, że być może krzywa ROC lub statystyka c mogą być przydatne podobnie jak w przypadku tych artykułów: JN Armitage och JH van der Meulen, „Identyfikacja chorób współistniejących u pacjentów chirurgicznych przy użyciu danych administracyjnych z …
10 r  survival  roc 
2
Testowanie założenia proporcjonalnych zagrożeń w modelach parametrycznych
Jestem świadomy testowania założenia proporcjonalnych zagrożeń w kontekście modeli PH Coxa, ale nie spotkałem się z niczym związanym z modelami parametrycznymi? Czy istnieje realny sposób przetestowania założenia PH dla niektórych modeli parametrycznych? Wydaje się, że należy podać, że modele parametryczne różnią się tylko nieznacznie od półparametrycznych modeli Coxa? Na przykład, …
2
Dokładnie w jaki sposób coxph () R radzi sobie z powtarzanymi taktami?
Kontekst Próbuję zrozumieć, w jaki sposób Rxx () przyjmuje i obsługuje powtarzające się wpisy dla podmiotów (lub pacjenta / klienta, jeśli wolisz). Niektórzy nazywają to długim formatem, inni nazywają to „powtarzanymi pomiarami”. Zobacz na przykład zestaw danych zawierający kolumnę identyfikatora w sekcji Odpowiedzi na: Najlepsze pakiety dla modeli Coxa z …
2
Trendy wskaźnika przeżycia w badaniach kontrolnych
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 …
4
Model historii zdarzeń dyskretnych (przeżycie) w R.
Próbuję dopasować model czasu dyskretnego do R, ale nie jestem pewien, jak to zrobić. Czytałem, że możesz zorganizować zmienną zależną w różnych wierszach, po jednym dla każdej obserwacji czasu, i użyć glmfunkcji z łączem logit lub cloglog. W tym sensie, mam trzy kolumny: ID, Event(1 lub 0, w każdym okresie …
10 r  survival  pca  sas  matlab  neural-networks  r  logistic  spatial  spatial-interaction-model  r  time-series  econometrics  var  statistical-significance  t-test  cross-validation  sample-size  r  regression  optimization  least-squares  constrained-regression  nonparametric  ordinal-data  wilcoxon-signed-rank  references  neural-networks  jags  bugs  hierarchical-bayesian  gaussian-mixture  r  regression  svm  predictive-models  libsvm  scikit-learn  probability  self-study  stata  sample-size  spss  wilcoxon-mann-whitney  survey  ordinal-data  likert  group-differences  r  regression  anova  mathematical-statistics  normal-distribution  random-generation  truncation  repeated-measures  variance  variability  distributions  random-generation  uniform  regression  r  generalized-linear-model  goodness-of-fit  data-visualization  r  time-series  arima  autoregressive  confidence-interval  r  time-series  arima  autocorrelation  seasonality  hypothesis-testing  bayesian  frequentist  uninformative-prior  correlation  matlab  cross-correlation 
1
R regresja liniowa zmienna kategorialna „ukryta” wartość
To tylko przykład, na który natknąłem się kilka razy, więc nie mam żadnych przykładowych danych. Uruchamianie modelu regresji liniowej w R: a.lm = lm(Y ~ x1 + x2) x1jest zmienną ciągłą. x2jest kategoryczny i ma trzy wartości, np. „Niska”, „Średnia” i „Wysoka”. Jednak dane wyjściowe podane przez R byłyby mniej …
10 r  regression  categorical-data  regression-coefficients  categorical-encoding  machine-learning  random-forest  anova  spss  r  self-study  bootstrap  monte-carlo  r  multiple-regression  partitioning  neural-networks  normalization  machine-learning  svm  kernel-trick  self-study  survival  cox-model  repeated-measures  survey  likert  correlation  variance  sampling  meta-analysis  anova  independence  sample  assumptions  bayesian  covariance  r  regression  time-series  mathematical-statistics  graphical-model  machine-learning  linear-model  kernel-trick  linear-algebra  self-study  moments  function  correlation  spss  probability  confidence-interval  sampling  mean  population  r  generalized-linear-model  prediction  offset  data-visualization  clustering  sas  cart  binning  sas  logistic  causality  regression  self-study  standard-error  r  distributions  r  regression  time-series  multiple-regression  python  chi-squared  independence  sample  clustering  data-mining  rapidminer  probability  stochastic-processes  clustering  binary-data  dimensionality-reduction  svd  correspondence-analysis  data-visualization  excel  c#  hypothesis-testing  econometrics  survey  rating  composite  regression  least-squares  mcmc  markov-process  kullback-leibler  convergence  predictive-models  r  regression  anova  confidence-interval  survival  cox-model  hazard  normal-distribution  autoregressive  mixed-model  r  mixed-model  sas  hypothesis-testing  mediation  interaction 
3
Redundancja obsługi modeli efektów losowych
Próbuję poradzić sobie z analizą czasu do zdarzenia z wykorzystaniem powtarzających się wyników binarnych. Załóżmy, że czas do zdarzenia mierzony jest w dniach, ale na razie dyskretujemy czas do tygodni. Chcę aproksymować estymator Kaplana-Meiera (ale uwzględniać zmienne towarzyszące) przy użyciu powtarzanych wyników binarnych. Wydaje się, że jest to droga okrężna, …
2
Krzywe Kaplana-Meiera wydają się mówić inaczej niż regresja Coxa
W R przeprowadzam analizę danych dotyczących przeżycia chorych na raka. Czytałem bardzo pomocne rzeczy na temat analizy przeżycia w CrossValidated i innych miejscach i myślę, że zrozumiałem, jak interpretować wyniki regresji Coxa. Jednak jeden wynik wciąż mnie wkurza ... Porównuję przeżycie vs. płeć. Krzywe Kaplana-Meiera są wyraźne na korzyść pacjentek …
4
Jak interpretować krzywą przeżycia modelu zagrożenia Coxa?
Jak interpretujesz krzywą przeżycia z proporcjonalnego modelu hazardu Coxa? W tym przykładzie zabawki załóżmy, że mamy proporcjonalny model hazardu Coxa dla agezmiennej w kidneydanych i generujemy krzywą przeżycia. library(survival) fit <- coxph(Surv(time, status)~age, data=kidney) plot(conf.int="none", survfit(fit)) grid() Na przykład o czasie 200200200, które stwierdzenie jest prawdziwe? czy oba są w …
1
Szacunek ML rozkładu wykładniczego (z cenzurowanymi danymi)
W analizie przeżycia zakładasz, że czas przeżycia rv jest rozkładany wykładniczo. Biorąc pod uwagę teraz, że mam „wyniki” iid rv . Tylko część tych wyników jest w rzeczywistości „w pełni zrealizowana”, tzn. Pozostałe obserwacje są nadal „żywe”.XiXiX_ix1,…,xnx1,…,xnx_1,\dots,x_nXiXiX_i Jeśli chciałbym przeprowadzić oszacowanie ML dla parametru częstości rozkładu, jak mogę wykorzystać niezrealizowane …
1
Jak wygenerować dane o przeżyciu za pomocą współzmiennych zależnych od czasu za pomocą R.
Chcę wygenerować czas przeżycia na podstawie proporcjonalnego modelu zagrożeń Coxa, który zawiera zmienną zależną od czasu. Model jest h ( t |Xja) =h0( t ) exp( γXja+ αmja( t ) )h(t|Xja)=h0(t)exp⁡(γXja+αmja(t))h(t|X_i) =h_0(t) \exp(\gamma X_i + \alpha m_{i}(t)) gdzie jest generowany z Binomial (1,0.5) i .XjaXjaX_imja( t ) =β0+β1Xja+β2)Xjatmja(t)=β0+β1Xja+β2)Xjatm_{i}(t)=\beta_0 + \beta_1 …
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.