Анализ выживаемости, некоторые вопросы Опции

[mix3d]

Помогите, пожалуйста, разобраться!

Исследуется роль "нового" биомаркера на выживаемость больных с инфарктом миокарда.

В качестве разделительного значения на подгруппы выбраны нижний и верхний квартили.

По F-критерию Кокса выживаемость пациентов в полученных подгруппах значимо различалась (корректировка не проводилась).

Также получено независимое предикторное значение изучаемого биомаркера (p<0,05) на выживаемость в регрессионной модели пропорциональных рисков Кокса, в т.ч. после корректировки на другие известные предикторы (тропонины, фракция выброса и т.д.), при этом изучаемая величина взята как непрерывная.

При построении той же модели, но с ковариантами (согласно разделения по квартилям) независимое предикторное значение уже утрачивалось. Также незначимые получились результаты расчета относительного риска (как рассчитать его скорректированное значение???) - пользовался просто четырехпольными таблицами с формулами из книги госпожи Ребровой.

В том ли дело, что разделительное значение выбрано неправильно и как найти то значение, разделение по которому будет значимо влиять на выживаемость??? Или достаточно того, что получилось?

Вот такое мое непонимание((( Использую Statistica 6.0

Спасибо!

[Green]

adjusted - скорректированное значение с учетом веса группы (страты)
Чаще всего вес определяется как ni/n
где n - численность исследуемой совокупности
ni - численность страты
i=1, n - кол-во страт
Берется взвешенное среднее.
Есть другие подходы.

----------
по поводу утери
Варианты
1.его "предикторная сила" меньше, чем остальных, более известных
2. Он коррелирует с известными
3. мало данных при делении на страты с ковариатами для достоверности
4. поделили на уровни неправильно. ( тут может помочь ROC анализ)

[DrgLena]

В качестве разделительного значения на подгруппы выбраны нижний и верхний квартили.

Мне не понятна такая разбивка. Если вы уже так разбили, то посмотрите кривые К-М в этих трех группах. Возможно вы увидите, что фактором риска будут значения верхнего или нижнего квартилей. А затем создайте бинарную переменную, как советует Green воспользуясь ROC для поиска оптимальной точки разделения. При этом в качестве отклика возьмите какой то приемлемый конечный интервал наблюдения (1 месяц или 6 мес. в зависимости от характера данных), у вас будет бинарный отклик на этот срок. Тогда у вас может быть кокс регрессионная модель (для всего срока наблюдения) с таким бинарным предиктором. При этом легко трактовать exp коэффициент уравнения регрессии. А согласование с другими вы получите введя их в модель, например возраст, вводя его в модель. Другие предикторы также могут быть представлены в бинарном виде. При этом вы получаете возможность сравнить коэффициенты, т.е. предикторы между собой.

Также получено независимое предикторное значение изучаемого биомаркера (p<0,05) на выживаемость в регрессионной модели пропорциональных рисков Кокса, в т.ч. после корректировки на другие известные предикторы (тропонины, фракция выброса и т.д.), при этом изучаемая величина взята как непрерывная.

Очень хорошо, все количественные переменные, можете сравнить между собой exp коэффициенты.

При построении той же модели, но с ковариантами (согласно разделения по квартилям) независимое предикторное значение уже утрачивалось.

Statistica работает в логистической и кокс регрессии только с количественными переменными или бинарными (1 или 0), в отличие от более продвинутых программ. А если вы создали ранговую 1,2,3 то программы выдаст коэффициент как для количественной переменной. Но изменение риска 1 vs 2 и 2 vs 3, но это не верно.

[mix3d]

Спасибо за ответ!

О квартилях... Я двусмысленно указал... Конечно, в логрегрессии я использовал только 2 значения (верхний и нижний квартили были взяты по отдельности или по очереди...)

К вопросу о ROC-анализе. Я должен взять биомаркер (tested variable) и индикатор цензурирования (state variable) и по наилучшим значениям чувствительность/специфичность выбрать разделительное значение (cutoff value)? Правильно ли я понял? Должна ли быть площадь под кривой большой, или достаточно p<0,05 независимо от площади?

В регрессии для интерпретации результатов использовать коэффициенты beta или exp. beta? Если Вас не затруднит, поясните, каким образом интерпретировать эти результаты.

Спасибо! С наступающим Новым годом!

[DrgLena]

Вы задали очень много сложных вопросов. ROC в Statistica вы не сделаете. Ответ по статусу не просто результат цензурирования, больной может умереть и через 20 лет, а на какой то конкретный срок. Чтобы можно было сделать вывод, что веротяность смерти в течение, например, 6 месяцев после чего то в 2,15 (exp b) раз выше при значении маркера выше или ниже порога, но вот относительно чего? Найдите обсуждение этого вопроса на этом форуме.