Многофакторный анализ, Кокс регрессия Опции

[Гематолог]

Дорогие форумчане!

Пожалуйста, посоветуйте!

Я постараюсь обрисовать проблему в общих чертах.

Выборка 500 больных - одно заболевание.

На этапе однофакторного анализа выделено 4 значимых фактора, влияющих на общую выживаемость.

Три из них - бинарные по своей природе - возраст - старше 45, младше 45 лет (1,0), пол и один лабораторный показатель (то же - выше определенного порога - 1, ниже - 0).
Четвертый - метод лечения - 1 - программа А, 0 - программа - В.

Моя проблема в следующем.

Когда я выполняю многофакторный Кокс - регр анализ для ТРЕХ факторов, исключая вид терапии, я получаю высокую значимость для выживаемости лабораторного параметра,
c соответствующим риском и ДИ.
И как бы все понятно.

Но. Если я включаю в модель терапию, то в окончательном уравнении наибольшая значимость появляется у фактора возраст, а лаборатоный параметр теряет свое значение.

Сразу оговорюсь - выбор терапии НАПРЯМУЮ не зависел от остальных трех параметров.
Это чтобы сразу мы не тратили время на обсуждение независимости включаемых параметров.

Я понимаю, что трактовка результатов многофакторного анализа не всегда банальная вещь.

Не прошу готовых рецептов, но надеюсь получить верное направление.

Спасибо всем откликнувшимся!

[Гематолог]

NOKH: Например, можно задать возраст не бинарно, а ввести исходные цифры; полагаю так будет даже грамотнее. Также можно попробовать исключить из анализа пол - показатель который совсем не "сработал". Ещё можно проверить: а не зависит ли от времени лабораторный показатель; если зависит нужно подбирать модель с зависящими от времени ковариатами.

Ответ. Спасибо большое!
Дело в том, как я отметил выше ? четыре показателя, включая пол, на этапе К-М, показали значимое влияние на ОВ. По этой причине, просто не включать пол в уравнение регрессии? как-то неверно будет, думаю.
Лабораторный показатель ? концентрация альбумина сыворотки крови ? фиксированный во времени показатель на момент верификации диагноза.

DrgLena: В любой многомерной модели при введении нового предиктора, коэффициенты и оценки предыдущих предикторов пересматриваются и вполне вероятно, что метод лечения оказывает на выживаемость более сильное влияние, нежели лабораторный показатель, который к тому же используется в виде бинарной переменной.

Ответ. Спасибо Вам! Может, дело в некоторой правильной расстановке акцентов на этапе трактовки результатов? Я включил в модель терапию, которая нивелирует лабораторный показатель, но, увы, не может ?сдвинуть? (пока, при моей выборке и пр.) с места влияние такой ?вечной ценности?, как возраст на момент постановки диагноза? :-))).
Но. Сам фактор ?терапия? в результате пошаговой процедуры становится незначимым.
Правильно ли я сделал, что вообще включил терапию в модель? (Еще раз ? по терапии, ОВ по К-М значимо различается)
Как трактовать отсутствие у нее статистической значимости в многомерной модели?

DrgLena: Точки разделения для бинарных предикторов могут быть пересмотрены. Кроме того они могут входить в модель и в виде количественных предиктора.

Ответ. За основу бинарного деления взята классическая работа по данной опухоли, где в окончательный многофакторный анализ вошли 1680 случаев и были предложены именно такие пороги деления количественных переменных.
То есть, в оригинальной работе количественные предикторы не использовались.

DrgLena: или точки разделения сделайте ROC анализом для каждого метода лечения отдельно.

Ответ. Несколько лет назад, я так и сделал. Построил кривую ROC относительно изучаемой ?неудачи терапии?. По отчету изменений Sp и Se нашел экстремальные точки.
Столкнулся с серьезной критикой редактора на предмет столь ?эзотерического? использования ROC-анализа. Из опубликованных статей в области онкологии/гематологии подобный способ деления количественных предикторов нашел, кажется, только в ОДНОЙ статье. Может, плохо искал ))).

Еще раз, Большое спасибо за отклик на мою задачу!