Помогите выбрать метод анализа и вклад факторов Опции

[udjin69]

Уважаемые коллеги, помогите! Руководитель говорит одно, доцент кафедры другое, а я в статистике 0..... при этом нужно что то мне делать. Суть. Имеется группа пациентов 250 человек с ОКС БП ST (острый коронарный синдром без подъема сегмента ST), они имеют ряд клинических и ЭКГ-факторов (всего 21 фактор, или признак). Мной был разработан алгоритм стратификации риска смерти и инфаркта миокарда (ИМ) у данных пациентов на низкий и высокий риск. Стратификация проводилась по четырем блокам: 1) клинические факторы для высокого риска; 2) ЭКГ-факторы для высокого риска, 3) клинические факторы для низкого риска; 2) ЭКГ-факторы для низкого риска. Условие определения риска было следующим: наличие одного и более факторов из каждого блока, т.е. если пациент имел один фактор из клинического блока высокого риска и один из блока ЭКГ-факторов высокого риска, то ему присуждался - высокий риск. Оппонент высказал следующее мнение: необходимо каждому фактору (признаку) присудить балл, и разработать бальную систему стратификации рисков. И вот мне предлагают методы Каплана-Майера, либо Вальда, Кульбана..... Конечные точки в исследовании: смерть от любых причин, развитие нефатального ИМ. Сразу скажу, ни один пациент не умер. И вот я весь в сомнениях каким методом мне доказать силу этих 21-го фактора (признака). Если взять Каплана-Майера, то можно мне вместо смертности взять, к примеру какую либо величину из обследований (к примеру тропониновый тест, первая группа - положительный, вторая группа - отрицательный тест). И посмотреть каждый фактор (признак) в этих двух группах. Заранее благодарю....

Сообщение отредактировал udjin69 - 8.05.2014 - 20:22

[anserovtv]

Если я правильно понял, прежде всего вам нужно определиться с целевой (зависимой) переменной.
Как я понимаю, это , скорее всего, только развитие ИМ с двумя значениями: да или нет.
Тип других данных вы тоже не указали.
1) Я бы начал с анализа качества данных. Особое внимание нужно уделить взаимосвязям между переменными.
Если переменные измерены в метрической шкале, то , возможно, следует провести факторный анализ и модели анализа строить по новым переменным-факторам.
Для более глубокого понимания взаимосвязей полезно выполнить конфирматорный факторный анализ .
При этом можно образовывать вторичные факторы, использовать перекрестные индикаторы.
Можно оценить и связи между новыми факторами и др.
2) Из моделей анализа прежде всего я бы построил дерево классификации для всех данных.
Затем можно построить деревья и по вашим блокам.
С помощью данного метода также можно увидеть и взаимодействие факторов.
3) Очень удобны были бы в этой ситуации самоорганизующиеся карты Кохонена с зависимой переменной (для метрических данных).
На них можно увидеть не только принадлежность данного наблюдения к категории (кластеру),
но и как далеко или близко расположено оно от границы между категориями и др.
4) Анализ выживаемости (для ИМ или др.) возможен, если фактор времени важен и нужная информация у вас есть.
Сложные данные подразумевают и достаточно сложный анализ.

Одна из карт Кохонена.

Сообщение отредактировал anserovtv - 12.05.2014 - 11:51

Прикрепленные файлы

 карта_Кохонена.bmp ( 162,42 килобайт ) Кол-во скачиваний: 709