Регрессионный анализ Кокса. Как работать с количественными переменными? Опции

[EkaterinaN]

Доброй ночи. Подскажите, пожалуйста, для включения в однофакторный регрессионный анализ Кокса количественной переменной с целью изучения влияния на исход (выборка=229 больных, из них 15 больных с исходом), как лучше поступить:
1. Преобразовать в дихотомическую, используя медиану;
2. Преобразовать в дихотомическую, используя общепринятый cut-off;
3. Преобразовать в дихотомическую, используя cut-off, полученный с помощью ROC-анализа (практически не используется в исследованиях по моей специальности)
3. Провести однофакторный и многофакторный (в случае достоверного влияния) анализы используя количественный ряд и далее определить cut-off:
- с помощью ROC-кривой (также, мало где видела);
- использовать медиану для преобразования в дихотомическую и повторить многофакторный анализ (встречается в других работах)?

Сообщение отредактировал EkaterinaN - 22.04.2020 - 02:00

[Игорь]

Недостаточная и противоречивая информация - отсюда и повод для шуток. Опишите Ваши данные (естественно, без раскрытия конфиденциальных сведений) и сообщите, какой результат Вы хотите получить. Только после этого можно предложить метод решения и, возможно, программное обеспечение.

Сообщение отредактировал Игорь - 31.10.2022 - 18:04

["Наташа"]

Недостаточная и противоречивая информация - отсюда и повод для шуток. Опишите Ваши данные (естественно, без раскрытия конфиденциальных сведений) и сообщите, какой результат Вы хотите получить. Только после этого можно предложить метод решения и, возможно, программное обеспечение.

У меня есть количественная переменная (параметр метаболической активности), есть исход (рецидив), который с этим параметром должен бы быть связан. Мой руководитель, вдохновленный абсолютно всеми статьями на эту тему, хочет получить модель с удобоваримым AUCом и желательно еще с оптимальной пороговой величиной, призванной прогнозировать вероятность рецидива со всеми Ч И С))
Но дело обстоит так, что пациентов группы случая достаточно мало, и значимой разницы в группах у этого параметра пока нет.
Но для этого же параметра в уравнении Кокса коэффициент оказался знаичимый. Исход тот же- рецидив. Вот мой вопрос наверное даже так корректней (ну или вообще еще хуже)) Уж извините!))
Вот при отсутствии значимого различия по этому параметру между группами (рецидив/без рецидива) возможно ли то что в уравнении регрессии (мы оцениваем вероятность рецидива) этот фактор будет значимый?

[Игорь]

У меня есть количественная переменная (параметр метаболической активности), есть исход (рецидив), который с этим параметром должен бы быть связан. Мой руководитель, вдохновленный абсолютно всеми статьями на эту тему, хочет получить модель с удобоваримым AUCом и желательно еще с оптимальной пороговой величиной, призванной прогнозировать вероятность рецидива со всеми Ч И С))
Но дело обстоит так, что пациентов группы случая достаточно мало, и значимой разницы в группах у этого параметра пока нет.
Но для этого же параметра в уравнении Кокса коэффициент оказался знаичимый. Исход тот же- рецидив. Вот мой вопрос наверное даже так корректней (ну или вообще еще хуже)) Уж извините!))
Вот при отсутствии значимого различия по этому параметру между группами (рецидив/без рецидива) возможно ли то что в уравнении регрессии (мы оцениваем вероятность рецидива) этот фактор будет значимый?

Действуем следующим образом.
1. Исходные данные - длительности, индикаторы цензурирования и матрица ковариат.
2. Строим модель пропорциональных рисков Кокса. На данном этапе контролируется значимость предикторов.
3. Если нужен прогноз, строим регрессию Кокса (в источниках может называться подбором распределения длительностей). Отметим, что под "регрессией Кокса" может пониматься любая из регрессий, применяемых в анализе данных типа времени жизни и удовлетворительно описывающая эти данные. Используем полученные на данном и предыдущем шагах результаты для прогноза по конкретному пациенту.

Теперь о ROC анализе. Это - алгоритм оценки качества модели, предполагающей бинарные исходы. Как и нужно ли его применять в рассматриваемой задаче, у меня нет идей (разве что использовать индикаторы цензурирования в качестве исходов, но куда тогда "пристроить" длительности - а это основной момент в анализе данных типа времени жизни). Пользуйтесь оценками значимости, полученными при решении модели Кокса.

Сообщение отредактировал Игорь - 2.11.2022 - 07:44