Допустимая доля цензурированных наблюдений в анализе выживаемости, а что если 100%? Опции

[nokh]

Идеальные данные для анализа выживаемости - когда точно известно сколько человек прожил, например, после операции и когда умер. В этом случае цензурированных наблюдений нет. Другой крайний случай - когда все наблюдения цензурированные и дальнейшая судьба пациентов неизвестна. Например один прожил больше года, другой - больше трех. В этом случае может оказаться, что больше года - это 5, а больше трех - это 4. Поэтому, насколько я понимаю, сравнить выживаемость в двух группах где все наблюдения цензурированные невозможно в принципе. А какова допустимая доля цензурированных наблюдений в выборке? Существуют ли какие-то обоснованные или негласные правила? Полазил в и-нете, заглянул в книжки - пока ответа не нашел, хотя везде рассматриваются примеры где полные данные заметно преобладают над цензурированными. Или может считать цензурированными только точно живых на момент анализа, а всех потерявшихся считать умершими в интервале между двумя осмотрами, как прочитал в одной статье?

[DrgLena]

«Как вы это проделываете?»
Да также как и все, кроме тех, кто стандартизирует HR. Мне не удалось найти ни одной публикации, где бы были представлены стандартизироавнные HR.
Кокс регрессия анализирует влияние фактора против альтернативы (отсутствие фактора), для бинарной переменной это понятно. Например мужской пол относительно женского при УМ HR=1,15 ( «м» versus «ж»)
Если у нас номинальная переменная имеет, например 5 градаций (клеточный тип УМ ), и вы хотите проанализировать, какие из них более благоприятные (веретеноклеточный А и АБ), а какие более зловредные (Б, смешанные и эпителиоидные). Кривые К-М это показывают. Поэтому, я либо могу объединить Б и неверетеноклеточные и оценить их относительно альтернативы (веретеноклеточный А и АБ), т е анализировать бинарную переменную, либо выбрать любую градацию этой переменной и альтернативу ей. Например, эпителиоидные по сравнению с любыми другими, или конкретно с А. Если в модель включены количественные переменные, например возраст при постановке диагноза, то его вклад в выживаемость тоже может быть значимым. Причем, все публикации по УМ дают для возраста примерно одинаковое значение HR=1,03, для выстояния опухоли также примерно одинаковые значения 1,05. И мы уже обсудили, что это значит. Но HR для веретеноклеточного АБ по сравнению с А =1,7, а эпителиоидный (versus А) =2,77. Т.е. модель дает мне возможность оценить независимое влияние каждой переменной на выживаемость, а не сравнивать разные переменные по степени вклада между собой. Мне не нужно сравнивать, что хуже быть мужчиной или женщиной, но с опухолью на 3 мм выше. А если в модель входит метод лечения например химия, хирургия и их сочетание, то вы сами выбираете альтернативу, например хирургия относительно сочетания или химия относительно сочетания.
Понять, зачем стандартизировать HR , я так и не смогла. Вот, если бы у нас были только количественные предикторы, то мы бы стандартизировали эти переменные и с ними работали.

[плав]

«Как вы это проделываете?»
Да также как и все, кроме тех, кто стандартизирует HR. Мне не удалось найти ни одной публикации, где бы были представлены стандартизироавнные HR.
...
Понять, зачем стандартизировать HR , я так и не смогла. Вот, если бы у нас были только количественные предикторы, то мы бы стандартизировали эти переменные и с ними работали.

Очень просто - для того, чтобы сравнивать силу действия факторов риска. Представьте себе, что у Вас два фактора риска - курение (HR=2.4) и уровень АД (HR=1.06). Какой из этих факторов сильнее? Курение? (HR больше). Нет. Артериальное давление.
Очевидно, что HR рассчитывает рост риска при изменении фактора риска на одну единицу. Соответственно в примере выше сравнивается переход между категориями (курит-не курит) и ростом АД на 1 мм.рт.ст. Несравнивнимые показатели.
Что же делать? Используется стандартизованное распределение, которое не имеет размерности. Стандартизованное распределение (классический пример - стандартизованное нормальное N(0,1)) измеряет все в долях стандартного отклонения. Поскольку мы уходим от несравнимы единиц, теперь HR можно сравнивать друг с другом (можно спорить, что стандартизация по SD не очень хороша, можно использовать стандартизацию по IQR). Однако путем простого фокуса - рассчета HR не на единицу, а на стандартное отклонение получаем в случае курения (предположим, курит 50%) получаем HR=1.55, а для артериального давления (SD=20) HR=3.21. Соответственно, значимость АД, как фактора риска, в данной популяции значительно выше.
(на самом деле часто используются именно стандартизованные HR, просто это отмечается мелким шрифтом в примечании к таблице, типа HR рассчитаны на 1 SD)