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!

[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.