Тенденції рівня виживання в дослідженнях контрольного випадку

Я подав статтю, яку відхилили через неправильний спосіб аналізу аналізу виживання. Суддя не залишив інших деталей та пояснень, крім: "Аналіз виживання часових тенденцій вимагає більш складних способів цензури".

Питання:

Чи зменшився зайвий ризик смерті серед курців за останні десятиліття?

Дані:

25 000 курців у Німеччині. Вони були зараховані до когорти в будь-який час між 1995 та 2014 роками. Кожен курця підходив (на момент зарахування) до статі та віку, який відповідав загальним групам населення (які не палили). Я маю точний час смерті для всіх, хто помер протягом усього періоду дослідження. Ті, хто не загинув під час спостереження, будуть піддані цензурі. Дослідження розроблено для вивчення надмірного ризику смерті серед курців щороку з 1995 по 2014 рік.

Метою є розрахунок:

• Коефіцієнти смертності серед курців та некурящих щороку та вивчають ці тенденції
• надлишковий ризик смерті серед курців, щороку (або період у кілька років поспіль).

Як слід аналізувати дані? Нагадаємо, хтось, хто включений у 1998 р., Може померти у 2015 році. Чи правильний підхід використовувати формат підрахунку процесів із запуском та зупинкою, що оновлюється на кожен рік?

Це такий підхід, який суддя не любив:

Рівень захворюваності розраховувався за допомогою регресії Пуассона. Ми включили час спостереження як компенсацію в модель і включили вік, стать, статус куріння та календарний період (поєднуючи два роки поспіль) в якості прогнозів у моделі. Потім ставки були розраховані на 1000 чоловік років за допомогою функції прогнозування () Р. Зсув (час спостереження) становив осіб, весь час спостереження (днів) від зарахування.

Модель Кокса була використана для оцінки відносного ризику для курців кожного періоду від початку до кінця дослідження. Для простоти ми порівняли коефіцієнт небезпеки в першому періоді з коефіцієнтом небезпеки в кінцевому періоді.

Проблеми: - людина (разом з її контролем) може бути включена в 1998 році і, таким чином, належить до цієї групи календарів, але зазнає події в 2006 році. - Як слід викладати дані для аналізу регресії Пуассона та Кокса? Процес підрахунку кокса? Який час початку та зупинки? - Як можна оцінити тенденції в цій ситуації?

Деякі роз’яснення: Скажімо, пацієнт спочатку спостерігається 15 червня 1998 року і стався 31 грудня 1998 року. Для нашого пацієнта значення для цієї змінної часу становить 182,5 із 730 можливих днів, оскільки період часу складається з двох наступних років. Максимальна кількість спостережуваного часу в кожному часовому періоді - 730 днів.

Коли пацієнта спостерігають за один часовий період, але піддають цензурі (тобто або переживають події, або відмовилися) в іншому часовому періоді, чи слід додавати кількість спостережуваних днів до наступного періоду часу чи що?

Таким чином, основною проблемою є обробка часу спостереження та календарного року (який використовується як категоріальна змінна, що складається з двох років поспіль).

З усього вищесказаного є кілька можливостей для моделі Кокса:

1. Окремі моделі для кожного часу : використовуйте по одному спостереженню для кожної людини; обчислити час спостереження (з урахуванням того, коли цензура / смерть настала під час спостереження), а потім обчислити коефіцієнт небезпеки кожного періоду. Потім безпосередньо порівняйте коефіцієнти небезпеки.

2. ПІДРАЗНІТЬСЯ СПРАВЕДЛИВУЮЧУ ЗМІНУ НА небезпеку у курців та некурящих окремо : одне спостереження на людину; обчислюють час спостереження (незалежно від того, коли відбувається цензура / подія), а потім використовують усіх пацієнтів (з 1995 по 2014 рр.) у моделі, використовують період часу як категоричну змінну і встановлюють один із періодів як опорне значення.

   3. ФОРМУЛЯЦІЯ ПРОЦЕСУ ОБЛІКУВАННЯ : це звучить привабливо, але я не впевнений, як використовувати час виживання, інтервали початку зупинки та календарний рік.

Хоча небезпечно занадто багато читати у виразних коментарях рецензента, я б здогадався, що заперечення стосується того, чи є цензура інформативною.

Інтерпретація моделей виживання, як правило, ґрунтується на припущенні, що індивідуальна цензура в момент часу є репрезентативною для всіх суб'єктів, які вижили до часу після вступу в дослідження. (Формулювання, адаптоване з цього вступу до аналізу виживання.) Тоді цензура неінформативна.$T$$T$

Однак у вашому аналізі піддавали цензурі ті, хто вижив до 2014 року. Якщо ви вважаєте, що за останні 20 років змінився надмірний ризик смерті внаслідок куріння (або навіть якщо були паралельні зміни рівня смертності для обох груп), тоді ці цензуровані особи можуть не бути представниками тих, хто вижив за один і той же час, але вступили в дослідження раніше. Згідно з вашою гіпотезою, цензура може бути інформативною.

Можливо, що деталі дизайну вашого аналізу уникали цієї проблеми, але це було не ясно в рукописі, як розглядається. А може, рецензент не сподобався дослідженню з якихось додаткових причин і виявив, що це спосіб відхилити його, що редактор не ставить під сумнів. Тим не менш, це здається потенційним запереченням щодо того, як ви проаналізували ці дані, і вам слід переконатися, що з ними правильно поводиться. (Це виходить за рамки мого особистого досвіду; інші на цьому веб-сайті можуть мати вказівки щодо того, як діяти. Більш точний заголовок цього питання з більш детальною інформацією про дизайн та аналіз дослідження може отримати більш корисні відповіді.)

З вашого запитання та уточнюючого коментаря мені незрозуміло, що аналізи Кокса додають нічого корисного для простого моделювання показників смертності на рік (або понад 2-річні інтервали). Крім того, здається, ваша гіпотеза передбачає, що небезпека не пропорційна в часі між некурящими та курцями, основою стандартних аналізів Кокса. Якщо вас цікавить різниця показників смертності між курцями та некурящими в залежності від календарного року, це найпростіший захід для моделювання (хоча, можливо, вам доведеться враховувати передбачуване збагачення некурящих у вашому дослідницькому зразку як гинуть їх відповідні куріння колеги).