Як найкраще проаналізувати дані про тривалість перебування у лікарні на РКЗ?

Мені цікаво дізнатися, чи існує консенсус щодо оптимального способу аналізу даних про тривалість перебування в лікарні (ЛОС) від РКП. Зазвичай це дуже правильне перекошене розподіл, при якому більшість пацієнтів виписуються протягом кількох днів до тижня, але решта пацієнтів мають досить непередбачуване (а іноді і досить тривале) перебування, яке утворює правий хвіст розподілу.

Варіанти аналізу включають:

• t тест (передбачається нормальність, яка, ймовірно, не існує)
• Тест Манна Вітні U
• тест на вхід
• Моделювання пропорційної небезпеки Кокса при розподілі групи

Чи має будь-який із цих методів демонстративно вищу силу?

Я фактично берусь за проект, який робить саме це, хоча із спостережливими, а не клінічними даними. Мої думки полягають у тому, що через незвичну форму більшості даних про перебування та дійсно добре охарактеризовану шкалу часу (ви по суті знаєте і походження, і час виїзду), питання справді добре підходить для аналізу виживання. Три варіанти, які слід врахувати:

• Моделі пропорційної небезпеки Кокса, як ви запропонували, для порівняння між лікуванням та опроміненими руками.
• Прямі криві Каплана-Мейєра, використовуючи логічний рейтинг або один з інших тестів, щоб вивчити відмінності між ними. Мігель Ернан стверджував, що це насправді кращий метод, який слід використовувати у багатьох випадках, оскільки він не обов'язково передбачає постійний коефіцієнт небезпеки. Оскільки ви пройшли клінічне випробування, складність створення кривих Каваплана-Мейєра, скоригованої на коваріат, не повинна бути проблемою, але навіть якщо є деякі залишкові змінні, які ви хочете контролювати, це можна зробити з оберненою ймовірністю -обробка ваг.
• Параметричні моделі виживання. Правда, використовуються рідше, але в моєму випадку мені потрібна параметрична оцінка основної небезпеки, тому це справді єдиний шлях. Я б не пропонував стрибати прямо з використанням узагальненої моделі гамми. Працювати з чимось болем - я б спробував прості експоненціалі, Weibull та Log-Normal і побачив, чи хтось із них припустимо підходить.

Я віддаю перевагу моделі пропорційної небезпеки Кокса, яка також вирішить цензурну тривалість перебування (смерть до успішного виписки з лікарні). Відповідну роздачу можна знайти на http://biostat.mc.vanderbilt.edu/wiki/pub/Main/FHHandouts/slide.pdf з кодом тут: http://biostat.mc.vanderbilt.edu/wiki/pub/ Головна / FHHandouts / model.s

Я рекомендую тест реєстрації для тестування на відмінності між групами та для кожної незалежної змінної. Можливо, вам потрібно буде налаштувати декілька змінних (принаймні для тих, що значущі в тесті входу) у моделі пропорційної небезпеки Кокса. Гамма-узагальнена модель (параметрична) може стати альтернативою Коксу, якщо вам знадобиться оцінка базового ризику (небезпеки).

смерть - змагальна подія з розрядкою. Цензура загиблих не була б цензурою випадкових даних про відсутність. Вивчення кумулятивної захворюваності на смерть та виписку та порівняння небезпек для розподілу може бути більш доцільним.