Чи завжди змінний X (небезпека) при аналізі пропорційної регресії небезпеки Кокса повинен бути часом? Якщо ні, чи можете ви надати приклад?
Чи може вік хворого на рак бути змінною небезпекою? Якщо так, то чи можна це трактувати як ризик захворіти на рак у певному віці? Чи була б регресія Кокса законним аналізом для вивчення зв'язку між експресією генів та віком?
Відповіді:
Зазвичай вік на початковому рівні використовується як коваріат (тому що він часто асоціюється з хворобою / смертю), але він може бути використаний і як масштаб часу (я думаю, він використовується в деяких довготривалих дослідженнях, тому що вам потрібно мати достатню кількість люди ризикують за часовою шкалою, але я не можу згадати насправді - я просто знайшов ці слайди про аналіз когортних досліджень, припускаючи безперервну шкалу часу, яка говорить про когортні дослідження). У тлумаченні слід замінити час події віком, і ви можете включити вік при діагностиці як коваріат. Це мало б сенс, коли ви вивчаєте вікову смертність певного захворювання (як показано на цих слайдах) ).
Можливо, ця стаття є цікавою, оскільки вона протиставляє два підходи, час вивчення та хронологічний вік: часові шкали в моделі Кокса: вплив змінності серед періодів на оцінку коефіцієнтів . Ось ще один документ:
Cheung, YB, Gao, F і Khoo, KS (2003). Вік при діагностиці та вибір методів аналізу виживання в епідеміології раку . Журнал клінічної епідеміології , 56 (1), 38-43.
Але папери, безумовно, є кращими.
Ні, це не завжди має час. Багато цензурованих відповідей можна змоделювати за допомогою методів аналізу виживання. У своїй книзі " Невизначені дані та аналіз даних" Денніс Гельсель виступає за використання негативу концентрації на місці часу (для того, щоб впоратися з невідповідниками, які при запереченні стають правоцензурованими значеннями). Синопсис доступна на веб - сайті (формат PDF) і пакет R, NADA , реалізує це.
Що стосується питання вікової та часової шкали, chl має кілька хороших посилань та відображає найважливіші аспекти - зокрема, вимогу, щоб набір ризику містив достатню кількість предметів усіх віків, як це виникне при поздовжньому дослідженні.
Я хотів би лише зазначити, що щодо цього поки що немає загальної консенсуси, але є певна література, яка дозволяє припустити, що вік слід віддати перевагу часовій шкалі в певних випадках. Зокрема, якщо у вас виникає ситуація, коли час не накопичується однаково для всіх суб'єктів, наприклад, через вплив якогось токсичного матеріалу, то вік може бути більш підходящим.
З іншого боку, ви можете обробляти цей конкретний приклад на часовій моделі Cox PH, використовуючи вік як коваріат, що змінюється за часом, а не фіксований коваріат у момент початку. Вам потрібно подумати про механізм, що стоїть за вашим об'єктом дослідження, щоб зрозуміти, який часовий масштаб є більш підходящим. Іноді варто пристосувати обидві моделі до існуючих даних, щоб побачити, чи виникають розбіжності, і як вони можуть бути пояснені перед розробкою нового дослідження.
Нарешті, очевидна різниця в аналізі цих двох полягає в тому, що у віковій масштабі інтерпретація виживання є відносно абсолютної шкали (віку), тоді як у часовій шкалі - це відносно дати початку / дати дослідження .
На прохання ОП, тут є ще одне додаток. Я бачив, що аналіз виживання, що використовується в просторовому контексті (хоча, очевидно, відрізняється від вимірювання речовин навколишнього середовища, про які йдеться у білі), моделює відстань між подіями в космосі. Ось один приклад у кримінології, а ось такий - в епідеміології .
Міркування, що використовують аналіз виживання для вимірювання відстані між подіями, не означає, що це стосується цензури (хоча цензура може бути визначено в просторовому контексті), а тим більше через аналогічні розподіли часу між характеристиками подій та відстані між подіями. характеристики (тобто вони обидва мають схожі типи структур помилок (часто розпад відстані), які порушують OLS, і тому непараметричні рішення ідеальні для обох).
Через мою погану практику цитування мені довелося витратити й годину на пошук правильного посилання / посилання на посилання вище.
Для прикладу в кримінології,
Кікучі, Джордж, Мамору Амемія, Томонорі Сайто, Такахіто Шимада та Ютака Харада. 2010. Просторово-часовий аналіз майже повторної віктимізації в Японії . 8-а Національна конференція з картографування Інститут кримінальної науки Джил Дандо. PDF-файл доступний на веб-сторінці, на яку посилаються.
В епідеміології,
Читач, Стівен. 2000. Використання аналізу виживання для вивчення просторових точкових моделей у географічній епідеміології. Суспільство та медицина 50 (7-8): 985-1000.