Ich habe zwei verschiedene Patientenpopulationen (Virusinfektion Typ 1 und Virusinfektion Typ 2) mit einer spezifischen Behandlung im Hinblick auf das Ergebnis verglichen und analysiert.
Kaplan Meier zeigte zwischen diesen Gruppen keinen Unterschied – was gut ist – und kann daher die Aussage treffen, dass das unbereinigte Überleben zwischen beiden Gruppen gleich ist.
Es scheint jedoch, dass eine Gruppe (z. B. Virusinfektion Typ 1) „kranker“ ist, indem sie in den Krankheitsprozess eintritt, indem sie entweder älter ist (als kontinuierliche Variable) oder mehr oder andere Komorbiditäten hat als die Population Virusinfektion Typ 2 . Ich habe diese Unterschiede in der bereits bestehenden Population durch univariate Analyse (logistische Regression und Chi-Quadrat abhängig von) identifiziert.
Ich möchte a priori anpassen, bevor ich eine Kaplan-Meier-Analyse durchführe, um zu sehen, ob diese Population (Virustyp-Infektion 1), wenn ich diese Risikofaktoren angepasst habe, dieser Patient tatsächlich einen relativen Überlebensvorteil hat? Oder anders gesagt - ich möchte das Risiko zB für fortgeschrittenes Alter anpassen und komme zu dem Schluss - wie sich gezeigt hat, dass die Überlebenschancen gleich sind?!
Vielen Dank, sehr zeitnahe und wichtige Analyse. Marc
@Byron_JMP gibt Ihnen gute Ratschläge, aber ich frage, warum müssen Sie sich zuerst anpassen? Können Sie kein Modell verwenden (z. B. proportionales Risiko) und die Kovariaten als feste Effekte einbeziehen?
Die Kaplan-Meier-Schätzung ist immer gültig, liefert aber meistens einfache Vergleiche (dh Gruppentests).
So etwas wie in diesen Methoden beschrieben - bitte siehe Anhang.
Es hört sich fast so an, als wären Sie daran interessiert, eine nichtparametrische Gefahrenanalyse durchzuführen, damit Sie die Wirkung jeder der Kovariaten sehen können?>
