Überlebensanalyse, Überlebenswahrscheinlichkeit (Zeit bis zum Ereignis) nicht zugänglichHintergrund: Betrachtet man einen fortschreitenden Krankheitsprozess, in den wir chirurgisch eingegriffen haben. Bei allen bis auf 2 Patienten (von 50) kam es zu einem Fortschreiten der Krankheit, während bei den übrigen zum Zeitpunkt der Nachuntersuchung (dh erfolgreiches chirurgisches Ergebnis) eine Besserung und/oder ein Stopp des Fortschreitens der Krankheit auftraten.Ich versuche, eine KM-Kurve für den Erfolg dieses chirurgischen Eingriffs in Bezug auf die Zeit zu erhalten. Mein Ziel ist es, ein aussagekräftiges Ergebnis zu liefern, das beschreibt, wie erfolgreich die Operation das Fortschreiten der Krankheit aufhält und für wie lange und mit welchem Vertrauen wir dies melden können. Ich erkenne das Fehlen einer Kontrollgruppe an, aber dies ist ein separates Gespräch und eine angeborene Begrenzung des Krankheitsprozesses, die in unserem Artikel diskutiert wird.
Derzeit habe ich meine Dateneinstellung wie folgt: Ereignis = Krankheitsverlauf. Da alle bis auf zwei Personen das Ereignis erlebten, bedeutet dies, dass die Gruppe hauptsächlich aus besteht rechtszensierte Themen. Sehr wenige gingen der Nachverfolgung verloren oder starben, aber natürlich wurden auch sie zensiert. Ist diese Einstellung richtig? Meine resultierende KM-Kurve besteht im Wesentlichen aus zwei kleinen Schritten zu Beginn der Zeitachse, gefolgt von einer flachen Linie bis zum Ende des Studienzeitraums. Es erscheint einfach seltsam, so viele rechtszensierte Themen zu haben. Gibt es eine geeignetere Möglichkeit, diese Daten darzustellen? Wenn dies tatsächlich richtig ist, möchte ich eine "Überlebenswahrscheinlichkeitsschätzung" zu bestimmten Zeitpunkten bereitstellen (dh wie hoch die Wahrscheinlichkeit ist, zum x-Zeitpunkt progressionsfrei (erfolgreiche Operation) zu sein). Bei JMP ist diese Funktion jedoch aus irgendeinem Grund ausgegraut/nicht zugänglich über das Dropdown-Menü mit dem roten Dreieck. Gibt es einen Grund dafür? Wie würde ich diese Berechnung durchführen?
DANKE FÜR JEDE HILFE!
Mac OSBetreff: Überlebensanalyse, Überlebenswahrscheinlichkeit (Zeit bis zum Ereignis) nicht zugänglichJa, deine Einstellung ist richtig. Man könnte argumentieren, dass die Patienten, die die Studie verlassen haben, gekürzte, nicht zensierte Daten darstellen.
Die beiden Schritte sind auch richtig. Die nichtparametrische Schätzung bleibt konstant, bis eine weitere exakte Lebensbeobachtung angetroffen wird.
Sie müssen ein Modell anpassen, um die Wahrscheinlichkeit über der Zeit zu erhalten. Ich empfehle ein Weibull- oder ein Log-Normalverteilungsmodell. JMP kann alle Modelle erstellen und ein Kriterium verwenden, um das beste Modell auszuwählen, aber dieser datengesteuerte Ansatz ist riskant, wenn Sie nur zwei exakte Lebensdauern haben.
Hier ist ein Beispiel. Ich habe die Datenspalte :weight in der Big Class-Datentabelle verwendet und so getan, als wären es Lebenszeitdaten. Ich habe eine Censor-Spalte mit 1 in allen außer zwei Zeilen hinzugefügt, also nur zwei genaue Lebensdauern. Ich habe Life Distribution gestartet und das Weibull-Modell und die Skalierung ausgewählt. Sie können den Verteilungsprofiler rechts verwenden, um die Ausfallwahrscheinlichkeit für eine bestimmte Zeit abzuschätzen.
Betreff: Überlebensanalyse, Überlebenswahrscheinlichkeit (Zeit bis zum Ereignis) nicht zugänglichDanke, das war unglaublich hilfreich! Anhand des Obigen konnte ich unter Verwendung des Weibull-Modells und der Skala progressionsfreie Schätzungen nach 1, 3 und 5 Jahren vornehmen.
Ich habe eine zusätzliche Frage zu diesem gleichen Datensatz. Meine Zeit bis zum Auftreten von Ereignissen kann nach Krankheitsstadium (Stadium A, B und C) gruppiert werden. Ich kann anmerken, dass sich die Verteilung der Time-to-Event-Daten basierend auf dem Logrank-Test zwischen den Gruppen nicht unterscheidet. Ein Gutachter hat darum gebeten, dass ich „den Unterschied in der Zeit bis zum Ereignis als Funktion des Stadiums mit Hazard Ratio als Effektgröße und 95 % KI um die HR für Stadium B und Stadium C berichte“. Ich persönlich interpretierte dies als Aufforderung zur Cox-Regressions-Hazard-Ratio-Analyse mit Stufe A als Referenzgruppe. Ich habe die verwendet Passen Sie proportionale Gefahren an Modul dafür und ausgewählt " Risikoverhältnis " (was auf der Grundlage einer Schnellsuche dem Hazard Ratio in JMP entspricht). Ist diese Einstellung richtig ? Wenn dies richtig ist, besteht das Hauptproblem darin, dass meine Gruppe der Stufe B keine Ereignisse hatte. Als solches erhalte ich eine HR von 0,00 und ein CI mit mindestens 5,48E-06 und maximal 3,38E+266!! Dies ist eindeutig eine degenerierte Schätzung, aber nicht sicher, ob Gibt es eine Problemumgehung oder wie würde ich diesen Wert interpretieren oder melden?Bei so wenigen Ereignissen in jeder Gruppe (n = 1 für Stufe A und n = 1 für Stufe C) erkenne ich, dass es schwierig ist, sinnvolle Schlussfolgerungen aus diesen Werten zu ziehen, aber jede Hilfe wäre sehr dankbar!
Betreff: Überlebensanalyse, Schätzungswahrscheinlichkeit des Überlebens (Zeit bis zum Ereignis) nicht zugänglich@Mark_Bailey hat mich auf diesen Thread aufmerksam gemacht. Bevor ich fortfahre, muss ich offenlegen, dass ich keine Erfahrung im medizinischen oder klinischen Bereich habe. Meine Meinung basiert auf meiner Erfahrung in einem verwandten Bereich, der Zuverlässigkeitsdatenanalyse. Hier einige Gedanken:
- Im Bereich der Zuverlässigkeitsdatenanalyse gibt es bei zwei wenigen Ereignissen zwei Ansätze, um die Situation anzugehen: (1) Erhalten einer konservativen Schätzung, was bedeutet, dass die Zuverlässigkeit (äquivalente Bezeichnung für das Überleben in einem anderen Bereich) die Wahrheit wahrscheinlich unterschätzt (2) Verwenden Sie den Bayes'schen Ansatz, um zusätzliche Informationen einzubeziehen. Aber ich glaube nicht, dass eine der beiden Optionen für Sie machbar ist, da es sich bei beiden um parametrische Ansätze in JMP handelt. KME ist ein nichtparametrisches Modell. Wenn es nichtparametrische Ansätze zur Bewältigung einiger Ereignisse im medizinischen und klinischen Bereich gibt, übersteigt das meine derzeitige Expertise.
- Das Proportional-Hazard-Modell ist ein semiparametrisches Modell. Aber wenn Sie zu wenige Veranstaltungen haben, stehen Sie vor der gleichen Schwierigkeit. Und ich glaube nicht, dass das, was JMP derzeit anbietet, dieser Herausforderung gerecht werden kann.
Bitte recherchieren Sie solche Situationen in den entsprechenden Bereichen. Wenn wir Experten zu diesem Thema in der Community haben, hoffe ich, dass sie diesen Beitrag erkennen und sich einmischen.
