생존 분석, 생존(사건까지의 시간) 추정 확률에 접근할 수 없음배경: 우리가 외과적으로 개입한 진행성 질병 과정을 살펴봅니다. 2명을 제외한 모든 환자(50명 중)는 계속해서 질병 진행을 경험한 반면, 나머지는 추적 관찰 시 질병 진행이 해결 및/또는 중단되었습니다(즉, 성공적인 수술 결과).나는 시간과 관련하여 이 외과적 개입의 성공에 대한 KM 곡선을 얻으려고 시도하고 있습니다. 제 목표는 수술이 질병 진행을 중단시키는 데 얼마나 성공적인지, 그리고 이를 보고할 수 있는 기간과 신뢰 수준을 설명하는 의미 있는 결과를 제공하는 것입니다. 나는 대조군의 부족을 인정하지만 이것은 별도의 대화이며 우리 논문에서 논의될 질병 과정의 타고난 제한입니다.
현재 데이터 설정은 다음과 같습니다. 이벤트 = 질병 진행. 2명을 제외한 모든 피험자가 사건을 경험했으므로 그룹이 주로 다음과 같이 구성되었음을 의미합니다. 오른쪽 검열 대상. 후속 조치로 길을 잃거나 사망한 사람은 거의 없었지만 물론 그들 역시 검열을 받았습니다. 이 설정이 맞습니까? 내 결과 KM 곡선은 본질적으로 연구 기간이 끝날 때까지 평평한 선이 뒤따르는 타임라인 초기에 두 개의 작은 단계입니다. 너무 많은 오른쪽 검열 대상이 있는 것이 이상하게 보입니다. 이 데이터를 나타내는 더 적절한 방법이 있습니까? 이것이 사실이라면 주어진 시점에서 "생존 확률 추정치"를 제공하고 싶습니다(즉, x 시점에서 무진행(성공적인 수술)의 확률). 그러나 JMP에서 이 기능은 어떤 이유로 인해 회색으로 표시되거나 빨간색 삼각형 드롭다운에서 액세스할 수 없습니다. 이 경우 이유가 있습니까? 그 계산을 어떻게 수행합니까?
도움을 주셔서 감사합니다!
맥 OSRe: 생존 분석, 생존(사건까지의 시간) 추정 확률에 접근할 수 없습니다.예, 설정이 정확합니다. 연구를 떠난 환자는 검열된 데이터가 아니라 잘린 데이터라고 주장할 수 있습니다.
두 단계도 정확합니다. 비모수적 추정치는 다른 정확한 수명 관찰이 발생할 때까지 일정하게 유지됩니다.
확률 대 시간을 얻으려면 모형을 적합시켜야 합니다. Weibull 또는 Log Normal 분포 모델을 권장합니다. JMP는 모든 모델을 수행하고 기준을 사용하여 최상의 모델을 선택할 수 있지만 이 데이터 기반 접근 방식은 정확한 수명이 두 개뿐인 경우 위험합니다.
다음은 예입니다. Big Class 데이터 테이블의 :weight 데이터 열을 사용하여 평생 데이터인 척했습니다. 두 행을 제외한 모든 행에 1이 포함된 Censor 열을 추가했으므로 정확한 수명은 두 개뿐입니다. Life Distribution을 시작하고 Weibull 모델과 척도를 선택했습니다. 오른쪽의 분포 프로파일러를 사용하여 주어진 시간 동안의 실패 확률을 추정할 수 있습니다.
Re: 생존 분석, 생존(사건까지의 시간) 추정 확률에 접근할 수 없습니다.감사합니다. 정말 도움이 많이 되었어요! 위의 내용을 사용하여 Weibull 모델 및 척도를 사용하여 1년, 3년 및 5년에 무진행 추정치를 제공할 수 있었습니다.
동일한 데이터 세트에 대해 추가 질문이 있습니다. My time to event 데이터는 질병 단계(A, B 및 C 단계)별로 그룹화할 수 있습니다. 이벤트 데이터까지의 시간 분포가 logrank 테스트를 기반으로 그룹 간에 다르지 않았다는 점을 언급할 수 있습니다. 한 리뷰어가 "B단계와 C단계에 대한 HR 주변의 효과 크기 및 95% CI로 위험 비율을 사용하여 단계의 함수로 이벤트까지 시간의 차이를 보고"하도록 요청했습니다. 개인적으로 A단계를 기준군으로 콕스회귀위험비분석 의뢰로 해석했습니다. 나는 비례 위험 적합 이를 위한 모듈 및 선택된 " 위험 비율 "(빠른 검색을 기반으로 JMP의 위험 비율과 동일). 이 설정이 맞습니까 ? 이것이 맞다면 주요 문제는 내 Stage B 그룹에 이벤트가 없다는 것입니다. 따라서 HR은 0.00이고 CI는 최소 5.48E-06, 최대 3.38E+266입니다!! 분명히 이것은 타락한 추정치이지만 확실하지 않습니다. 해결 방법이나 이 값을 해석하거나 보고하는 방법은 무엇입니까?각 그룹의 이벤트가 너무 적기 때문에(A단계의 경우 n=1, C단계의 경우 n=1) 이러한 값에서 의미 있는 결론을 도출하기 어렵다는 것을 알고 있지만 도움을 주시면 감사하겠습니다!
답: 생존 분석, 생존(사건까지의 시간) 추정 확률에 접근할 수 없습니다.@Mark_Bailey가 이 스레드에 관심을 가져왔습니다. 계속하기 전에 의료 또는 임상 분야에 경험이 없다는 점을 공개해야 합니다. 내 의견은 관련 분야, 신뢰성 데이터 분석에서의 경험을 바탕으로 작성되었습니다. 다음은 몇 가지 생각입니다.
- 신뢰도 데이터 분석 분야에서 두 가지 적은 사건이 있는 경우 상황을 해결하기 위한 두 가지 접근 방식이 있습니다. (1) 신뢰도(다른 분야의 생존에 해당하는 이름)가 진실을 과소평가할 가능성이 있음을 의미하는 보수적인 추정치를 얻습니다. (2) 추가 정보를 통합하기 위해 베이지안 접근 방식을 사용합니다. 하지만 둘 다 JMP의 매개변수적 접근 방식이기 때문에 두 가지 옵션 중 어느 것도 실현 가능하지 않다고 생각합니다. KME는 비모수적 모델입니다. 의료 및 임상 분야에서 소수의 사건을 해결하기 위한 비모수적 접근 방식이 있다면 이는 현재 내 전문 지식을 넘어서는 것입니다.
- 비례 위험 모델은 반모수적 모델입니다. 그러나 이벤트가 너무 적으면 동일한 어려움에 직면하게 됩니다. 그리고 현재 JMP가 제공하는 것이 이러한 문제를 해결할 수 있을지 모르겠습니다.
관련 분야에서 이와 같은 상황에 대한 연구를 진행해 주시기 바랍니다. 커뮤니티에 이 주제에 대한 전문가가 있다면 그들이 이 게시물을 발견하고 참여할 수 있기를 바랍니다.
