No último inverno, eu ensinei o curso avançado de análise de dados de sobrevivência dos programas de epidemiologia da Universidade de Laval (EPM-8007 – Advanced Statistical Modeling Concepts II). A maioria dos conceitos associada à análise deste tipo de dados já se familiarizou para mim, mas devo admitir que tive que aprofundar meu conhecimento de certas noções para poder ensiná-los bem. Uma dessas noções é a análise de riscos competitivos ou riscos concorrentes. Através deste texto curto, eu te digo o que aprendi sobre o assunto.

primeiro, o que é um risco competitivo? Na análise de sobrevivência, o conceito de riscos competitivos é definido como a situação em que outro evento ocorre e se opõe à ocorrência do evento estudado ou basicamente alterar a probabilidade de ocorrência do evento de interesse. Por exemplo, se estamos interessados na ocorrência de um evento cardiovascular, a morte por uma causa não-cardiovascular seria um risco competitivo para o evento de juros.

Existem várias abordagens para analisar. Os tempos Do caso de interesse na presença de riscos competitivos, os dois principais são:

– use um modelo cox comum e considere os tempos de ocorrência do evento de juros como censurado à direita no momento da ocorrência de um risco competitivo;

– Use a abordagem fina e cinza (fine JP e Gray RJ, 1999).

Modelo Cox com censores à direita de riscos competitivos

Conceitualmente, a primeira abordagem é muito simples. É simplesmente fazer como se os indivíduos para quem o risco competitivo ocorrer ainda estavam em risco do evento de juros. A hora anterior à ocorrência do evento de juros é considerada censorada no momento da ocorrência de risco competitivo, porque não sabemos o que teria sido o momento exato da ocorrência do evento do evento. Interesse. Sabe-se somente que desta vez é maior do que isso antes da ocorrência de risco competitivo.

Contrariamente ao que às vezes é transmitido, essa maneira de fazer as coisas não está necessariamente incorreta. Em particular, os valores exponenciais dos parâmetros de tal modelo COX podem ser interpretados como “rácios de risco específicos de causa”, que eu iria traduzir em francês como relatórios de taxa instantânea específicos do caso de juros, sem a hipótese adicional (Bakoyannis G. e Touloumi G., 2012). Essa quantidade representa a taxa de taxa da ocorrência do evento de juros por um momento infinitamente aquém entre os assuntos que não têm o evento de juros nem o risco competitivo (Austin, P. C et al., 2016). Um dos principais limites dessa abordagem é que ele não permite um elo direto com a incidência do evento de interesse (Austin P. C. e J. P., 2017). De fato, pode, por exemplo, ocorrer onde uma covariada não está associada à taxa instantânea do evento de interesse, enquanto está associado a uma redução na sua incidência (Austin, P. C et al.., 2016). Tal situação poderia ocorrer porque a coviável seria associada a um aumento na ocorrência de risco competitivo, que ajudaria indiretamente a reduzir a ocorrência do evento de juros (Austin, P. C et al., 2016). Um segundo limite para o uso do modelo COX com censores à direita de riscos competitivos é que essa abordagem não estimar adequadamente as curvas de incidência cumulativa (Bakoyannis G. e Touloumi G, 2012).

Modelo Fino e Cinzento / P>

A abordagem fina e cinza ignora esses limites, concentrando-se em uma taxa de evento diretamente relacionada à incidência do evento de juros. Conceitualmente, esta abordagem visa calcular a taxa de juros de juros por um momento infinitamente aquém entre as pessoas que não tiveram o evento de juros, bem como aqueles que tiveram risco competitivo e ainda foram seguidos se não tivessem tido o interesse de interesse. Em outras palavras, as pessoas que tiveram risco competitivo são consideradas se ainda fossem prováveis de ter o evento de interesse por um certo período de tempo, correspondendo ao tempo de acompanhamento que eles teriam permanecido na ausência de evento. No entanto, sabemos que essas pessoas não estão realmente em risco do evento de juros e, portanto, nenhum evento ocorre neles. Segue uma interpretação dos parâmetros do modelo que podem ser percebidos como não intuitivos (Austin, PC e multa, JP, 2017).

Apesar dessa desvantagem, o modelo de fino e cinza tem a vantagem de fazer um link direto com a incidência do evento de juros.Se um covariado estiver positivamente associado à taxa estimada pelo modelo fino e cinza, pode ser deduzido que esta coviável também esteja positivamente associada à incidência, embora não seja possível determinar diretamente a amplitude da última associação. (Austin, P. C et al., 2016, Austin, PC e multa, JP, 2017). Além disso, o modelo fino e cinza torna possível estimar corretamente a função de incidência cumulativa.

Então, que abordagem para escolher analisar dados de sobrevivência na presença de riscos competitivos? A resposta a esta pergunta não é simples. Austin et al. (2016) Forneça as seguintes recomendações:

  • Se o objetivo da análise é estimar o efeito de uma exposição ou covariates na ocorrência do evento de juros, o modelo COX com censores à direita de riscos competitivos é ser preferido devido à interpretação mais intuitiva dos parâmetros do modelo.
  • Se o objetivo da análise é estimar uma função D incidência cumulativa, uma incidência ou elaborada um preditivo (prognóstico O modelo, então o modelo fino e cinza é preferível.

Em determinadas circunstâncias, ambos os modelos também podem ser considerados para fornecer informações adicionais. Esta recomendação é a de Latouche et al. (2013) que enfatiza que uma compreensão completa da dinâmica dos eventos requer o uso de ambos os modelos simultaneamente.

Como uma conclusão, é importante notar que, embora as duas abordagens. Apresentadas aqui estão entre as mais Popular, eles não são os únicos que são usados. Algumas abordagens ad hoc inválidas são muitas vezes encontradas, por exemplo, excluem as pessoas de análise que tiveram risco competitivo (Brock et al., 2011). Modelos multi-estados representam uma alternativa relevante, embora mais complexa, para obter uma visão geral da dinâmica de diferentes tipos de eventos. Uma revisão desse tipo de modelo é realizada por putter et al. (2007).

denis talbot

referências:

  1. austin, p. c., e multa, J. (2017). Recomendações práticas para relatar multa? Análise de modelo cinza para concorrentes de dados de risco. Estatísticas em medicina, 36 (27), 4391-4400.
  1. Austin, P. C., Lee, D. S., E Tudo, J. P. (2016). Introdução à análise dos dados de sobrevivência na presença de riscos concorrentes. Circulação, 133 (6), 601-609.
  1. bakoyannis, G. e Touloumi, G. (2012). Métodos práticos para concorrentes de dados de riscos: uma revisão. Métodos estatísticos em pesquisa médica, 21 (3), 257-272
  1. brock, G. N., Barnes, C., Ramirez, J. A. e Myers, J. (2011). Como lidar com a mortalidade ao investigar o comprimento da estadia hospitalar e a estabilidade clínica. BMC Médica

Metodologia de pesquisa, 11 (1), 144.

  1. fina, J. e Gray, R. J. (1999). Um modelo de risco proporcional para a subdistribuição de um risco concorrente. Jornal da Associação Estatística Americana, 94 (446), 496-509.
  1. Latouche, A., Allignol, A., Beyersmann, J., Labopin, M. e Tudo bem, JP (2013). Uma análise de concorrência deve relatar resultados em todos os riscos específicos da causa e cumulativos

Funções de impacto. Jornal de epidemiologia clínica, 66 (6), 648-653.

  1. putter, H., Fiocco, M. e Geskus, R. (2007). Tutorial em Bioestatística: Risks concorrentes e modelos multi-state. Estatísticas na medicina, 26 (11), 2389-2430.

Nós falamos sobre um risco semi-competitivo quando a ocorrência de um dos eventos impede a outra, mas que esta relação não é recíproca. Por exemplo, a ocorrência de um evento cardiovascular não avisa a ocorrência da morte. Por conseguinte, pode-se dizer que estar na presença de riscos semi-competitivos. Esta terminologia, no entanto, parece-me muito frequentemente usado.

(retornar ao índice)

Compartilhar

Leave a comment

O seu endereço de email não será publicado. Campos obrigatórios marcados com *