Tôi có một câu hỏi về phương pháp luận, và do đó không có tập dữ liệu mẫu nào được đính kèm.
Tôi đang lên kế hoạch thực hiện hồi quy Cox điều chỉnh điểm số nhằm mục đích kiểm tra xem một loại thuốc nhất định có làm giảm nguy cơ kết quả hay không. Nghiên cứu là quan sát, bao gồm 10.000 cá nhân.
Tập dữ liệu chứa 60 biến. Tôi đánh giá rằng 25 trong số này có thể ảnh hưởng đến phân bổ điều trị. Tôi sẽ không bao giờ điều chỉnh cho tất cả 25 trong số này theo hồi quy Cox, nhưng tôi đã nghe nói rằng bạn có thể bao gồm nhiều biến đó như là các yếu tố dự đoán trong một điểm số và sau đó chỉ bao gồm phân lớp điểm số và biến điều trị trong hồi quy Cox.
(các đồng biến sẽ không bằng nhau sau khi điều chỉnh điểm prop tất nhiên sẽ phải được đưa vào hồi quy Cox).
Điểm mấu chốt, có thực sự thông minh khi đưa nhiều dự đoán vào điểm số prop?
@Dimitriy V. Masterov Cảm ơn bạn đã chia sẻ những sự thật quan trọng này. Trái với những cuốn sách và bài báo đang xem xét các khung hồi quy khác, tôi không thấy bất kỳ hướng dẫn nào (đọc sách Rosenbaums) về lựa chọn mô hình trong các phân tích điểm xu hướng. Mặc dù sách giáo khoa / bài viết đánh giá tiêu chuẩn dường như luôn khuyến nghị lựa chọn biến nghiêm ngặt và giữ số lượng người dự đoán thấp, tôi vẫn chưa thấy nhiều cuộc thảo luận này trong các phân tích điểm prop. Bạn viết: (1) "Hiểu biết lý thuyết, kiến thức thể chế và nghiên cứu tốt nên hướng dẫn lựa chọn Xs". Tôi đồng ý nhưng có những trường hợp chúng tôi có sẵn một biến số và không thực sự biết (nhưng có thể là có thể) nếu biến số đó ảnh hưởng đến phân bổ điều trị hoặc kết quả. Ví dụ: tôi nên bao gồm chức năng thận, như đo bằng tốc độ lọc, trong một số điểm nhằm mục đích điều chỉnh cho điều trị bằng statin. Điều trị bằng statin không liên quan gì đến chức năng thận và tôi đã bao gồm một loạt các biến số sẽ ảnh hưởng đến việc điều trị bằng statin. Nhưng nó vẫn hấp dẫn để bao gồm chức năng thận; nó có thể điều chỉnh nhiều hơn Bây giờ một số người sẽ nói rằng nó nên được đưa vào vì nó ảnh hưởng đến kết quả, nhưng tôi có thể cho bạn một ví dụ khác (chẳng hạn như biến nhị phân thành thị / nông thôn) của một biến không ảnh hưởng đến điều trị cũng như kết quả, theo như chúng ta biết. Nhưng tôi muốn bao gồm nó, miễn là nó không ' t ảnh hưởng đến độ chính xác của điểm prop. (2)"Bao gồm các X bị ảnh hưởng bởi việc điều trị, kể cả bài đăng cũ hoặc tiền đề trước khi điều trị, sẽ làm mất hiệu lực giả định". Tôi không chắc ý của bạn ở đây. Nhưng nếu tôi nghiên cứu ảnh hưởng của statin đến kết quả tim mạch, tôi sẽ bao gồm các phép đo khác nhau về lipid máu trong điểm số của xu hướng. Lipid máu được thực hiện bằng cách điều trị. Tôi đoán tôi đã hiểu nhầm câu nói này.
@statsRus cảm ơn bạn đã chia sẻ sự thật, đặc biệt là những gì bạn gọi là "một lưu ý khi chọn đầu vào". Tôi nghĩ rằng tôi lý do nhiều như bạn làm.
Thật không may, các phương pháp điểm số thảo luận về các chiến lược điều chỉnh khác nhau thay vì các chiến lược lựa chọn mô hình. Có lẽ mô hình phù hợp là không quan trọng. Nếu đó là trường hợp, tôi sẽ điều chỉnh cho mọi biến có sẵn có thể ảnh hưởng đến kết quả và phân bổ điều trị một chút. Tôi không phải là người tĩnh, nhưng nếu sự phù hợp của mô hình không quan trọng thì tôi muốn điều chỉnh cho tất cả các biến có thể ảnh hưởng đến phân bổ và kết quả điều trị. Điều này trong nhiều trường hợp có nghĩa là bao gồm các biến sẽ được thực hiện trong điều trị.
Hơn nữa, một số người đề xuất rằng hồi quy Cox tiếp theo chỉ nên bao gồm biến điều trị và phân lớp điểm prop. Trong khi những người khác đề xuất rằng điều chỉnh cox nên bao gồm điểm prop thêm vào tất cả các biến khác mà bạn sẽ điều chỉnh.