Xu hướng tỷ lệ sống trong nghiên cứu bệnh chứng

Tôi đã gửi một bài báo bị từ chối do cách thực hiện phân tích sinh tồn không đúng. Trọng tài không để lại bất kỳ chi tiết hay giải thích nào khác ngoài: "phân tích sinh tồn theo xu hướng thời gian đòi hỏi những cách kiểm duyệt tinh vi hơn".

Câu hỏi:

Có nguy cơ tử vong quá mức ở những người hút thuốc đã giảm trong những thập kỷ qua?

Dữ liệu:

25.000 người hút thuốc ở Đức. Họ đã được ghi danh vào đoàn hệ bất cứ lúc nào trong khoảng thời gian từ năm 1995 đến 2014. Mỗi người hút thuốc đã được kết hợp (tại thời điểm ghi danh) với sự kiểm soát phù hợp với giới tính và độ tuổi từ dân số nói chung (những người không hút thuốc). Tôi có thời gian chết chính xác cho tất cả những người đã chết trong toàn bộ thời gian nghiên cứu. Những người không chết trong quá trình theo dõi sẽ bị kiểm duyệt. Nghiên cứu này được cung cấp để kiểm tra nguy cơ tử vong cao ở những người hút thuốc mỗi năm từ năm 1995 đến 2014.

Mục đích là để tính toán:

• Tỷ lệ tử vong cho người hút thuốc và không hút thuốc mỗi năm và kiểm tra các xu hướng này
• nguy cơ tử vong cao ở những người hút thuốc, mỗi năm (hoặc khoảng thời gian vài năm liên tiếp).

Dữ liệu nên được phân tích như thế nào? Hãy nhớ lại rằng ai đó được đưa vào năm 1998 có thể chết vào năm 2015. Cách tiếp cận phù hợp để sử dụng định dạng quy trình đếm với bắt đầu và dừng cập nhật cho mỗi năm?

Đây là cách tiếp cận mà trọng tài không thích:

Tỷ lệ mới mắc được tính bằng phương pháp hồi quy Poisson. Chúng tôi bao gồm thời gian theo dõi như một sự bù đắp trong mô hình và bao gồm tuổi tác, giới tính, tình trạng hút thuốc và thời gian theo lịch (kết hợp hai năm liên tiếp) như các yếu tố dự đoán trong mô hình. Sau đó, tỷ lệ được tính trên 1000 năm người sử dụng hàm dự đoán () của R. Phần bù (thời gian theo dõi) là toàn bộ thời gian quan sát (ngày) của người đăng ký.

Một mô hình Cox đã được sử dụng để ước tính rủi ro tương đối cho người hút thuốc mỗi giai đoạn từ đầu đến cuối nghiên cứu. Để đơn giản, chúng tôi đã so sánh tỷ lệ nguy hiểm trong giai đoạn đầu tiên với tỷ lệ nguy hiểm trong giai đoạn cuối cùng.

Các vấn đề: - một người (cùng với sự kiểm soát của anh ta) có thể được đưa vào năm 1998 và do đó thuộc nhóm lịch đó, nhưng phải chịu một sự kiện vào năm 2006. - Dữ liệu nên được trình bày như thế nào để phân tích hồi quy Poisson và Cox? Quá trình đếm cho cox? Thời gian bắt đầu và dừng là gì? - Làm thế nào để đánh giá xu hướng trong tình huống này?

Một số giải thích: Giả sử một bệnh nhân được quan sát lần đầu tiên vào ngày 15 tháng 6 năm 1998 và trải qua một sự kiện vào ngày 31 tháng 12 năm 1998, giá trị của biến thời gian của chúng tôi đối với bệnh nhân này là 182,5 trên 730 ngày có thể kể từ khoảng thời gian bao gồm 2 năm tiếp theo. Lượng thời gian quan sát tối đa trong mỗi khoảng thời gian là 730 ngày.

Khi một bệnh nhân được quan sát trong một khoảng thời gian nhưng bị kiểm duyệt (nghĩa là có kinh nghiệm và sự kiện hoặc bị loại bỏ) trong khoảng thời gian khác, số ngày quan sát được thêm vào khoảng thời gian tiếp theo hay là gì?

Do đó, vấn đề chính là việc xử lý thời gian theo dõi và năm theo lịch (được sử dụng như một biến phân loại, bao gồm hai năm liên tiếp).

Từ những điều trên có một vài khả năng cho mô hình Cox:

1. CÁC MÔ HÌNH RIÊNG CHO MACHI THỜI GIAN THỜI GIAN : Sử dụng một quan sát cho mỗi người; tính toán thời gian quan sát (liên quan đến thời điểm kiểm duyệt / tử vong xảy ra trong quá trình theo dõi) và sau đó tính tỷ lệ nguy hiểm mỗi kỳ. Sau đó so sánh các tỷ lệ nguy hiểm trực tiếp.

2. TÍNH TOÁN SỰ THAY ĐỔI ĐÁNG TIN CẬY TRONG NGUY HIỂM Ở NGƯỜI HÚT THUỐC VÀ NGƯỜI KHÔNG HÚT THUỐC : một quan sát cho mỗi người; tính toán thời gian quan sát (bất kể khi nào kiểm duyệt / sự kiện xảy ra) và sau đó sử dụng tất cả bệnh nhân (từ năm 1995 đến 2014) trong mô hình, sử dụng khoảng thời gian làm biến phân loại và đặt một trong các khoảng thời gian làm giá trị tham chiếu.

   3. QUÁ TRÌNH XỬ LÝ QUY TRÌNH : điều này nghe có vẻ hấp dẫn, nhưng tôi không chắc về cách sử dụng thời gian tồn tại, bắt đầu các khoảng thời gian dừng và năm dương lịch.

Mặc dù thật nguy hiểm khi đọc quá nhiều vào các bình luận khó hiểu của một nhà phê bình, tôi đoán rằng sự phản đối có liên quan đến việc kiểm duyệt có mang tính thông tin hay không.

Việc giải thích các mô hình sinh tồn thường dựa trên giả định rằng một cá nhân bị kiểm duyệt tại thời điểm là đại diện của tất cả các đối tượng sống sót đến thời điểm sau khi tham gia nghiên cứu. (Từ được điều chỉnh từ phần giới thiệu này để phân tích sinh tồn.) Sau đó, việc kiểm duyệt là không có thông tin.$T$$T$

Tuy nhiên, trong phân tích của bạn, những người bị kiểm duyệt là những người sống sót đến năm 2014. Nếu bạn nghĩ rằng đã có sự thay đổi về nguy cơ tử vong do hút thuốc trong 20 năm trước (hoặc thậm chí nếu có những thay đổi song song về tỷ lệ tử vong đối với cả hai nhóm), sau đó những cá nhân bị kiểm duyệt có thể không đại diện cho những người sống sót cùng thời gian nhưng đã tham gia nghiên cứu trước đó. Theo giả thuyết của bạn, việc kiểm duyệt có thể là thông tin.

Có thể các chi tiết về thiết kế phân tích của bạn đã tránh được vấn đề này nhưng điều đó không rõ ràng trong bản thảo như đã xem xét. Hoặc có lẽ người đánh giá không thích nghiên cứu vì một số lý do bổ sung và thấy đây là một cách để từ chối nó mà biên tập viên không thắc mắc. Tuy nhiên, điều này dường như là một sự phản đối tiềm năng đối với cách bạn phân tích các dữ liệu này và bạn nên đảm bảo rằng nó được xử lý đúng cách. (Điều này vượt quá chuyên môn cá nhân của tôi; những người khác trên trang web này có thể có gợi ý về cách tiến hành. Một tiêu đề chính xác hơn cho câu hỏi này, với nhiều chi tiết hơn về thiết kế và phân tích nghiên cứu, có thể nhận được nhiều câu trả lời hữu ích hơn.)

Tôi không rõ câu hỏi của bạn và nhận xét rõ ràng rằng các phân tích Cox đang bổ sung bất cứ điều gì hữu ích vào mô hình đơn giản về tỷ lệ tử vong mỗi năm (hoặc khoảng thời gian hơn 2 năm). Thêm vào đó, giả thuyết của bạn dường như ngụ ý rằng các mối nguy hiểm không tỷ lệ thuận theo thời gian giữa người không hút thuốc và người hút thuốc, cơ sở của các phân tích Cox tiêu chuẩn. Nếu bạn quan tâm đến sự khác biệt về tỷ lệ tử vong giữa người hút thuốc và người không hút thuốc như là một chức năng của năm dương lịch, thì đó là biện pháp đơn giản nhất để mô hình hóa (mặc dù bạn có thể phải tính đến việc làm giàu giả định của người không hút thuốc trong mẫu nghiên cứu của bạn như đối tác hút thuốc phù hợp của họ chết).