Làm cách nào để có được các dự đoán về thời gian tồn tại từ mô hình Cox PH?

Tôi muốn phát triển một mô hình dự đoán (Cox PH) cho tỷ lệ tử vong do mọi nguyên nhân trong bộ dữ liệu của những người tham gia (hầu hết) tất cả đã chết khi kết thúc theo dõi (ví dụ 1 năm).

Thay vì dự đoán nguy cơ tử vong tuyệt đối tại một mốc thời gian nhất định, tôi muốn dự đoán thời gian sống sót (tính theo tháng) cho mỗi cá nhân.

Có thể có được các dự đoán như vậy trong R (từ ví dụ: đối tượng coxph) và, nếu có, làm thế nào tôi có thể làm điều đó?

Rất cám ơn trước!

survival prediction cox-model

— Cướp
nguồn

Câu trả lời:

Mô hình Nguy cơ theo tỷ lệ Cox không mô hình hóa mối nguy hiểm tiềm ẩn, đó là điều bạn cần dự đoán thời gian sống như thế - đây vừa là sức mạnh lớn của mô hình vừa là một trong những nhược điểm lớn của nó.

Nếu bạn đặc biệt quan tâm đến việc có được các ước tính về xác suất sống sót tại các thời điểm cụ thể, tôi sẽ hướng bạn đến các mô hình sống sót tham số (còn gọi là mô hình thời gian thất bại tăng tốc). Chúng được triển khai trong survivalgói dành cho R và sẽ cung cấp cho bạn các phân phối thời gian sống sót tham số, trong đó bạn có thể chỉ cần cắm vào thời gian bạn quan tâm và lấy lại xác suất sống sót.

— Phụ nữ
nguồn

Cảm ơn câu trả lời của bạn. Tôi không đặc biệt quan tâm đến việc có được các ước tính về xác suất sống sót tại một thời điểm cụ thể, mà là thời gian sống dự đoán cho mỗi cá nhân. Vì vậy, thay vì "xác suất sống sót sau 1 năm là 10%", tôi muốn có được những dự đoán như "thời gian sống dự đoán của cá nhân này là 10 tháng". Có thể có được những dự đoán như vậy từ mô hình Cox PH hoặc AFT không?

— Cướp

@Rob Tôi tin rằng nó vẫn không thể hoạt động trong mô hình Cox PH. Hoàn toàn có thể thực hiện được với mô hình AFT, mặc dù mức độ phức tạp của việc lấy lại ước tính có thể sẽ phụ thuộc vào số lượng đồng biến bạn có.

— Fomite

Cảm ơn, tôi sẽ xem xét các mô hình AFT. Tôi đã đọc về dự đoán thời gian sống sót của từng cá nhân, nhưng có vẻ như "sự sống sót của con người không chắc chắn đến mức ngay cả phân tích thống kê tốt nhất cũng không thể đưa ra dự đoán số lượng sử dụng thực tế cho từng bệnh nhân." ( liên kết ) ..

— Rob

@Rob Điều đó đúng - tất cả các kỹ thuật này nói về xu hướng trong dân số . Cố gắng dự đoán chính xác của bất kỳ người nào đó là một nguyên nhân bị mất và thực sự không phải là một cách sử dụng công cụ thích hợp.

— Fomite

Với các tài liệu có sẵn mà tôi tìm thấy, tôi nghĩ bạn đúng về dự đoán thời gian sống sót của từng cá nhân. Tuy nhiên, cả hai mô hình Cox và AFT chắc chắn là những công cụ thích hợp để dự đoán rủi ro tuyệt đối của từng cá nhân tại một số thời điểm nhất định (ví dụ: xem sách của Harrell và Steyerberg ).

— Cướp

@statBeginner Có rồi. Nó đòi hỏi hai bước:

x <- survfit(cox.ph.model, newdata = dataset)
dataset$Results <- summary(x)$table[,"median"]

nhưng tôi không chắc liệu thời gian sống sót trung bình có đủ chính xác hay không.

— akshay
nguồn

Tôi đồng ý với @akshay rằng thời gian sống sót trung bình, trong khi hữu ích, có thể không phù hợp với từng trường hợp cụ thể, đặc biệt nếu dự đoán thời gian xảy ra sự kiện. Thời gian sống sót của cá nhân có thể không đồng nhất một cách khó tin vì vậy tôi khuyên bạn nên thận trọng khi sử dụng bất kỳ thời gian sống sót trung bình nào để dự đoán.

— Seanosapien

Mặc dù tôi đồng ý với những điểm này, sự sống sót trung bình IS hữu ích về mặt lâm sàng.

Bạn có thể quan tâm đến công việc của chúng tôi (và những người khác) đang xem xét sử dụng trung bình làm cơ sở cho các khoảng thời gian sống sót - chúng tôi nghĩ rằng những điều này hữu ích hơn.

https://academia.oup.com/annonc/article/25/10/2014/2801274

— Matt Williams
nguồn

Sống sót có nghĩa không phải luôn luôn tồn tại nhưng trung bình luôn luôn có.

— Michael R. Chernick