Questo è il protocollo per affrontare le normali sovvenzioni basate sul modello di regressione del rischio concorrente, che è un metodo più razionale da applicare quando gli eventi concorrenti come gli incidenti stradali vengono approvati nell'analisi di sopravvivenza. Le persone che hanno vissuto i nostri eventi concorrenti spesso ricordano i rischi che, poiché i rischi concorrenti di solito non sono indipendenti. La sovvenzione normale concorrente è più appropriata per valutare la probabilità di testare gli eventi per gli individui in analisi.
Dopo aver installato i pacchetti RMS e R a rischio concorrente, caricarli e importare i dati di coorte Per stabilire il modello di regressione dei pericoli proporzionali cox, adattare il modello ai dati utilizzando la funzione CPH, quindi sviluppare un nomogramma di regressione Cox, prendendo ad esempio il tasso di sopravvivenza previsto di due anni. Utilizzare il meta pacchetto in R per calcolare il punteggio di rischio e disegnare un grafico della foresta. Dopo aver installato e caricato i pacchetti R, ottenere il punteggio di rischio di gruppo o GRS e dividere la coorte in tre sottogruppi.
Quindi disegnare il grafico della foresta, ottenendo il rapporto di pericolo intervallo di competenza inferiore e intervallo di confidenza superiore con la funzione CRR. Per stabilire il modello di regressione del rischio concorrente, iniziare inserendo variabili prognostiche in una matrice. Utilizzare la funzione Cbind per concatenare le variabili in base alle colonne e adattarle al modello.
Quindi utilizzare la funzione nomogramma per costruire Cox Nome. Ottenere la funzione di incidenti cumulativi di base, o CIF, e sostituire il punto X beta e X del modello di regressione del rischio concorrente. Sostituire il punto X totale nella bobina X, quindi calcolare il punteggio X e tracciare il nomogramma.
L'equazione per il punteggio X e la relazione tra le rotaie X può essere calcolata in base all'attribuzione intrinseca del modello concorrente. CIF zero indica cif di base, che viene calcolato dalla funzione CRR previsione. Nell'esempio coorte sono stati inclusi nell'analisi un totale di 8.550 pazienti idonei e il tempo mediano di follow-up è stato di 88 mesi.
L'incidenza cumulativa della morte tumorale e nessuna morte tumorale e eventi concorrenti erano rispettivamente secondo il metodo Kaplan-Meier e la funzione di regressione del rischio concorrente. La somma dell'incidenza cumulativa della morte tumorale e di nessuna morte tumorale, calcolata con il metodo Kaplan-Meier, era superiore alla somma delle stime di tutte le cause di morte, che era uguale agli incidenti cumulativi di morte specifica del cancro quando è stato utilizzato un metodo concorrente. Un nomogramma fu costruito usando il modello di regressione proporzionale di Cox basato su fattori significativi, che includevano stato civile, razza, tipo istologico, grado differenziato, classificazione T e classificazione N.
Un nomogramma è stato anche costruito utilizzando il modello di regressione del rischio concorrente. In base al punteggio di rischio, la coorte è stata classificata in tre sottogruppi: basso rischio, rischio medio e rischio elevato. Il grafico forestale è stato utilizzato per presentare chiaramente l'interazione tra il punteggio di rischio di gruppo e il fattore specifico.
Quando si considera l'età, solo il gruppo a basso rischio ha mostrato una prognosi peggiore per le donne più giovani, indicando che la giovane età può agire come fattore protettivo di prognosi in gruppi a medio e alto rischio. Quando si tenta questo protocollo è importante comprendere appieno i diversi modelli sopravvissuti nel 10 per l'analisi degli eventi e gli strumenti sono correttamente padroneggiati per una guida personalizzata. Le prestazioni del modello vengono valutate in termini di discriminazione e prestazioni della razione del calibro.
Seguendo questa procedura, la curva di calibrazione e gli stessi spazi possono essere le prestazioni per convalidare l'efficienza della sovvenzione normale concorrente.
