生存データの競合リスク回帰ノモグラムモデルの確立

これは、交通事故などの競合する事象が生存解析で通過する場合に適用するより合理的な方法である競合するリスク回帰モデルに基づいて、通常の認可に対処するためのプロトコルです。私たちの競合するイベントを経験した個人は、多くの場合、競合するリスクは通常独立していないというリスクを思い出させています。競合する通常の許可は、分析中の個人のイベントをテストする確率を評価する方が適切です。

RMSと競合するリスクRパッケージをインストールした後、それらをロードし、コホートデータをインポートコックス比例ハザード回帰モデルを確立するには、CPH関数を使用してモデルをデータに適合させ、Cox回帰ノモグラムを開発し、2年間の予測生存率を例として取ります。R のメタ パッケージを使用して、リスク スコアを計算し、フォレスト プロットを描画します。Rパッケージをインストールしてロードした後、グループリスクスコア、またはGRSを取得し、コホートを3つのサブグループに分割します。

次に森林プロットを描き、CRR関数を用いて危険度を低くする能力間隔と上限信頼区間を求める。競合するリスク回帰モデルを確立するには、まず予後変数をマトリックスに配置します。Cbind 関数を使用して、変数を列ごとに連結し、モデルに収めます。

次に、ノモグラム関数を使用して Cox Nome を構築します。ベースライン累積インシデント関数(CIF)を取得し、競合するリスク回帰モデルのXベータとXポイントを置き換えます。Xリールの合計X点を交換し、Xスコアを計算して、ノモグラムをプロットします。

X スコアと X レール関係の方程式は、競合するモデルの本質的な帰属に従って計算できます。CIFゼロは、予測CRR関数によって計算されるベースラインCIFを意味します。例では、合計8人のコホートで、550人の適格な患者が分析に含まれ、中央値のフォローアップ時間は88ヶ月であった。

腫瘍死亡の累積発生率と腫瘍死亡なしおよび競合する事象は、それぞれカプランマイヤー法と競合するリスク回帰機能によるものであった。カプランマイヤー法で計算された腫瘍死亡と腫瘍死亡の累積発生率の合計は、競合する方法を使用した場合の癌特異的死亡の累積インシデントに等しい、すべての死因の推定値の合計よりも高かった。ノモグラムは、婚姻状況、人種、組織学的タイプ、差別化グレード、T分類、N分類を含む有意な要因に基づいてCox比例回帰モデルを使用して構築された。

また、競合するリスク回帰モデルを使用してノモグラムを構築しました。リスクスコアに基づいて、コホートは3つのサブグループに分類されました:低リスク、中リスク、および高リスク。森林プロットは、グループリスクスコアと特定の要因との相互作用を明確に示すために使用されました。

年齢を考えると、低リスク群だけが若い女性に対して悪い予後を示し、若い年齢が中および高リスク群の予後の保護因子として作用する可能性があることを示した。このプロトコルを試みるとき、イベント分析の10の異なる生存モデルを完全に理解することが重要であり、ツールは個別のガイダンスのために適切に習得されます。モデルの性能は、差別と口径の配給性能の観点から評価されます。

この手順に従って、較正曲線と同じギャップは、競合する通常の交付の効率を検証するパフォーマンスになります。