Estabelecendo um modelo de nomograma de regressão de risco concorrente para dados de sobrevivência

Este é o protocolo para lidar com as subvenções normais com base no modelo de regressão de risco concorrente, que é um método mais racional de aplicar quando os eventos concorrentes, como os acidentes de trânsito, são aprovados na análise de sobrevivência. Indivíduos que vivenciaram nossos eventos concorrentes muitas vezes estão lembrando os riscos que, como os riscos concorrentes geralmente não são independentes. A concessão normal concorrente é mais adequada para avaliar a probabilidade de testar eventos para indivíduos em análise.

Depois de instalar o RMS e os pacotes R de risco concorrente, carregá-los e importar os dados de coorte Para estabelecer o modelo de regressão de riscos proporcionais de Cox, encaixe o modelo aos dados usando a função CPH e, em seguida, desenvolva um nomograma de regressão de Cox, tendo como exemplo a taxa de sobrevivência prevista de dois anos. Use o pacote meta em R para calcular a pontuação de risco e desenhar um lote florestal. Após a instalação e o carregamento dos pacotes R, obtenha a pontuação de risco do grupo ou GRS e divida a coorte em três subgrupos.

Em seguida, desenhe o enredo florestal, obtendo a razão de risco menor intervalo de competência e intervalo de confiança superior com a função CRR. Para estabelecer o modelo de regressão de risco concorrente, comece colocando variáveis prognósticas em uma matriz. Use a função Cbind para concatenar as variáveis por colunas e encaixá-las no modelo.

Em seguida, use a função nomograma para construir Cox Nome. Obtenha a função de incidentes cumulativos da linha de base, ou CIF, e substitua o ponto X beta e X do modelo de regressão de risco concorrente. Substitua o ponto X total no rolo X, em seguida, calcule a pontuação X e plote o nomograma.

A equação para a pontuação X e a relação ferroviária X pode ser calculada de acordo com a atribuição intrínseca do modelo concorrente. CIF zero significa CIF de linha de base, que é calculado pela função CRR predil. Na coorte de exemplo, um total de 8.550 pacientes elegíveis foram incluídos na análise e o tempo médio de seguimento foi de 88 meses.

As incidências cumulativas de morte tumoral e sem morte tumoral e eventos concorrentes foram pelo método Kaplan-Meier, e a função de regressão de risco concorrente, respectivamente. A soma das incidências cumulativas de morte tumoral e sem morte por tumor, calculada com o método Kaplan-Meier, foi superior à soma das estimativas de todas as causas de morte, o que foi igual aos incidentes cumulativos de morte específica do câncer quando utilizado um método concorrente. Foi construído um nomograma utilizando-se o modelo de regressão proporcional de Cox com base em fatores significativos, que incluíam estado civil, raça, tipo histológico, grau diferenciado, classificação T e classificação N.

Um nomograma também foi construído utilizando o modelo de regressão de risco concorrente. Com base no escore de risco, a coorte foi classificada em três subgrupos: baixo risco, médio risco e alto risco. O enredo florestal foi utilizado para apresentar claramente a interação entre o escore de risco do grupo e o fator específico.

Quando se considera a idade, apenas o grupo de baixo risco apresentou pior prognóstico para as mulheres mais jovens, indicando que a idade jovem pode atuar como fator protetor do prognóstico em grupos de médio e alto risco. Ao tentar este protocolo é importante entender completamente os diferentes modelos de sobrevivência nos 10 para análise de eventos e as ferramentas são devidamente dominadas para orientação individualizada. O desempenho do modelo é avaliado em termos de discriminação e desempenho de ração de calibre.

Após este procedimento, a curva de calibração e são as mesmas lacunas podem ser de desempenho para validar a eficiência da concessão normal concorrente.