Name: an r-based landscape validation of a competing risk model
Uploaded: 2022-09-16T13:10:00
Description: Watch this Scientific Journal Video about An R-Based Landscape Validation of a Competing Risk Model at JoVE.com

이 연구는 절강성 의료과학기술계획사업(보조금 번호 2013KYA212), 저장성 자연과학재단 일반 프로그램(보조금 번호 Y19H160126), 진화시 과학기술국의 핵심 프로그램(보조금 번호 2016-3-005, 2018-3-001d, 2019-3-013)의 보조금으로 지원되었다.

SEER(Surveillance, Epidemiology, and End Results) 데이터베이스는 비식별화된 환자 데이터(SEER ID: 12296-Nov2018)만 포함하는 오픈 액세스 암 데이터베이스입니다. 따라서 본 연구는 저장대학교 의과대학 부속 진화병원 심사위원회의 승인을 면제받았다.
1. 데이터 준비 및 R 패키지 준비
<ol><li>데이터를 준비하고 가져옵니다. > 데이터 세트<- read.csv(".../Breast cancer Data.xlsx") #Im...

<ol>
	<li>Andersen, P. K., Gill, R. D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Cox's+regression+model+for+counting+processes:+A+large+sample+study.">Cox's regression model for counting processes: A large sample study.</a> The Annals of Statistics. 10 (4), 1100-1120 (1982).</li><li>Lubsen, J., Pool, J., vander Does, E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+practical+device+for+the+application+of+a+diagnostic+or+prognostic+function.">A practical device for the application of a diagnostic or prognostic function.</a> Methods of Information in Medicine. 17 (2), 127-129 (1978).</li><li>Harrell, F. E., Lee, K. L., Mark, D. B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Multivariable+prognostic+models:+Issues+in+developing+models,+evaluating+assumptions+and+adequacy,+and+measuring+and+reducing+errors.">Multivariable prognostic models: Issues in developing models, evaluating assumptions and adequacy, and measuring and reducing errors.</a> Statistics In Medicine. 15 (4), 361-387 (1996).</li><li>Hung, H., Chiang, C. -. T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Estimation+methods+for+time-dependent+AUC+models+with+survival+data.">Estimation methods for time-dependent AUC models with survival data.</a> The Canadian Journal of Statistics / La Revue Canadienne de Statistique. 38 (1), 8-26 (2010).</li><li>Moons, K. G. M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Risk+prediction+models:+I.+Development,+internal+validation,+and+assessing+the+incremental+value+of+a+new+(bio)marker.">Risk prediction models: I. Development, internal validation, and assessing the incremental value of a new (bio)marker.</a> Heart. 98 (9), 683-690 (2012).</li><li>Fu, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Real-world+impact+of+non-breast+cancer-specific+death+on+overall+survival+in+resectable+breast+cancer.">Real-world impact of non-breast cancer-specific death on overall survival in resectable breast cancer.</a> Cancer. 123 (13), 2432-2443 (2017).</li><li>Fine, J. P., Gray, R. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+proportional+hazards+model+for+the+subdistribution+of+a+competing+risk.">A proportional hazards model for the subdistribution of a competing risk.</a> Journal of the American Statistical Association. 94 (446), 496-509 (1999).</li><li>Wu, L., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Establishing+a+competing+risk+regression+nomogram+model+for+survival+data.">Establishing a competing risk regression nomogram model for survival data.</a> Journal of Visualized Experiments. (164), e60684 (2020).</li><li>Zhang, Z., Geskus, R. B., Kattan, M. W., Zhang, H., Liu, T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Nomogram+for+survival+analysis+in+the+presence+of+competing+risks.">Nomogram for survival analysis in the presence of competing risks.</a> Annals of Translational Medicine. 5 (20), 403 (2017).</li><li>Zhang, Z. H., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Overview+of+model+validation+for+survival+regression+model+with+competing+risks+using+melanoma+study+data.">Overview of model validation for survival regression model with competing risks using melanoma study data.</a> Annals Of Translational Medicine. 6 (16), 325 (2018).</li><li>Newson, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Confidence+intervals+for+rank+statistics:+Somers'+D+and+extensions.">Confidence intervals for rank statistics: Somers' D and extensions.</a> Stata Journal. 6 (3), 309-334 (2006).</li><li>Davison, A. C., Hinkley, D. V., Schechtman, E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Efficient+bootstrap+simulation.">Efficient bootstrap simulation.</a> Biometrika. 73 (3), 555-566 (1986).</li><li>Roecker, E. B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Prediction+error+and+its+estimation+for+subset-selected+models.">Prediction error and its estimation for subset-selected models.</a> Technometrics. 33 (4), 459-468 (1991).</li><li>Steyerberg, E. W., Harrell, F. E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Prediction+models+need+appropriate+internal,+internal-external,+and+external+validation.">Prediction models need appropriate internal, internal-external, and external validation.</a> Journal of Clinical Epidemiology. 69, 245-247 (2016).</li><li>Zhang, Z., Chen, L., Xu, P., Hong, Y. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Predictive+analytics+with+ensemble+modeling+in+laparoscopic+surgery:+A+technical+note.">Predictive analytics with ensemble modeling in laparoscopic surgery: A technical note.</a> Laparoscopic, Endoscopic and Robotic Surgery. 5 (1), 25-34 (2022).</li></ol>

이 연구는 두 가지 별개의 방법으로 확립된 경쟁 위험 노모그램을 비교하고 확립된 노모그램에 대한 평가 및 검증을 수행했습니다. 구체적으로, 본 연구에서는 직접적인 방법을 기반으로 노모그램을 설정하고 C-index를 계산하고 검량선을 플로팅하기 위한 단계별 튜토리얼을 제공했습니다.
R 소프트웨어의 rms 패키지는 Cox 비례 위험 모델의 구성 및 평가에 널리 사용되지...

최근 몇 년 동안 정밀 의학의 발달로 새로운 예후 요인이 확인되었으며 분자 및 임상 병리학 적 요인을 결합한 예후 모델이 임상 환경에서 점점 더 주목을 받고 있습니다. 그러나, 계수 값의 결과가 있는 Cox 비례 위험 모델과 같은 비그래픽 모델은 임상의가 이해하기 어렵다1. 이에 비해 노모그램은 회귀 모델(Cox 회귀 모델, 경쟁 위험 모델 등 포함)의 시각화 도구로, 수학 함수 2의 대략적인 그래픽 계산을 위해 설계된2차원 다이어그램이다. 이를 통해 임상 모델에서 다양한 수준의 변수를 평가하고 위험 점수(RS)를 계산하여 예후를 예측할 수 있습니다.
모델 평가는 모델 구축에 필수적이며 일반적으로 식별과 보정이라는 두 가지 특성이 평가에 허용됩니다. 임상 모델에서 차별은 사망한 환자와 생존한 환자와 같이 사건이 발생하는 개인과 그렇지 않은 개인을 구분하는 모델의 능력을 말하며, 일치 지수(C-index) 또는 수신기 작동 특성 곡선 아래 면적(AUC)은 일반적으로 이를 특성화하는 데 사용됩니다 3,4. 캘리브레이션은 모델의 예측 확률과 실제 확률을 비교하는 프로세스이며, 이를 표현하기 위해 캘리브레이션 곡선이 널리 사용되었습니다. 또한, 모델 검증(내부 및 외부 검증)은 모델 구축에서 중요한 단계이며, 검증된 모델만 추가로 외삽할 수 있다5.
Cox 비례 위험 모델은 예후 인자와 생존 상태 간의 연관성을 조사하기 위해 의학 연구에서 사용되는 회귀 모델입니다. 그러나 Cox 비례 위험 모델은 두 가지 결과 상태 [Y (0, 1)]만을 고려하는 반면, 연구 대상자는 종종 두 가지 이상의 상태에 직면하고 경쟁 위험이 발생합니다 [Y (0, 1, 2)]1. 기원일(예: 치료)부터 모든 원인으로 인한 사망일까지의 시간으로 정의되는 전체 생존(OS)은 생존 분석에서 가장 중요한 종점입니다. 그러나, OS는 암 특이적 사망과 비암 특이적 사망(예: 심혈관 사건 및 기타 관련 없는 원인)을 구별하지 못하여 경쟁 위험을 무시한다6. 이러한 상황에서, 경쟁적 위험(competing risk)은 경쟁적 위험(competing)을 고려한 생존 상태 예측을 위해 선호된다7. Cox 비례 위험 모델을 구성하고 검증하는 방법론은 잘 정립되어 있지만 경쟁 위험 모델의 검증에 관한 보고서는 거의 없습니다.
이전 연구에서는 특정 경쟁 위험 노모그램, 노모그램과 경쟁 위험 모델의 조합, 경쟁 위험 모델을 기반으로 한 위험 점수 추정을 설정했습니다8. 이 연구는 확립된 경쟁 위험 노모그램의 다양한 평가 및 검증 방법을 제시하는 것을 목표로 하며, 이는 임상의가 경쟁 위험을 고려하여 예후를 예측하는 데 유용한 도구 역할을 해야 합니다.

<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always">
	<tbody>
		<tr>
			<td>R software</td>
			<td>None</td>
			<td>Not Applicable</td>
			<td>Version 3.6.2 or higher&#160;</td>
		</tr>
		<tr>
			<td>Computer system</td>
			<td>Microsoft&#160;</td>
			<td>Windows 10</td>
			<td>&#160;Windows 10 or higher</td>
		</tr>
	</tbody>
</table>

an r-based landscape validation of a competing risk model

Cox 비례 위험 모델은 임상 환경에서 생존 분석에 널리 적용되지만 여러 생존 결과에 대처할 수는 없습니다. 기존의 Cox 비례 위험 모델과 달리 경쟁 위험 모델은 경쟁 이벤트의 존재와 임상의가 정확한 예후 예측을 수행하는 데 유용한 도구인 그래픽 계산 장치인 노모그램과의 조합을 고려합니다. 이 연구에서 우리는 경쟁 위험 노모그램을 설정하는 방법, 즉 차별(즉, 일치 지수 및 곡선 아래 면적) 및 교정(즉, 교정 곡선) 능력의 평가와 순 이익(즉, 결정 곡선 분석). 또한, 기존 데이터셋의 부트스트랩 리샘플링을 이용한 내부검증과 기존 경쟁위험노모그램의 외부 데이터셋을 이용한 외부 검증도 수행하여 외삽 능력을 입증하였다. 경쟁 위험 노모그램은 임상의가 경쟁 위험을 고려하여 예후를 예측하는 데 유용한 도구 역할을 해야 합니다.

이 연구에서는 SEER 데이터베이스에서 유방암 환자의 데이터를 검색하여 예제 데이터로 사용했습니다. SEER 데이터베이스는 미국 인구의 약 34.6%를 차지하는 암에 대한 데이터를 제공하며 데이터베이스 액세스 권한을 얻었습니다(참조 번호 12296-2018년 11월).
조직학적 유형, 분화 등급, T 단계 및 N 단계를 포함하는 두 개의 노모그램(그림 1)은 각각 직접 방법...

Watch this Scientific Journal Video about An R-Based Landscape Validation of a Competing Risk Model at JoVE.com

An R-Based Landscape Validation of a Competing Risk Model

본 프로토콜은 경쟁 위험 모델의 식별 및 보정 능력을 평가하기 위한 R의 코드와 내부 및 외부 검증을 위한 코드를 설명합니다.

경쟁 위험 모델의 R 기반 조경 유효성 검사An R-based landscape validation of a competing risk model

The Cox proportional hazard model is widely applied for survival analyses in clinical settings, but it is not able to cope with multiple survival ...

우리의 프로토콜은 생존 분석에서 경쟁 이벤트의 존재를 고려하는 경쟁 위험 노모그램의 다양한 평가 및 검증 방법을 제시합니다. 이 프로토콜은 부트스트랩 방법을 사용하여 C-인덱스 계산 및 내부 검증과 같은 R.Evolution의 위험 회귀 패키지를 보완하는 역할을 합니다. C-index 판별을 시작하려면 매트릭스 cob을 경쟁 위험 모델 모드 CRR에 맞추고 명령을 실행하여 예측된 매트릭스 SUV를 얻습니다.SUV에서 특정 월의 누적 발생률을 구하고 R-core sends 함수로 C-index를 계산합니다. AUC 판별의 경우 함수 점수, 위험 회귀 패키지를 사용하여 경쟁 위험 모델의 예측 성능을 평가합니다. 그런 다음 명령을 실행하여 점수에서 AUC를 추출합니다.경쟁 위험 모델의 95% 신뢰 구간을 갖는 검량선을 구하려면 특정 고장 시간 동안 각 개인의 누적 발생률이 포함된 데이터 프레임을 구하십시오. 그런 다음 추정된 누적 발생률에 따라 코호트를 5개의 하위 그룹으로 나누고 각 하위 그룹의 평균 예측 누적 발생률을 계산합니다. 관측된 누적 발생률, 즉 cuminc 함수를 사용하여 실제 누적 발생률을 계산합니다.그런 다음 명령을 실행하여 특정 고장 시간에 95% 신뢰 구간으로 관찰된 누적 발생률을 가져옵니다. 예측된 누적 발생률을 X축으로 하고 관측된 누적 발생률을 Y축으로 하여 검량선을 플로팅합니다. 함수 gg plot 사용.경쟁 위험 모델의 위험 점수가 있는 보정 곡선의 경우 모든 변수의 각 수준을 평가하고 명령을 실행하여 총 RS를 구합니다. 빈도를 계산하고 서로 다른 총 위험 점수의 관찰된 누적 발생률을 계산합니다. X축의 범위를 설정하고 총 위험 점수의 예측 누적 발생률을 계산합니다.그런 다음 명령을 실행하여 위험 점수가 있는 검량선을 플로팅합니다. 부트스트랩 방법을 사용하여 예측된 평균 누적 발생률을 얻으려면 원래 데이터 세트(replace 사용 데이터 세트)를 다시 샘플링하여 부트스트랩 데이터 세트를 생성합니다. 데이터 세트.그런 다음 부트스트랩 데이터 세트를 사용하여 경쟁 위험 모델인 mod NCRR을 설정하고 predict CRR 함수를 사용하여 루프 B 번에서 mod NCRR을 예측하여 SUV를 올인합니다. 다음으로, 특정 월의 평균 예상 누적 발생률을 가져옵니다. R-core sends 함수와 함께 구간 교차 검증을 사용하여 C-지수를 계산합니다.보정의 경우 외부 검증을 사용하여 외부 데이터를 사용하여 예측된 누적 발생률을 가져오고 명령을 실행하여 외부 데이터 변수 행렬을 사용하여 누적 발생률을 얻습니다.Code-X. 그런 다음 외부 검증을 사용하여 C-인덱스를 계산합니다. 직접법과 가중치법을 이용하여 2개의 노모그램을 얻어 각 변수 수준의 점과 총점에 해당하는 확률이 거의 동일함을 입증하였다.약간의 차이가 관찰되었습니다. 경쟁 위험 모델에 대한 보정 곡선은 당량선에 가까웠고 관찰된 빈도의 95% 신뢰 구간은 각 그룹의 동등성 선에 떨어졌습니다. 모델의 정확한 보정 능력을 나타냅니다.내부 및 외부 검증을 사용한 교정 곡선이 표시되었으며, 이는 구성된 모델이 내부 검증에서는 우수한 교정 능력을 가졌지만 외부 검증에서는 불량한 교정 능력을 가졌음을 나타냅니다. 경쟁 위험 노모그램의 결정 곡선 분석 결과를 얻었습니다. 임계값 확률 증가에 따른 순이익의 변화를 보여줍니다.원래 데이터 세트를 다시 샘플링하는 것은 경쟁 위험 노모그램의 내부 검증을 수행하는 데 중요한 부트스트랩 데이터 세트를 생성하기 위해 대체되었습니다. 부트스트랩 방법 외에도 무작위 표시 및 K4 방법을 수행하여 내부 유효성 검사에 사용되는 데이터 세트를 생성할 수도 있습니다. 경쟁 위험 모델의 R 기반 조경 검증을 사용하여 임상의는 경쟁 위험을 보다 쉽게 고려하여 실제 세계에서 예후 분석을 수행할 수 있습니다.

Research

JoVE Journal

Cancer Research

Isolation of Circulating Tumor Cells in an Orthotopic Mouse Model of Colorectal Cancer

대장 암 정위 마우스 모델에서의 순환 종양 세포의 분리

Despite the advantages of easy applicability and cost-effectiveness, subcutaneous mouse models have severe limitations and do not accurately simulate ...

연구

암 연구학

An In Vivo Murine Sciatic Nerve Model of Perineural Invasion

An In Vivo Murine Sciatic Nerve Model of Perineural Invasion

Vivo에서 Murine 좌 골 신경의 모델 Perineural 내 습

Cancer cells invade nerves through a process termed perineural invasion (PNI), in which cancer cells proliferate and migrate in the nerve ...

Immunophenotyping of Orthotopic Homograft (Syngeneic) of Murine Primary KPC Pancreatic Ductal Adenocarcinoma by Flow Cytometry

Immunophenotyping of Orthotopic Homograft Syngeneic of Murine Primary KPC Pancreatic Ductal Adenocarcinoma by Flow Cytometry

Immunophenotyping Orthotopic Homograft (Syngeneic) Murine 기본 KPC 췌 장 Ductal 선 암의 Cytometry로의

Homograft (syngeneic) tumors are the workhorse of today&#39;s immuno-oncology (I/O) preclinical research. The tumor microenvironment (TME), particularly ...

Morphology-Based Distinction Between Healthy and Pathological Cells Utilizing Fourier Transforms and Self-Organizing Maps

The appearance and the movements of immune cells are driven by their environment. As a reaction to a pathogen invasion, the immune cells are recruited to ...

Evaluation of Colorectal Cancer Risk and Prevalence by Stool DNA Integrity Detection

대변 DNA 무결성 검출에 의한 대장암 위험 및 유병률 평가

Nowadays, stool DNA can be isolated and analyzed by several methods. The long fragments of DNA in stool can be detected by a qPCR assay, which provides a ...

Spatial and Temporal Control of Murine Melanoma Initiation from Mutant Melanocyte Stem Cells

돌연변이 멜 뮤 린 줄기 세포에서 시작 하는의 공간적 및 시간적 제어

Cutaneous melanoma is well known as the most aggressive skin cancer. Although the risk factors and major genetic alterations continue to be documented ...

In Vitro Assay to Study Tumor-macrophage Interaction

종양 대식 세포 상호 작용을 연구 하는 시험관 내 분석

Tumor associated macrophages (TAMs) account for a large percentage of cells in the tumor mass for different types of cancers. Glioblastoma (GBM), a ...

Establishing a Competing Risk Regression Nomogram Model for Survival Data

생존 데이터를 위한 경쟁 위험 회귀 Nomogram 모델 설정

The Kaplan&#8211;Meier method and Cox proportional hazards regression model are the most common analyses in the survival framework. These are relatively ...

An Orthotopic Resectional Mouse Model of Pancreatic Cancer

췌장암의 정형소 절제술 마우스 모델

There is a lack of satisfactory animal models to study adjuvant and/or neoadjuvant therapy in patients being considered for surgery of pancreatic cancer ...