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

Çalışma, Zhejiang Eyaleti Tıp Bilimi ve Teknoloji Planı Projesi (hibe numaraları 2013KYA212), Zhejiang Eyaleti Doğa Bilimleri Vakfı'nın genel programı (hibe numarası Y19H160126) ve Jinhua Belediyesi Bilim ve Teknoloji Bürosu'nun kilit programından (hibe numarası 2016-3-005, 2018-3-001d ve 2019-3-013) hibelerle desteklenmiştir.

Sürveyans, Epidemiyoloji ve Son Sonuçlar (SEER) veritabanı, yalnızca tanımlanmamış hasta verilerini içeren açık erişimli bir kanser veritabanıdır (SEER ID: 12296-Kasım 2018). Bu nedenle, bu çalışma Zhejiang Üniversitesi Tıp Fakültesi, Bağlı Jinhua Hastanesi inceleme kurulunun onayından muaf tutulmuştur.
1. Veri hazırlama ve R paketlerinin hazırlanması
<ol><li>Verileri hazırlayın ve içeri aktarın. > Veri Kümesi <- read.csv(".../Meme kans...

<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>

Bu çalışmada iki farklı yöntemle oluşturulan rakip risk nomogramları karşılaştırılmış ve oluşturulan nomogramların değerlendirilmesi ve validasyonu yapılmıştır. Spesifik olarak, bu çalışma, doğrudan bir yönteme dayalı nomogramı oluşturmak, ayrıca C-indeksini hesaplamak ve kalibrasyon eğrilerini çizmek için adım adım bir öğretici sağlamıştır.
R yazılımındaki rms paketi, Cox orantılı tehlike modellerinin oluşturulması ve değerlendirilmesi...

Son yıllarda, hassas tıbbın gelişmesiyle birlikte ortaya çıkan prognostik faktörler belirlenmiş, moleküler ve klinikopatolojik faktörleri birleştiren prognostik modeller klinik ortamlarda giderek daha fazla dikkat çekmektedir. Bununla birlikte, Cox orantılı tehlike modeli gibi grafiksel olmayan modeller, katsayı değerlerinin sonuçlarıyla, klinisyenlerin 1'i anlaması zordur. Buna karşılık, bir nomogram, bir matematiksel fonksiyonun yaklaşık grafik hesaplaması için tasarlanmış iki boyutlu bir diyagram olan regresyon modellerinin (Cox regresyon modeli, rakip risk modeli vb. dahil) bir görselleştirme aracıdır2. Bir klinik modelde farklı değişken seviyelerinin değerlendirilmesini ve prognozu tahmin etmek için risk skorlarının (RS) hesaplanmasını sağlar.
Model yapımında model değerlendirmesi esastır ve değerlendirme için genellikle iki özellik kabul edilir: ayrımcılık ve kalibrasyon. Klinik modellerde ayrımcılık, bir modelin olayları geliştiren bireyleri, ölen hastalara karşı hayatta kalanlar gibi geliştirmeyenlerden ayırma yeteneğini ifade eder ve uyum indeksi (C-indeksi) veya alıcı çalışma karakteristik eğrisi (AUC) altındaki alan tipik olarak karakterize etmek için kullanılır 3,4. Kalibrasyon, bir modelin tahmin edilen olasılıklarını gerçek olasılıklarla karşılaştırma işlemidir ve kalibrasyon eğrileri onu temsil etmek için yaygın olarak kullanılmıştır. Ek olarak, model doğrulaması (iç ve dış doğrulama) model yapımında önemli bir adımdır ve yalnızca doğrulanmış modeller daha fazla tahmin edilebilir5.
Cox orantılı tehlike modeli, prognostik faktörler ile sağkalım durumu arasındaki ilişkileri araştırmak için tıbbi araştırmalarda kullanılan bir regresyon modelidir. Bununla birlikte, Cox orantılı tehlike modeli yalnızca iki sonuç durumunu [Y (0, 1)] dikkate alırken, çalışma denekleri genellikle ikiden fazla durumla karşı karşıya kalır ve rakip riskler ortaya çıkar [Y (0, 1, 2)]1. Menşe tarihinden (örneğin tedavi) herhangi bir nedene bağlı ölüm tarihine kadar geçen süre olarak tanımlanan genel sağkalım (OS), sağkalım analizinde en önemli son noktadır. Bununla birlikte, işletim sistemi kansere özgü ölümü kansere özgü olmayan ölümden (örneğin, kardiyovasküler olaylar ve diğer ilgisiz nedenler) ayırt etmekte başarısız olmakta, böylece rakip riskleri göz ardı etmektedir6. Bu gibi durumlarda, rakip riskler göz önünde bulundurularak sağkalım durumunun tahmin edilmesinde rakip risk modeli tercih edilir7. Cox orantılı tehlike modellerinin oluşturulması ve doğrulanması metodolojisi iyi kurulmuş olsa da, rakip risk modellerinin doğrulanması ile ilgili çok az rapor bulunmaktadır.
Önceki çalışmamızda, spesifik bir rakip risk nomogramı, bir nomogram ve rakip risk modelinin bir kombinasyonu ve rakip bir risk modeline dayalı bir risk puanı tahmini oluşturulmuştur8. Bu çalışma, rakip risk nomogramının farklı değerlendirme ve validasyon yöntemlerini sunmayı amaçlamaktadır ve bu yöntemler, klinisyenlerin rakip riskleri göz önünde bulundurarak prognozu tahmin etmeleri için yararlı bir araç olarak hizmet etmelidir.

<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 orantılı tehlike modeli, klinik ortamlarda sağkalım analizleri için yaygın olarak uygulanmaktadır, ancak çoklu sağkalım sonuçlarıyla baş edememektedir. Geleneksel Cox orantılı tehlike modelinden farklı olarak, rakip risk modelleri, rakip olayların varlığını ve bunların klinisyenlerin kesin bir prognostik tahmin yapmaları için yararlı bir araç olan grafiksel bir hesaplama cihazı olan bir nomogram ile kombinasyonunu göz önünde bulundurur. Bu çalışmada, rakip risk nomogramını oluşturmak için bir yöntem, yani ayırt edicilik (yani, uyum indeksi ve eğri altındaki alan) ve kalibrasyon (yani kalibrasyon eğrileri) yeteneklerinin yanı sıra net faydanın (yani karar eğrisi analizi) değerlendirilmesi için bir yöntem sunuyoruz. Ek olarak, orijinal veri kümesinin bootstrap yeniden örneklerini kullanan dahili doğrulama ve yerleşik rakip risk nomogramının harici bir veri kümesini kullanan harici doğrulama, ekstrapolasyon yeteneğini göstermek için de gerçekleştirilmiştir. Rakip risk nomogramı, klinisyenlerin rakip riskleri göz önünde bulundurarak prognozu tahmin etmeleri için yararlı bir araç olarak hizmet etmelidir.

Bu çalışmada meme kanserli hastaların verileri SEER veri tabanından alınmış ve örnek veri olarak sunulmuştur. SEER veritabanı, Amerika Birleşik Devletleri nüfusunun yaklaşık% 34,6'sını temsil eden kanser hakkında veri sağlar ve veritabanına erişim izni alınmıştır (referans numarası 12296-Kasım 2018).
Her ikisi de histolojik tip, farklılaşmış derece, T evresi ve N evresini içeren iki nomogram (Şekil 1), sırasıyla direkt yöntem ve...

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

Mevcut protokol, rakip bir risk modelinin ayırt etme ve kalibrasyon yeteneklerini değerlendirmek için R'deki kodları ve bunun iç ve dış doğrulaması için kodları açıklamaktadır.

Rakip Risk Modelinin R Tabanlı Peyzaj Doğrulaması

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

Protokolümüz, hayatta kalma analizinde rakip olayların varlığını dikkate alan rakip risk nomogramının değerlendirilmesi ve doğrulanması için farklı yöntemler sunmaktadır. Bu protokol, R.Like içindeki risk regresyon paketine, C-indeksinin hesaplanması ve bootstrap yöntemi kullanılarak dahili doğrulama gibi bir ek görevi görür. C-indeksi ayrımcılığına başlamak için, matris koçanını rakip risk modeli mod CRR'ye sığdırın ve komutu yürüterek tahmin edilen bir matris SUV elde edin.SUV'dan belirli bir aydaki kümülatif olayları alın ve R-core gönderdiği fonksiyonla C-endeksini hesaplayın. AUC ayrımcılığı için, işlev puanını, risk regresyon paketini kullanarak rakip risk modelinin tahmine dayalı performansını puanlayın. Ardından komutu yürüterek AUC'yi puandan çıkarın.Rakip risk modelinin %95 güven aralığına sahip kalibrasyon eğrileri elde etmek için, her bireyin belirli bir arıza süresindeki kümülatif insidanslarını içeren bir veri çerçevesi elde edin. Ardından, kohortu tahmini kümülatif insidanslara göre beş alt gruba ayırın ve her bir alt grubun ortalama öngörülen kümülatif insidanslarını hesaplayın. Gözlenen kümülatif insidansları, yani cuminc fonksiyonunu kullanarak gerçek kümülatif insidansları hesaplayın.Ardından, komutu yürüterek belirli bir hata süresinde% 95'lik bir güven aralığıyla gözlemlenen kümülatif olayları elde edin. Kalibrasyon eğrisini, X ekseni olarak tahmin edilen kümülatif insidanslarla ve Y ekseni olarak gözlemlenen kümülatif insidanslarla çizin. gg grafiği işlevini kullanarak.Rakip risk modelinin risk puanlarını içeren kalibrasyon eğrisi için, tüm değişkenlerin her seviyesini değerlendirin ve komutu yürüterek toplam RS'yi elde edin. Frekansları sayın ve farklı toplam risk puanlarının gözlemlenen kümülatif insidanslarını hesaplayın. X ekseninin aralığını ayarlayın ve toplam risk puanlarının tahmin edilen kümülatif insidanslarını hesaplayın.Ardından, komutu yürüterek kalibrasyon eğrisini risk puanlarıyla çizin. Bootstrap yöntemini kullanarak ortalama tahmin edilen kümülatif olayları elde etmek için, bootstrap veri kümesini oluşturmak üzere özgün veri kümesini (rechange ile veri kümesi) yeniden örnekleyin. Veri kümesi içinde.Ardından, bootstrap veri kümesiyle rakip bir risk modeli: mod NCRR oluşturun ve SUV üretmek için döngü B zamanlarında mod NCRR'yi tahmin etmek için CRR'yi tahmin et işlevini kullanın. Ardından, belirli bir ayda ortalama tahmin edilen kümülatif olayları alın. R-core gönderir fonksiyonuyla aralık çapraz doğrulamasını kullanarak C-endeksini hesaplayın.Kalibrasyon için, harici doğrulama kullanarak, komutu yürüterek harici verileri ve harici veri değişkenleri matrisi ile kümülatif olayları kullanarak tahmin edilen kümülatif olayları alın:Code-X. Ardından, komutu yürüterek harici doğrulamayı kullanarak C-indeksini hesaplayın. Doğrudan yöntem ve ağırlıklı yöntem kullanılarak iki nomogram elde edildi ve her değişken seviyesinin noktalarının ve toplam noktalara karşılık gelen olasılıkların neredeyse aynı olduğunu gösterdi.Bazı küçük farklılıklar gözlenirken. Rakip risk modeli için kalibrasyon eğrisi eşdeğerlik çizgisine yakındı ve gözlemlenen frekansın %95 güven aralığı her grupta eşdeğerlik çizgisine düştü. Modelin doğru kalibrasyon yeteneğini gösterir.İç ve dış doğrulamayı kullanan kalibrasyon eğrileri gösterildi, bu da inşa edilen modelin dahili doğrulamada iyi bir kalibrasyon kabiliyetine sahip olduğunu, ancak harici doğrulamada zayıf olduğunu gösterdi. Rakip risk nomogramının karar eğrisi analizi sonuçları elde edilmiştir. Net faydadaki değişikliklerin artan eşik olasılığı ile gösterilmesi.Orijinal veri kümesinin yeniden örneklenmesi, rakip risk nomogramının dahili doğrulamasının gerçekleştirilmesinde önemli olan bootstrap veri kümesini oluşturmak için değiştirildi. Bootstrap yönteminin yanı sıra, dahili doğrulama için kullanılan veri kümelerini oluşturmak için rastgele görüntüleme ve K4 yöntemi de gerçekleştirilebilir. Rakip risk modelinin R tabanlı peyzaj doğrulamasını kullanarak, klinisyenler rakip riski daha kolay göz önünde bulundurarak gerçek dünyada bir prognoz analizi yapabilirler.

Research

JoVE Journal

Cancer Research

A Mouse Model of Fatigue Induced by Peripheral Irradiation

Periferik Radyasyonla Bağlı Yorgunluk A Fare Modeli

Cancer-related fatigue (CRF) is a distressing and costly condition that often affects patients receiving cancer treatments, including radiation therapy. ...

Kanser Araştırmaları

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

Kolorektal kanserli bir Ortotopik Fare Modelinde Dolaşan Tümör Hücrelerinin İzolasyonu

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

An In Vivo Murine Sciatic Nerve Model of Perineural Invasion

An In Vivo Murine Sciatic Nerve Model of Perineural Invasion

Vivo fare siyatik sinir modeli Perineural işgali

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

Orthotopic Homogref (Syngeneic) fare birincil KPC pankreas duktal adenokarsinom, akış sitometresi tarafından Immunophenotyping

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

Sağlıklı ve patolojik arasında ayrım morfoloji tabanlı kullanarak Fourier dönüşümleri ve kendi kendini düzenleyen haritalar hücreleri

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

Kolorektal Kanser Riski ve Yaygınlığının Dışkı DNA Bütünlüğü Saptanması ile Değerlendirilmesi

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

Mutant melanosit kök hücrelerinden Murine Melanoma başlangıcı uzamsal ve temporal kontrol

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

In vitro assay tümör çalışma-macrophage etkileşim

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

Survival Data için Rakip Risk Regresyon Nomogram Modeli Oluşturma

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

Pankreas Kanserinin Ortotopik Rezeksiyonlu Fare Modeli

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