Hastane tabanlı bir RCT'de kalış verilerinin uzunluğu en iyi nasıl analiz edilir?

Bir RCT'den hastanede kalış süresi (LOS) verilerini analiz etmenin en iyi yolu hakkında bir fikir birliği olup olmadığını bilmekle ilgileniyorum. Bu tipik olarak çok sağa eğik bir dağılımdır, böylece çoğu hasta birkaç gün ila bir hafta içinde taburcu edilir, ancak hastaların geri kalanı dağılımın sağ kuyruğunu oluşturan oldukça tahmin edilemez (ve bazen oldukça uzun) kalır.

Analiz seçenekleri şunları içerir:

• t testi (muhtemel olmayan normalliği varsayar)
• Mann Whitney U testi
• logrank testi
• Grup tahsisinde Cox orantılı tehlikeler modeli koşullandırması

Bu yöntemlerden herhangi biri belirgin şekilde daha yüksek güce sahip mi?

Aslında klinik veriler yerine gözlemsel olmasına rağmen tam olarak bunu yapan bir projeye başlıyorum. Düşüncelerim, çoğu konaklama verisinin alışılmadık şekli ve gerçekten iyi karakterize edilmiş zaman ölçeği (hem başlangıç ​​hem de çıkış zamanını mükemmel bir şekilde biliyorsunuz) nedeniyle, sorunun bir tür hayatta kalma analizine gerçekten iyi borç verdiği. Dikkate alınması gereken üç seçenek:

• Cox, orantılı tehlike modelleri, önerdiğiniz gibi, tedavi ve açık kollar arasında karşılaştırma yapmak için.
• Düz Kaplan-Meyer eğrileri, aralarındaki farkları incelemek için bir log-rank veya diğer testlerden birini kullanarak. Miguel Hernan , bunun sabit bir tehlike oranı varsayması gerekmediği için aslında birçok durumda tercih edilen yöntem olduğunu iddia etmiştir. Klinik bir denemeniz olduğundan, değişkene göre ayarlanmış Kaplan-Meyer eğrileri üretmenin zorluğu bir sorun olmamalı, ancak kontrol etmek istediğiniz bazı değişkenler olsa bile, bu ters olasılıkla yapılabilir. tedavi ağırlıkları.
• Parametrik sağkalım modelleri. Kuşkusuz, daha az yaygındır, ancak benim durumumda altta yatan tehlikenin parametrik bir tahminine ihtiyacım var , bu yüzden bunlar gerçekten tek yol. Genelleştirilmiş Gama modelini kullanarak doğrudan atlamayı önermem. Çalışmak acı verici bir şey - Basit bir Üstel, Weibull ve Log-Normal dener ve bunlardan herhangi birinin kabul edilebilir uyumlar üretip üretmediğini görürüm.

Sansürlü kalış süresini de (başarılı hastaneden taburcu edilmeden önce ölüm) de ele alacak Cox orantılı tehlike modelini tercih ediyorum. İlgili bir çalışma notu şu adresteki http://biostat.mc.vanderbilt.edu/wiki/pub/Main/FHHandouts/slide.pdf adresinde bulunabilir : http://biostat.mc.vanderbilt.edu/wiki/pub/ Ana / FHHandouts / model.s

Gruplar arasındaki farklar ve her bağımsız değişken için test için logrank testini öneriyorum. Belki de Cox orantılı tehlike modelinde çeşitli değişkenler (en azından logrank testinde önemli olanlar için) ayarlamanız gerekecektir. Gamma genelleştirilmiş modeli (parametrik), temel (tehlike) risk tahminine ihtiyacınız olacaksa Cox'a bir alternatif olabilir.

ölüm, taburcu olan rakip bir olaydır. Ölümleri sansürlemek, eksik verileri rastgele sansürlemez. Kümülatif ölüm ve deşarj insidansının incelenmesi ve alt dağıtım tehlikelerinin karşılaştırılması daha uygun olabilir.