Düz İngilizce R kullanarak Cox orantılı tehlikeler regresyon modelinin yorumlanması ve onaylanması

Birisi bana Cox modelimi düz İngilizce olarak açıklayabilir mi?

Bu işlevi kullanarak tüm verilerime aşağıdaki Cox regresyon modelini yerleştirdim cph. Verilerim adlı bir nesneye kaydedilir Data. Değişkenler w, xve ysüreklidir; ziki seviyeli bir faktördür. Zaman ay olarak ölçülür. Bazı hastalarım değişkenleri için veri eksik z( Not : Dr.Harrell'in aşağıda, modelime ağırlık vermekten kaçınmak için bu değerleri ima ettiğimi ve gelecekte yapacağım tavsiyesini usulüne uygun olarak belirtmiştim).

> fit <- cph(formula = Surv(time, event) ~ w + x + y + z, data = Data, x = T, y = T, surv = T, time.inc = 12)

Cox Proportional Hazards Model
Frequencies of Missing Values Due to Each Variable
Surv(time, event)    w    x    y    z 
                0    0    0    0   14 

                Model Tests          Discrimination 
                                            Indexes        
Obs       152   LR chi2      8.33    R2       0.054    
Events     64   d.f.            4    g        0.437    
Center 0.7261   Pr(> chi2) 0.0803    gr       1.548    
                Score chi2   8.07                      
                Pr(> chi2) 0.0891                      

                   Coef    S.E.   Wald Z   Pr(>|Z|)
         w      -0.0133  0.0503    -0.26     0.7914  
         x      -0.0388  0.0351    -1.11     0.2679  
         y      -0.0363  0.0491    -0.74     0.4600  
         z=1     0.3208  0.2540     1.26     0.2067

Ayrıca cox.zph, aşağıdaki komutu kullanarak orantılı tehlike varsayımını test etmeye çalıştım , ancak sonuçlarını nasıl yorumlayacağımı bilmiyorum. Koymak plot()komutu etrafında bir hata mesajı verir.

 cox.zph(fit, transform="km", global=TRUE)
            rho chisq      p
 w      -0.1125 1.312 0.2520
 x       0.0402 0.179 0.6725
 y       0.2349 4.527 0.0334
 z=1     0.0906 0.512 0.4742
 GLOBAL      NA 5.558 0.2347

İlk Sorun

• Birisi yukarıdaki çıktının sonuçlarını düz İngilizce olarak açıklayabilir mi? Tıbbi bir geçmişim var ve istatistik konusunda resmi bir eğitimim yok.

İkinci Sorun

• Harrell tarafından önerildiği gibi, rmspaketi kullanarak 10 kat çapraz doğrulama doğrulamasının 100 yinelemesini gerçekleştirerek modelimi dahili olarak doğrulamak istiyorum (anladığım kadarıyla, bu 100 * 10 = 1000farklı modeller oluşturmayı ve daha sonra hayatta kalma sürelerini tahmin etmelerini ister. daha önce hiç görmedikleri hastaların).

  validateGösterildiği gibi işlevi kullanmayı denedim .

  > v1 <- validate(fit, method="crossvalidation", B = 10, dxy=T)
  > v1
        index.orig training    test optimism index.corrected  n
  Dxy      -0.2542  -0.2578 -0.1356  -0.1223         -0.1320 10
  R2        0.0543   0.0565  0.1372  -0.0806          0.1350 10
  Slope     1.0000   1.0000  0.9107   0.0893          0.9107 10
  D         0.0122   0.0128  0.0404  -0.0276          0.0397 10
  U        -0.0033  -0.0038  0.0873  -0.0911          0.0878 10
  Q         0.0155   0.0166 -0.0470   0.0636         -0.0481 10
  g         0.4369   0.4424  0.6754  -0.2331          0.6700 10
  

  100x yeniden örnekleme nasıl yapılır? Yukarıdaki kodum sadece bir kez çapraz doğrulama gerçekleştirdiğini düşünüyorum.

• Daha sonra modelimin ne kadar iyi olduğunu tahmin etmek istedim. Aşağıdakileri denedim:

  > c_index <- abs(v1[1,5])/2 + 0.5
  > c_index
  [1] 0.565984
  

  Bu, modelimin bir madeni parayı çevirmekten sadece biraz daha iyi olduğu anlamına mı geliyor?

Üçüncü Sorun

Harrell, ortak değişken efektler için doğrusallık kazandığımı ve numunemdeki olay sayısının, tüm ortak değişkenlerin doğrusal olması durumunda güvenilir bir modele uyacak kadar büyük olduğunu belirtti.

• Bu, modelime bir çeşit etkileşim terimi eklemem gerektiği anlamına mı geliyor? Eğer öyleyse, ne koyacağınıza dair herhangi bir tavsiye?

Başlamak için birkaç şeyi düşünün. İlk olarak, eksik verilerle çok fazla gözlemi hariç tutuyorsunuz ve bu bir yanlılığa neden olacaktır. Birden fazla dürtü düşünün. İkinci olarak,cox.zphorantılı tehlikelerin değerlendirilmesinde faydalıdır. Üçüncüsü, ortak değişkenler için doğrusallık varsaydınız. Dördüncüsü, tüm ortak değişkenler doğrusal olduğunda (nadirdir) egzersiz örneğinizdeki etkinliklerin sayısı güvenilir bir modele sığacak kadar azdır. Ve test örneğinizin tahmin doğruluğu için güvenilir bir değerlendirme yapmadan önce belki 400 olaya sahip olması gerekir. Verileri iki bölüme ayırmak için yeterli veriye sahip olduğunuz açık değildir. Yeniden örnekleme doğrulaması (10 kat çapraz doğrulamanın 100 tekrarı veya bootstrap kullanımı) daha iyi bir çözümdür. Orijinal dış doğrulama (fonksiyonları Hem rcorr.censve val.surv) ve iç doğrulama yeniden örnekleme (fonksiyonlar validate, calibrate) R uygulanır rmspaketin. İçin vaka çalışmalarırmspaket http://biostat.mc.vanderbilt.edu/rms adresindeki ders notlarımda bulunur (ve önümüzdeki ay Nashville'de 3 günlük kursum var). Bu Not tablolar sürekli veriler ile kullanım için uygun değildir.$2\times 2$

İlgili bir örneğe dayanan R cph fonksiyonunun çıktısı, J. Fox tarafından takip edilmesi kolay bu makalede açıklanmıştır .

Henüz yapmadıysanız bu makaleyi okumanızı şiddetle tavsiye ederim.