«survival» etiketlenmiş sorular

Doğru sansürlenmiş ve orantılı tehlikeler ve sürekli temel tehlike ile bazı dağılımları takip eden bir oyuncak hayatta kalma (olay zamanı) verileri oluşturmak istiyorum. Verileri aşağıdaki gibi oluşturdum, ancak simüle edilen verilere bir Cox orantılı tehlike modeli taktıktan sonra gerçek değerlere yakın tahmini tehlike oranları elde edemiyorum. Neyi yanlış yaptım? R …

12 survival  cox-model  monte-carlo 

Balıkçı testini daha iyi anlamak istedim, bu yüzden f ve m erkek ve kadına karşılık gelen ve n ve y "soda tüketimine" karşılık gelen aşağıdaki oyuncak örneğini tasarladım: > soda_gender f m n 0 5 y 5 0 Açıkçası, bu büyük bir basitleştirme, ama bağlamın önüne geçmesini istemedim. Burada sadece …

12 fishers-exact  hypergeometric  clustering  supervised-learning  modeling  econometrics  r  regression  residuals  heteroscedasticity  independence  distributions  self-study  matlab  libsvm  self-study  conditional-probability  conditional-expectation  hypothesis-testing  self-study  multiple-comparisons  mode  statistical-significance  chi-squared  multiple-comparisons  maximum-likelihood  poisson-process  optimization  uncertainty  genetic-algorithms  bayesian  model-selection  overfitting  maximum-likelihood  optimization  approximation  r  prediction  model-evaluation  r  machine-learning  survival  neural-networks  cox-model  machine-learning  bayesian  bayesian-network  hierarchical-bayesian  pooling 

Satranç oyuncularının büyük usta unvanına hak kazanmayı başardıkları en genç yaşın 1950'lerden beri önemli ölçüde azaldığı ve şu anda 15. doğum günlerinden önce büyük usta olan neredeyse 30 oyuncu olduğu bilinmektedir . Ancak, Satranç Yığını Borsası'nda “Büyük usta olmanın ortalama yaşı nedir?” Diye soran bir soru vardır. . Birisi onun …

11 survival  bias  population  censoring  subset 

Bir bilgisayar oyununda bu dağıtımla karşılaştım ve davranışı hakkında daha fazla bilgi edinmek istedim. Verilen sayıda oyuncu eyleminden sonra belirli bir olayın gerçekleşip gerçekleşmeyeceğine karar verilir. Bunun ötesindeki detaylar ilgili değildir. Diğer durumlar için uygulanabilir gibi görünüyor ve ilginç buldum çünkü hesaplanması kolay ve uzun bir kuyruk yaratıyor. Her adımında …

11 probability  distributions  survival  discrete-data 

Aşağıdaki Cox PH modelim var: (Zaman, Etkinlik) ~ X + Y + Z Ben tahmin tehlike almak istiyorum oranları (i tehlike oranları bahsediyorum DEĞİL spesifik değerler verilmiş tehlike oranları) X, Y, Z. Muhaz R paketinin gözlemlenen tehlike oranlarını hesaplayabileceğini biliyorum , ancak tahmin edilen modelle ilgileniyorum. Bunu R'de yapmanın bir …

11 r  survival  hazard  cox-model 

Bir gen imzasının daha düşük tekrarlama riski olan bireyleri tanımlayacağını varsayarsam, bu popülasyonun% 20'sindeki olay oranını 0,5 (tehlike oranı 0,5) azaltır ve retrospektif bir kohort çalışmasından örnekler kullanmayı planlıyorum. iki hipotez grubundaki eşit olmayan sayılar için örnek boyutunun ayarlanması gerekir mi? Örneğin Collett, D: Tıbbi Araştırmalarda Hayatta Kalma Verilerini Modelleme, …

11 survival  power-analysis  genetics 

Tip I sağ sansürlü gözlemleri içeren bir n Weibull dağıtım ömrü örneğini nasıl simüle edebileceğimi merak ediyorum. Örneğin n = 3, şekil = 3, ölçek = 1 ve sansürleme oranı = .15 ve sansürleme süresi = .88 olsun. Weibull örnek oluşturmayı biliyorum ama R'de sansürlenmiş tip I olan sansürlü bir …

11 r  survival  simulation  random-generation 

Olay zamanı hayatta kalma verilerinin Cox orantılı tehlike modellemesini yaparken eğilim skoru ağırlığı (IPTW) ile ilgili olarak: Çoğu durumda hastaların zaten başlangıçta aldıkları bir ilacın tedavi etkisine bakmak istediğimiz prospektif kayıt verilerim var. Bu nedenle verilerin en iyi nasıl analiz edileceğinden emin değilim. Potansiyel olarak, bazal değişkenlerin bazıları tedaviden önemli …

11 r  survival  cox-model  propensity-scores 

Hayatta kalma analizleri üzerine biraz okuyorum ve çoğu ders kitabı h(t)=limΔt→0P(t&lt;T≤t+Δt|T≥t)Δt=f(t)1−F(t)(1)h(t)=limΔt→0P(t&lt;T≤t+Δt|T≥t)Δt=f(t)1−F(t)(1)h(t)= \lim_{ \Delta t \rightarrow 0} \frac{P(t < T \leq t+\Delta t |T \geq t )}{ \Delta t} =\frac{f(t)}{1-F(t)} (1) burada h(t)h(t)h(t) tehlike oranıdır, f(t)=limΔt→0P(t&lt;T≤t+Δt)Δt(2)f(t)=limΔt→0P(t&lt;T≤t+Δt)Δt(2)f(t)=\lim_{\Delta t \rightarrow 0} \frac{P(t < T \leq t+\Delta t)}{ \Delta t}(2) yoğunluk fonksiyonu, F( t …

11 survival 

Hayatta kalma analizinde yeniyim ve yakın zamanda bunu belirli bir amaç doğrultusunda yapmanın farklı yolları olduğunu öğrendim. Bu yöntemlerin gerçek uygulaması ve uygunluğu ile ilgileniyorum. Zaman, statü ve diğer tıbbi veriler göz önüne alındığında bir hastanın hayatta kalması için yöntemler olarak geleneksel Cox Orantılı Tehlikeler , Hızlandırılmış başarısızlık süresi modelleri …

10 r  machine-learning  survival  neural-networks  cox-model 

Her turdan sonra yıpranma ile 5 turdan fazla kazanan ve kaybeden bahisler hakkında verilerim var. Verileri görüntülemek için aşağıdaki gibi bir karar ağacı kullanıyorum. Ağacın tepesine doğru düğümler kazanan bahislere sahip olanlardır ve ağacın dibine doğru olan düğümler kaybetme bahislerine sahiptir. Her düğümdeki (b) ortalama bahis boyutlarındaki değişikliklerin (a) yıpranmasına …

10 t-test  survival  panel-data  time-varying-covariate 

Basit bir örnek uğruna iki doğrusal regresyon modeli olduğunu varsayalım. Model 1 sahiptir üç belirleyicileri x1a, x2bvex2c Model 2, model 1'den üç öngörücüye ve iki ek öngörücüye sahiptir x2avex2b Kitle varyansı olduğu açıklanmıştır nüfus regresyon denklemi vardır Model 1 için ve Model 2 için artan varyans nüfus içinde Model 2 …

10 regression  confidence-interval  estimation  r-squared  shrinkage  anova  t-test  references  tukey-hsd  machine-learning  boosting  r  clustering  fishers-exact  generalized-linear-model  model  probit  link-function  r  survival  probability  distributions  dice  logistic  lme4-nlme  glmm  meta-analysis  distributions  distributions  factor-analysis  r  anova  repeated-measures  post-hoc 

survivalPaket Rgöründüğünü sürekli zaman hayatta kalma modellerine odaklanmak. Tamamlayıcı log-log modeli olan oransal bir tehlike modelinin ayrık zamanlı bir versiyonunu tahmin etmekle ilgileniyorum. Basit sansür ile oldukça basit bir hayatta kalma modelim var. Bu modeli tahmin etmenin bir yolunun, "ölü" olmadığı her dönem için her gözlem için ayrı bir satır …

10 r  survival 

Hamileliğin bir hastalığın sonucu üzerindeki etkisini modelliyorum (ölü canlı). Hastaların yaklaşık% 40'ı tanıdan sonra gebe kalmıştır - ancak farklı zamanlarda. Şimdiye kadar gebeliğin sağkalım üzerine açık bir koruyucu etkisi ve aynı zamanda düzenli bir Cox modeli gösteren KM grafikleri yaptım - ancak bunlar sadece ikiye bölünmüş bir gebelik değişkeni kullanılarak …

10 survival 

Hastalıksız sağkalım verilerim (belirli bir hastalığın teşhis edilip edilmediği veya takip edilecek kayıp veya takip kaybı ile tanımlanmış olarak tanımlanır) ve ayrıca genel sağkalım verilerim varsa, hastalık olayı? Bunlar sansürlenmiş mi yoksa bu hastaları hastalıksız sağkalım (dfs) analizinden hariç tutmalı mıyım? Birkaç hastalık türü için ayrı ayrı dfs analizleri yapmayı …

10 regression  survival  epidemiology