Hlavní Jiný Konkurenční analýza rizik

Konkurenční analýza rizik

Přehled

Software

Popis

Webové stránky

Čtení

Kurzy

Přehled

Konkurenční analýza rizik odkazuje na speciální typ analýzy přežití, jehož cílem je správně odhadnout mezní pravděpodobnost události v přítomnosti konkurenčních událostí. Tradiční metody popisující proces přežití, jako je metoda Kaplan Meierova limitu produktu, nejsou navrženy tak, aby vyhovovaly konkurenční povaze více příčin stejné události, proto mají tendenci vytvářet nepřesné odhady při analýze mezní pravděpodobnosti událostí specifických pro příčinu. Jako řešení bylo navrženo, aby kumulativní incidenční funkce (CIF) vyřešila tento konkrétní problém odhadem mezní pravděpodobnosti určité události jako funkce její pravděpodobnosti specifické pro konkrétní příčinu a celkové pravděpodobnosti přežití. Tato metoda hybridizuje myšlenku přístupu produkt-limit a myšlenku konkurenčních kauzálních cest, což poskytuje více interpretovatelný odhad zkušeností s přežitím více konkurenčních událostí pro skupinu subjektů. Stejně jako mnoho analýz zahrnuje konkurenční analýza rizik neparametrickou metodu, která zahrnuje použití modifikovaného chí-kvadrátového testu k porovnání CIF křivek mezi skupinami, a parametrický přístup, který modeluje CIF na základě funkce subdistribuce nebezpečí.

Popis

1. Co je soutěžní událost a konkurenční riziko?

Ve standardních údajích o přežití se předpokládá, že u jedinců dojde během sledování pouze k jednomu typu události, jako je například úmrtí na rakovinu prsu. Naopak, v reálném životě mohou subjekty potenciálně zažít více než jeden typ určité události. Například pokud je úmrtnost předmětem zájmu výzkumu, pak by naše pozorování - starší pacienti na onkologickém oddělení, mohli zemřít na infarkt nebo rakovinu prsu nebo dokonce na dopravní nehodu. Pokud může dojít pouze k jednomu z těchto různých typů událostí, označujeme tyto události jako konkurenční události v tom smyslu, že mezi sebou soutěží o poskytnutí zajímavé události a výskyt jednoho typu události zabrání výskytu ostatní. Ve výsledku nazýváme pravděpodobnost těchto událostí konkurenčními riziky v tom smyslu, že pravděpodobnost každé soutěžní události je nějakým způsobem regulována ostatními soutěžními událostmi, což má interpretaci vhodnou k popisu procesu přežití určeného více typy událostí .

efekty hirošimy a nagasaki

Abyste lépe porozuměli scénáři konkurenčních událostí, zvažte následující příklady:

1) Pacient může zemřít na rakovinu prsu nebo na cévní mozkovou příhodu, ale nemůže zemřít na obojí;
3) Voják může zemřít během boje nebo při dopravní nehodě.

Ve výše uvedených příkladech existuje více než jedna cesta, při které subjekt může selhat, ale selhání, ať už smrt nebo infekce, se může u každého subjektu vyskytnout pouze jednou (bez ohledu na opakující se událost). Proto se selhání způsobená různými cestami vzájemně vylučují, a proto se nazývají konkurenční události. Analýza těchto údajů vyžaduje zvláštní úvahy.

2. Proč bychom neměli používat Kaplan Meierův odhad?

Stejně jako ve standardní analýze přežití je analytickým objektem pro data konkurenčních událostí odhadnout pravděpodobnost jedné události z mnoha možných událostí v čase, což umožní subjektům selhat z konkurenčních událostí. Ve výše uvedených příkladech bychom mohli chtít odhadnout míru úmrtnosti na rakovinu prsu v průběhu času a chtěli bychom vědět, zda se míra úmrtnosti na rakovinu prsu liší mezi dvěma nebo více léčebnými skupinami, s úpravou kovariát nebo bez ní. Ve standardní analýze přežití lze na tyto otázky odpovědět pomocí metody limitu produktu Kaplan Meier k získání pravděpodobnosti události v čase a Coxova modelu proporcionálního rizika k předpovědi takové pravděpodobnosti. Podobně v datech konkurenčních událostí typický přístup zahrnuje použití odhadu KM k samostatnému odhadu pravděpodobnosti pro každý typ události, zatímco s ostatními konkurenčními událostmi se zachází jako s cenzurovanými kromě těch, které jsou cenzurovány ze ztráty na sledování nebo stažení. Tato metoda odhadu pravděpodobnosti události se nazývá riziková funkce specifická pro příčinu, která je matematicky vyjádřena jako:

Náhodná proměnná Tc označuje dobu do selhání z události typu c, proto riziková funkce hc (t) specifická pro příčinu udává okamžitou poruchovost v čase t z události typu c, vzhledem k tomu, že nezlyhala z události c časem t.

Odpovídajícím způsobem existuje model nebezpečí specifický pro příčinu založený na Coxově modelu proporcionálního rizika, který má formu:

zoom doporučená rychlost internetu

Tento proporcionální model rizika typu události c v čase t umožňuje, aby se účinky kovariátů lišily podle typů událostí, jak naznačuje indexovaný koeficient beta.

Pomocí těchto metod lze samostatně odhadnout míru selhání pro každou z konkurenčních událostí. Například v našem příkladu úmrtnosti na rakovinu prsu, když je úmrtí na rakovinu prsu zajímavou událostí, by úmrtí na infarkt a všechny ostatní příčiny měly být považovány za cenzurované kromě konvenčních cenzurovaných pozorování. To by nám umožnilo odhadnout riziko specifické pro příčinu úmrtnosti na rakovinu prsu a dále přizpůsobit model rizika specifické pro příčinu úmrtnosti na rakovinu prsu. Stejný postup lze použít i na smrt na infarkt, když se stane událostí zájmu.

Hlavní výhradou přístupu založeného na konkrétních příčinách je, že stále předpokládá nezávislou cenzuru pro subjekty, které ve skutečnosti nejsou cenzurovány, ale selhaly v konkurenčních událostech, pokud jde o standardní cenzuru, jako je následná ztráta. Předpokládejme, že tento předpoklad je pravdivý, když se zaměříme na míru úmrtnosti na rakovinu prsu podle konkrétní příčiny, pak by jakýkoli cenzurovaný subjekt v čase t měl stejnou míru úmrtí na rakovinu prsu, bez ohledu na to, zda je důvodem cenzury buď CVD nebo jiná příčina smrti nebo ztráta následného sledování. Tento předpoklad je ekvivalentní tomu, že se říká, že konkurenční události jsou nezávislé, což je základem pro platnost typu analýzy KM. Neexistuje však žádný způsob, jak explicitně otestovat, zda je tento předpoklad pro danou datovou sadu splněn. Například nikdy nemůžeme určit, zda by subjekt, který zemřel na infarkt, zemřel na rakovinu prsu, kdyby nezemřel na infarkt, protože možná smrt na rakovinu je nepozorovatelná pro subjekty, které zemřely na infarkt. Odhady funkce nebezpečí specifické pro příčinu proto nemají informativní výklad, protože se do značné míry opírá o předpoklad cenzury nezávislosti.

3. Jaké je řešení?

Nejpopulárnější alternativní přístup k analýze dat konkurenčních událostí se dosud nazývá funkce kumulativní incidence (CIF), která odhaduje mezní pravděpodobnost pro každou konkurenční událost. Mezní pravděpodobnost je definována jako pravděpodobnost subjektů, které skutečně vyvinuly událost zájmu, bez ohledu na to, zda byly cenzurovány nebo selhaly z jiných konkurenčních událostí. V nejjednodušším případě, pokud existuje pouze jedna zajímavá událost, by se CIF měl rovnat odhadu (1-KM). Pokud však existují konkurenční události, lze mezní pravděpodobnost každé konkurenční události odhadnout z CIF, který je odvozen od konkrétního nebezpečí, jak jsme již diskutovali. Podle definice mezní pravděpodobnost nepředpokládá nezávislost konkurenčních událostí a má interpretaci, která je pro klinika relevantnější v analýzách nákladové efektivnosti, ve kterých se k hodnocení užitečnosti léčby používá pravděpodobnost rizika.

3.1 Funkce kumulativní incidence (CIF)

Konstrukce CIF je stejně přímočará jako odhad KM. Je to produkt dvou odhadů:

1) Odhad rizika při objednané době selhání tf pro zajímavý typ události, vyjádřený jako:

kde mcf označuje počet událostí pro riziko c v čase tf a nf je počet subjektů v té době.

2) Odhad celkové pravděpodobnosti přežití předchozího času (td-1):

kde S (t) označuje spíše funkci celkového přežití než funkci přežití specifickou pro příčinu. Důvod, proč musíme brát v úvahu celkové přežití, je jednoduchý, ale důležitý: subjekt musel přežít všechny ostatní konkurenční události, aby selhal z události typu c podle časového rozvrhu.

S těmito dvěma odhady můžeme vypočítat odhadovanou pravděpodobnost výskytu selhání z typu události c v čase tf jako:

Rovnice je samozřejmá: pravděpodobnost selhání z typu události c v čase tf je jednoduše produktem přežití předchozích časových období a příčiny konkrétního nebezpečí v čase tf.

CIF pro událost typu c v čase tf je pak kumulativní součet do času tf (tj. Od f '= 1 do f' = f) těchto pravděpodobností výskytu za všechny doby selhání události typu c, který je vyjádřen jako:

Jak jsme již zmínili, CIF je ekvivalentní k odhadovači 1-KM, pokud neexistuje žádná soutěžní událost. Pokud existuje soutěžní událost, CIF se liší od odhadce 1-KM v tom, že používá funkci celkového přežití S (t), která kromě události zájmu počítá i selhání konkurenčních událostí, zatímco odhad 1-KM používá typ události specifická funkce přežití Sc (t), která považuje chyby z konkurenčních událostí za cenzurované.

v roce 1969, nejvyšší soud v Brandenburg v. Ohio

Použitím funkce celkového přežití CIF obchází potřebu vytvářet neověřitelné předpoklady nezávislosti cenzury na konkurenčních událostech. Vzhledem k tomu, že S (t) je vždy menší než Sc (t), v datech konkurenčních událostí je CIF vždy menší než 1-KM odhady, což znamená, že 1-KM má tendenci nadhodnocovat pravděpodobnost selhání z daného druhu události . Další výhodou je, že podle definice je CIF každé soutěžní události zlomkem S (t), proto by se součet každého jednotlivého nebezpečí pro všechny soutěžní události měl rovnat celkovému nebezpečí. Tato vlastnost CIF umožňuje rozebrat celkové nebezpečí, které má praktičtější interpretace.

3.2 Neparametrická analýza

Gray (1988) navrhl neparametrický test pro srovnání dvou nebo více CIF. Test je analogický s log-rank testem porovnávajícím KM křivky s použitím modifikované statistiky testu Chi-kvadrát. Tento test nevyžaduje předpoklad nezávislé cenzury. Přečtěte si prosím původní článek, kde najdete podrobnosti o tom, jak jsou tyto statistiky testů konstruovány.

3.3 Parametrická analýza

Fine and Gray (1999) navrhli model proporcionálního rizika zaměřený na modelování CIF s kovariátami tak, že se s křivkou CIF zachází jako s funkcí dalšího rozdělování. Funkce subdistribuce je analogická s Coxovým modelem proporcionálního rizika, kromě toho, že modeluje funkci rizika (známou jako riziko subdistribuce) odvozenou z CIF. Funkci nebezpečnosti subdistribuce jemné a šedé pro událost typu c lze vyjádřit jako:

Výše uvedená funkce odhaduje míru rizika pro typ události c v čase t na základě sady rizik, která zůstává v čase t po započtení všech dříve se vyskytujících typů událostí, které zahrnují konkurenční události.

Model proporcionálního rizika založený na CIF je poté definován jako:

Tento model splňoval proporcionální předpoklad rizika pro modelované riziko subpopulace, což znamená, že obecný vzorec poměru rizik je v podstatě stejný jako u modelu Cox, s výjimkou malého kosmetického rozdílu, že betas v modelu Cox je nahrazen gama v Fine a Grayův model. V důsledku toho bychom měli interpretovat gama podobným způsobem, jako to děláme u beta odhadovaných z Coxova modelu, až na to, že odhaduje účinek určitých proměnných za přítomnosti konkurenčních událostí. Jemný a šedý model lze také rozšířit, aby umožňoval časově závislé proměnné.

Dnes je analýza konkurenčních dat pomocí neparametrických nebo parametrických metod dostupná v hlavních statistických balíčcích včetně R, STATA a SAS.

Čtení

Učebnice a kapitoly

J. D. Kalbfleisch a Ross L. Prentice, „Konkurenční rizika a vícestupňové modely“, Statistická analýza údajů o době selhání (Hoboken, N.J .: J. Wiley, 2002), str. 247-77.
Myšlenka CIF byla poprvé navržena v této knize. Poskytne vám přesvědčivé zdůvodnění, proč nemůžete analyzovat konkurenční data pomocí metody Kaplan Meier.

David G. Kleinbaum a Mitchel Klein, Computing Risks Survival Analysis, Survival Analysis: A Self-Learning Text (New York: Springer, 2012), s. 425-95.
Celá tato stránka si těžce vypůjčila z této úžasné kapitoly od Kleinbaum & Klein, velmi ji doporučuji! P.S. Velmi doporučuji všechny statistické učebnice od Kleinbauma obecně.

Bob Gray (2013). cmprsk: Subdistribuční analýza konkurenčních rizik. Verze R balíčku 2.2-6. http://CRAN.R-project.org/package=cmprsk
Toto je uživatelská příručka balíčku cmprsk balíčku R, která poskytuje přátelské vedení k tomu, jak tyto funkce implementovat.

stcrreg - konkurenční rizika regrese, StataCorp. 2013. Stata 13 Base Reference Manual. College Station, TX: Stata Press.
Toto je uživatelská příručka STATA, vím o ní velmi málo, ale zdá se být informativní pro zkušené uživatele STATA.

Model rizik proporcionálního subdistribuce pro údaje o konkurenčních rizicích, SAS Institute Inc. 2013. Uživatelská příručka SAS / STAT® 13.1: pp5991-5995. Cary, NC: SAS Institute Inc.
Toto je jeden z těch příspěvků na fóru SAS, který popisuje, jak analyzovat konkurenční riziko pomocí PROC PHREG v SAS. Velmi podrobné a užitečné.

jaký je rozdíl mezi pandemií a epidemií

Metodické články

Prentice, Ross L. a kol. Analýza doby selhání za přítomnosti konkurenčních rizik. Biometrics (1978): 541-554.
Tento příspěvek je velmi podobný kapitole knihy od Kalbfleische a Prentice, pravděpodobně jde o stejný papír.

Gray, Robert J. Třída testů K-vzorků pro porovnání kumulativního výskytu konkurenčního rizika. The Annals of statistics (1988): 1141-1154.
Toto je článek, který navrhl upravený test Chi-kvadrát pro srovnání dvou nebo více CIF. Epické!

Dobře, Jason P. a Robert J. Gray. Model proporcionálních rizik pro subdistribuci konkurenčního rizika. Journal of the American Statistical Association 94,446 (1999): 496-509.
Toto je článek, který navrhl funkci subdistribuce nebezpečí a model proporcionálního rizika pro CIF. Epické!

Latouche, Aurélien a kol. Chybějící regresní model pro riziko subdistribuce konkurenčního rizika. Statistika v medicíně 26,5 (2007): 965-974.
Tento dokument kritizoval zneužití funkce subdistribuce nebezpečnosti v publikovaných dokumentech. Je to trochu užitečné, protože poukázalo na některé běžné chyby při používání této metody.

Lau, Bryan, Stephen R. Cole a Stephen J. Gange. Konkurenční modely regrese rizika pro epidemiologická data. Americký časopis o epidemiologii 170,2 (2009): 244-256.
Tento článek poskytuje vynikající shrnutí CIF a konkurenční rizikové regrese se živými grafy. Má také aplikaci této metody v datech reálného světa. Velmi užitečné pro epidemiology.

Zhou, Bingqing a kol. Konkurenční regrese rizik pro stratifikovaná data. Biometrics 67.2 (2011): 661-670.
Článek rozšířil Grayovy metody pro analýzu stratifikovaných dat.

Zhou, Bingqing a kol. Konkurenční regrese rizik pro seskupená data. Biostatistics 13.3 (2012): 371-383.
Článek rozšířil Grayovy metody pro analýzu seskupených dat.

Andersen, Per Kragh a kol. Konkurenční rizika v epidemiologii: možnosti a úskalí. International journal of epidemiology 41.3 (2012): 861-870.
Dobré shrnutí a kritika Grayových metod.

Články o aplikaci

Wolbers, Marcel a kol. Prognostické modely s konkurenčními riziky: metody a aplikace na predikci koronárních rizik. Epidemiologie 20.4 (2009): 555-561.
Tento článek porovnával Fineův a Grayův model se standardním Coxovým modelem při analýze úmrtnosti na koronární onemocnění srdce a ukázal, že Coxův model nadhodnocuje riziko.

Wolbers, Marcel a kol. Konkurenční analýzy rizik: cíle a přístupy. European Heart Journal (2014): ehu131.
Tato práce je také autorem Wolbers et al. ale poskytuje podrobnější přehled Grayovy metody a ukázkovou analýzu účinnosti implantovatelných kardioverterů-defibrilátorů.

Grover, Gurprit, Prafulla Kumar Swain a Vajala Ravi. Konkurenční rizikový přístup s cenzurou k odhadu pravděpodobnosti úmrtí pacientů s HIV / AIDS na antiretrovirové terapii za přítomnosti kovariancí. Statistika Research Letters 3.1 (2014).
Klasická aplikace ve výzkumu léčby HIV.

Dignam, James J., Qiang Zhang a Masha Kocherginsky. Využití a interpretace konkurenčních modelů regrese rizik. Clinical Cancer Research 18.8 (2012): 2301-2308.
Tento článek použil ukázková data z klinické studie onkologické skupiny s radiační terapií pro rakovinu prostaty, aby ukázal, že odlišný model rizika může vést k velmi odlišným závěrům o stejném prediktorovi.

R výukové programy

Scrucca, L., A. Santucci a F. Aversa. Konkurenční analýza rizik pomocí R: snadný průvodce pro lékaře. Transplantace kostní dřeně 40,4 (2007): 381-387.
Velmi pěkný tutoriál pro odhad CIF v R pro nestatistické lidi.

Scrucca, L., A. Santucci a F. Aversa. Regresní modelování konkurenčních rizik pomocí R: podrobný průvodce pro lékaře. Transplantace kostní dřeně 45,9 (2010): 1388-1395.
Velmi pěkný návod, jak přizpůsobit konkurenční riziko regrese v R pro nestatistické lidi.

Scheike, Thomas H. a Mei-Jie Zhang. Analýza konkurenčních údajů o rizicích pomocí balíčku R timereg. Journal of statistics software 38.2 (2011).
Úvod do jiného časového balíčku balíčku R, než je balíček cmprsk pro analýzu konkurenčních dat.

účinek jaderné bomby

Výukové programy STATA

Coviello, Vincenzo a May Boggess. Kumulativní odhad výskytu za přítomnosti konkurenčních rizik. STATA journal 4 (2004): 103-112.

Výukové programy SAS

Lin, Guixian, Ying So a Gordon Johnston. Analýza dat o přežití s ​​konkurenčními riziky pomocí softwaru SAS. Globální fórum SAS. Sv. 2102. 2012.

Kurzy

Sally R. Hinchlie. Konkurenční rizika - co, proč, kdy a jak? Analýza přežití pro mladé výzkumné pracovníky, Katedra zdravotnických věd, Univerzita v Leicesteru, 2012
Úžasná přednáška o konkurenční analýze rizik se spoustou grafů pro pochopení metody.

Bernhard Haller. Analýza údajů o konkurenčních rizicích a simulace údajů v návaznosti na rizika předcházejícího rozdělení, Výzkumný seminář, Ústav lékařské statistiky a epidemiologie, Technická univerzita v Mnichově, 2013
Naučí vás, jak simulovat konkurenční data, což je trochu těžké sledovat.

Roberto G. Gutierrez. Konkurenční rizika regrese, setkání australských a novozélandských uživatelů skupiny Stata 2009. StataCorp LP, 2009
Přednáška o používání STATA k analýze konkurenčních údajů o rizicích.

Zaixing Shi, Soutěžní analýza rizik - prezentace Epi VI, prezentace třídy jarního semestru 2014.
Toto jsou moje prezentační snímky!

Zajímavé Články

Redakce Choice

Epidemie, endemika, pandemie: Jaké jsou rozdíly?
Epidemie, endemika, pandemie: Jaké jsou rozdíly?
Nová pandemie koronaviru je dokonalým modelem pro pochopení toho, co přesně pandemie je a jak ovlivňuje život v globálním měřítku. Od vzniku COVID-19 v roce 2020 byla veřejnost bombardována novým jazykem, aby pochopila virus a následnou globální reakci na veřejné zdraví. Tento článek odhalí faktory, které pandemii vytvářejí, a jak k ní dochází
Prezident Barack Obama, absolvent Kolumbie, je slavnostně otevřen na druhé funkční období
Prezident Barack Obama, absolvent Kolumbie, je slavnostně otevřen na druhé funkční období
Prezident Barack Obama (CC'83), první absolvent Kolumbie, který byl zvolen prezidentem Spojených států, složil přísahu na druhé funkční období.
Nová inteligentní přilba dokázala v reálném čase zaznamenat otřesy
Nová inteligentní přilba dokázala v reálném čase zaznamenat otřesy
Vědci z Kolumbie vyvíjejí první nositelné diagnostické zařízení pro traumatické poranění mozku u fotbalistů.
Riziko autismu spojené s infekcí herpes během těhotenství
Riziko autismu spojené s infekcí herpes během těhotenství
Ženy aktivně infikované genitálním oparem během raného těhotenství měly dvojnásobnou pravděpodobnost porodu dítěte později diagnostikovaného s poruchou autistického spektra (ASD), podle studie vědců z Centra pro infekci a imunitu na Mailman School of Public Health na Kolumbijské univerzitě a Norský institut veřejného zdraví. Studie je první
Ústav rehabilitace a regenerativní medicíny
Ústav rehabilitace a regenerativní medicíny
Anatomie nohy Noha je jednou z nejsložitějších částí těla, která se skládá z 26 kostí spojených četnými klouby, svaly, šlachami a vazy. Noha je náchylná k mnoha namáháním. Problémy s nohou mohou způsobit bolest, zánět nebo zranění, což má za následek omezený pohyb a pohyblivost.
OnePlus 6T cena, specifikace, tapety, datum vydání, cena v Indii, USA
OnePlus 6T cena, specifikace, tapety, datum vydání, cena v Indii, USA
Cena OnePlus 6T v různých zemích, jako je Indie, USA, Kanada. 6,41palcový displej, optická AMOLED obrazovka, specifikace OnePlus 6T, datum vydání, baterie
BSNL Fiber Plans Rajasthan 2021 s cenou a platností
BSNL Fiber Plans Rajasthan 2021 s cenou a platností
BSNL Fiber Plans Rajasthan 2021 Cena, BSNL Fiber Plans Rajasthan 2021 Platnost, Rajasthan bsnl ftth plans 2021 with ISD & local bsnl