Тенденции выживания в исследованиях случай-контроль

10

Я представил статью, которая была отклонена из-за неправильного способа анализа выживания. Рефери не оставил никаких других подробностей или объяснений, кроме: «Анализ выживания по временным тенденциям требует более сложных способов цензуры».

Вопрос:

Снизился ли избыточный риск смерти среди курильщиков за последние десятилетия?

Данные:

25 000 курильщиков в Германии. Они были зачислены в когорту в любое время между 1995 и 2014 годами. Каждый курильщик был сопоставим (на момент регистрации) с половым и возрастным контролем со стороны населения в целом (кто не курил). У меня есть точное время смерти для всех, кто умер в течение всего периода обучения. Те, кто не умер во время наблюдения, будут подвергнуты цензуре. Исследование способно изучить избыточный риск смерти среди курильщиков каждый год с 1995 по 2014 год.

Цель состоит в том, чтобы рассчитать:

  • Показатели смертности среди курящих и не курящих каждый год и изучить эти тенденции
  • избыточный риск смерти среди курильщиков каждый год (или в течение нескольких лет подряд).

Как следует анализировать данные? Напомним, что кто-то, кто включен в 1998 году, может умереть в 2015 году. Правильный ли подход к использованию формата процесса подсчета с запуском и остановкой обновляется для каждого года?

Это подход, который не понравился рефери:

Показатели заболеваемости были рассчитаны с помощью регрессии Пуассона. Мы включили время наблюдения в качестве смещения в модель и включили возраст, пол, статус курения и календарный период (объединяя два последовательных года) в качестве предикторов в модели. Затем рассчитывали показатели на 1000 человеко-лет с использованием функции предсказания () R. Смещение (время наблюдения) представляло собой общее время наблюдения (дни) с момента регистрации.

Модель Кокса была использована для оценки относительного риска для курильщиков каждый период от начала до конца исследования. Для простоты мы сравнили коэффициент риска в первом периоде с коэффициентом риска в последнем периоде.

Вопросы: - человек (вместе с его контролем) может быть включен в 1998 г. и, таким образом, принадлежать к этой календарной группе, но перенести событие в 2006 г. - Как следует выложить данные для анализа регрессии Пуассона и Кокса? Процесс подсчета для Кокса? Что такое время начала и окончания? - Как можно оценить тенденции в этой ситуации?

Некоторые пояснения: Допустим, пациент впервые наблюдался 15 июня 1998 года и испытал событие 31 декабря 1998 года. Значение нашей временной переменной для этого пациента составляет 182,5 из 730 возможных дней, поскольку период времени состоит из 2 последующих лет. Максимальное количество наблюдаемого времени в каждом периоде времени составляет 730 дней.

Когда пациент наблюдается в один период времени, но подвергается цензуре (то есть испытан ли, и есть событие или выбыл) в другой период времени, следует ли добавить количество наблюдаемых дней в следующий период времени или как?

Таким образом, основная проблема заключается в обработке времени наблюдения и календарного года (который используется в качестве категориальной переменной, состоящей из двух последовательных лет).

Frank49
источник
6
И какой подход вы использовали?
Shadowtalker
Мы провели некоторый анализ с использованием регрессии Пуассона и функции прогнозирования в R для оценки уровня заболеваемости. Мы также создали модель Кокса для сравнения соотношения рисков между группами в начале исследования и в конце, то есть 1995/1996 против 2013/2014. Поскольку некоторые из периодов времени включены в несколько событий, мы объединили два последующих года, например, 95/96, 97/98, 99/00 и т. Д. Во всех анализах как для модели Кокса, так и для модели Пуассона, чтобы получить значимые оценки.
Frank49
Теперь, когда вы добавили свой вопрос, может быть полезно иметь более конкретное название для вашего вопроса, что-то вроде «тестирования на тенденции выживаемости в исследованиях случай-контроль», чтобы получить более осознанный интерес. Это немного вне моей компетенции; возможно, эта ссылка может оказать некоторую помощь, хотя большая часть этого документа может быть неприменима к этому типу исследования типа «случай-контроль».
EdM
это, если я не ошибаюсь, (ретроспективное) когортное исследование, так как вы фактически следите за людьми (которые подвергаются курению или нет) до события. Исследование «случай-контроль» обычно относится к ситуации, когда у вас есть люди, которые развились, и те, у кого не развилось заболевание и время выживания, не моделируется. но я могу ошибаться здесь.
Адам Робинссон
@AdamRobinsson: Нет, вы не ошиблись. То, что описано, не является исследованием случай-контроль. Это когортное исследование по возрасту и полу. Утверждение: «Для простоты мы сравнили коэффициент риска в первом периоде с коэффициентом риска в последнем периоде». предполагает, что полный набор данных не использовался для основного вопроса исследования, так как данные за средние годы исследования не использовались.
DWin

Ответы:

2

Из вышесказанного есть несколько возможностей для модели Кокса:

  1. ОТДЕЛЬНЫЕ МОДЕЛИ ДЛЯ КАЖДОГО ВРЕМЕННОГО ПЕРИОДА : Используйте одно наблюдение для каждого человека; рассчитать время наблюдения (отношение случаев, когда цензура / смерть произошли во время последующего наблюдения), а затем рассчитать коэффициент опасности для каждого периода. Затем сравните коэффициенты опасности напрямую.
  2. РАССЧИТАТЬ ОТНОСИТЕЛЬНОЕ ИЗМЕНЕНИЕ ОПАСНОСТИ У КУРИЛЬНИКОВ И НЕКУРЯЩИХ ОТДЕЛЬНО : одно наблюдение на человека; рассчитать время наблюдения (независимо от того, когда происходит цензура / событие), а затем использовать всех пациентов (с 1995 по 2014) в модели, использовать период времени в качестве категориальной переменной и установить один из периодов в качестве контрольного значения.

    1. ФОРМУЛЯЦИЯ ПРОЦЕССА СЧЕТА : это звучит привлекательно, но я не уверен, как использовать время выживания, интервалы начала и окончания календарного года.
Адам Робинссон
источник
Хорошие предложения, но как они связаны с возможностью информативной цензуры (см. Мою попытку ответа) и гипотезой (изменения в относительной опасности курящих / некурящих за календарные годы), которая по своей природе, кажется, противоречит пропорционально Предположение об опасности?
EdM
@EdM Я считаю (хотя я не уверен), что цензура не информативна в этом сценарии; случаи и средства контроля должны подвергаться цензуре по тем же причинам, какими бы ни были эти предубеждения, они должны быть равными в этих двух группах. Поскольку смерть - это результат исследования, и, похоже, вы можете гарантировать, что все смерти будут зафиксированы, а эмиграция незначительна; Я бы не против информативной цензуры. Пропорциональные опасности не должны нарушаться; Хотя исследование стремится исследовать курение как функцию времени, оно делает это с точки зрения календарного года, а не наблюдательного времени (что крайне важно).
Адам Робинссон
Я абсолютно не уверен, хотя.
Адам Робинссон
1

Хотя читать загадочные комментарии рецензента слишком опасно, я думаю, что возражение связано с тем, является ли цензура информативной.

TT к анализу выживаемости.) Тогда цензура неинформативна.

В вашем анализе, однако, те, кто подвергся цензуре, были теми, кто выжил до 2014 года. Если вы считаете, что за последние 20 лет произошло изменение избыточного риска смерти от курения (или даже если были параллельные изменения в показателях смертности) для обеих групп), то эти лица, прошедшие цензуру, могут быть не репрезентативными для тех, кто выжил в то же время, но вошел в исследование ранее. По вашей гипотезе, цензура может быть информативной.

Возможно, что детали дизайна вашего анализа избежали этой проблемы, но это не было ясно в рукописи в пересмотренном виде. Или, возможно, рецензенту не понравилось исследование по каким-то дополнительным причинам, и он решил, что это способ отклонить его, чтобы редактор не усомнился. Тем не менее, это, кажется, является потенциальным возражением против того, как вы проанализировали эти данные, и вы должны убедиться, что они обрабатываются правильно. (Это вне моего личного опыта; у других на этом сайте могут быть указания о том, как действовать. Более точное название этого вопроса, с более подробной информацией о дизайне и анализе исследования, может получить более полезные ответы.)

Из вашего вопроса и поясняющего комментария мне не ясно, что анализ Кокса добавляет что-то полезное к простому моделированию показателей смертности в год (или через 2-летние интервалы). Кроме того, ваша гипотеза, по-видимому, подразумевает, что опасность не пропорциональна во времени между некурящими и курильщиками, что является основой стандартного анализа Кокса. Если вас интересует разница в показателях смертности между курильщиками и некурящими в зависимости от календарного года, это наиболее простая мера для моделирования (хотя вам, возможно, придется принять во внимание предполагаемое обогащение некурящих в вашей выборке исследования). как их совпадающие курящие собратья умирают).

магистр педагогических наук
источник
Спасибо за ваш ответ. Возможно, это лучше для дальнейшего уточнения нашего метода. Я отредактирую свой вопрос.
Frank49