Одним из способов суммировать сравнение двух кривых выживаемости является вычисление коэффициента опасности (ЧСС). Есть (как минимум) два метода для вычисления этого значения.
- Метод Логранка. Как часть вычислений Каплана-Мейера, вычислите число наблюдаемых событий (обычно смертей) в каждой группе ( и ) и количество ожидаемых событий, предполагая нулевую гипотезу об отсутствии различий в выживаемости ( и ). Тогда отношение рисков:
- Метод Мантеля-Хензеля. Сначала вычислим V, который является суммой гипергеометрических дисперсий в каждой временной точке. Затем вычислите отношение рисков следующим образом:
Я получил оба эти уравнения из главы 3 из Machin, Cheung and Parmar, Survival Analysis . В этой книге говорится, что оба метода обычно дают очень похожие методы, и это действительно так, как в примере с книгой.
Кто-то прислал мне пример, где два метода отличаются в три раза. В этом конкретном примере очевидно, что оценка логранка является разумной, а оценка Мантеля-Хензеля далека. У меня вопрос: есть ли у кого-нибудь общие советы, когда лучше выбрать логранк-оценку коэффициента опасности и когда лучше выбрать оценку Мантеля-Хензеля? Это связано с размером выборки? Количество связей? Соотношение размеров выборки?
Ответы:
Думаю, я разобрался с ответом (на свой вопрос). Если предположение о пропорциональных опасностях верно, оба метода дают одинаковые оценки степени опасности. Я думаю, что расхождение, которое я обнаружил в одном конкретном примере, связано с тем, что это предположение сомнительно.
Если предположение о пропорциональных опасностях верно, то график зависимости log (время) от log (-log (St)) (где St - пропорциональное выживание в момент времени t) должен показывать две параллельные линии. Ниже приведен график, созданный из набора данных проблемы. Кажется, далеко от линейного. Если предположение о пропорциональных опасностях недопустимо, то концепция отношения рисков не имеет смысла, и поэтому не имеет значения, какой метод используется для расчета отношения рисков.
Интересно, можно ли использовать несоответствие между оценками логранка и Мантеля-Хензеля для соотношения рисков в качестве метода проверки предположения о пропорциональных опасностях?
источник
Если я не ошибаюсь, оценщик лог-ранга, на который вы ссылаетесь, также известен как оценщик Пайка. Я полагаю, что это обычно рекомендуется для ЧСС <3, потому что он демонстрирует меньший уклон в этом диапазоне. Следующая статья может представлять интерес (обратите внимание, что в документе она называется O / E):
источник
На самом деле существует еще несколько методов, и выбор часто зависит от того, заинтересованы ли вы в поиске ранних различий, более поздних различий или - что касается теста логарифмического ранга и теста Мантеля-Хензеля - дают одинаковый вес всем временным точкам.
К вопросу под рукой. Лог-ранговый тест на самом деле является формой теста Мантеля-Хензеля, применяемого к данным о выживаемости. Тест Мантеля-Хензеля обычно используется для проверки независимости в многослойных таблицах непредвиденных обстоятельств.
Если мы попытаемся применить MH-тест к данным о выживании, мы можем начать с предположения, что события в каждый момент отказа являются независимыми. Затем мы расслаиваемся по времени отказа. Мы используем методы MH для того, чтобы сделать каждое время неудачи стратами. Не удивительно, что они часто дают один и тот же результат.
Исключение возникает, когда одновременно происходит более одного события - несколько смертей в один и тот же момент времени. Я не могу вспомнить, чем отличается лечение. Я думаю, что лог-ранговый тест усредняется по возможным порядкам связанных периодов отказов.
Таким образом, логарифмический тест является тестом МЗ для данных о выживании и может иметь дело со связями. Я никогда не использовал тест МЗ для данных о выживании.
источник
Я думал, что наткнулся на веб-сайт и ссылку, которая имеет дело именно с этим вопросом:
http://www.graphpad.com/faq/viewfaq.cfm?faq=1226 Начните с "Два сравниваемых метода".
Сайт ссылается на статью Берштейна по ссылке (выше):
http://www.jstor.org/stable/2530564?seq=1
Сайт хорошо обобщает результаты Berstein et al, поэтому я процитирую это:
Сайт также ссылается на набор данных, в котором «две оценки HR были очень разными (в три раза)», и предполагает, что предположение PH является ключевым фактором.
Тогда я подумал: «Кто является автором сайта?» После небольшого поиска я обнаружил, что это был Харви Мотульский. Итак, Харви, мне удалось отослать вас к вам, чтобы ответить на ваш собственный вопрос. Вы стали авторитетом!
Является ли «проблемный набор данных» общедоступным набором данных?
источник