Мне интересно знать, существует ли консенсус относительно оптимального способа анализа данных о продолжительности пребывания в больнице (LOS) из РКИ. Это, как правило, распределение с очень правильным перекосом, при котором большинство пациентов выписывается в течение нескольких дней или недели, но у остальных пациентов остаются довольно непредсказуемые (а иногда и довольно продолжительные) периоды, которые образуют правый хвост распределения.
Варианты для анализа включают в себя:
- t-тест (предполагает нормальность, которая вряд ли присутствует)
- U-тест Манна Уитни
- тест логранка
- Условная модель пропорциональных рисков Кокса при распределении по группам
У любого из этих методов есть очевидно более высокая власть?
Ответы:
Я на самом деле начинаю проект, который делает именно это, хотя и с наблюдательными, а не клиническими данными. Я думал, что из-за необычной формы большинства данных о продолжительности пребывания и действительно хорошо охарактеризованной временной шкалы (вы знаете, как время начала, так и время выхода в основном отлично), вопрос действительно хорошо подходит для анализа выживания. Три варианта для рассмотрения:
источник
Я предпочитаю модель пропорциональных рисков Кокса, которая также будет обрабатывать цензурированную продолжительность пребывания (смерть до успешной выписки из больницы). Соответствующий раздаточный материал можно найти по адресу http://biostat.mc.vanderbilt.edu/wiki/pub/Main/FHHandouts/slide.pdf с кодом здесь: http://biostat.mc.vanderbilt.edu/wiki/pub/ Главная / FHHandouts / model.s
источник
Я рекомендую тест logrank для проверки различий между группами и для каждой независимой переменной. Возможно, вам нужно будет скорректировать несколько переменных (по крайней мере, значимых в тесте логранка) в модели пропорциональных рисков Кокса. Гамма-обобщенная модель (параметрическая) может быть альтернативой Коксу, если вам потребуется оценка базового (опасного) риска.
источник
смерть - соревновательное событие с разгрузкой. Цензура смерти не будет цензурировать пропущенные данные наугад. Изучение кумулятивных случаев смерти и выписки и сравнение опасностей перераспределения может быть более уместным.
источник