Я новичок в анализе выживания, и недавно я узнал, что есть разные способы сделать это с определенной целью. Я заинтересован в фактической реализации и целесообразности этих методов.
Мне представили традиционные модели пропорционального риска Кокса , модели времени ускоренного отказа и нейронные сети (многослойный персептрон) в качестве методов для выживания пациента, учитывая его время, состояние и другие медицинские данные. Говорят, что исследование будет проведено через пять лет, и цель состоит в том, чтобы каждый год давать риски для выживания для новых записей.
Я нашел два случая, когда другие методы были выбраны по Коксу PH:
Я нашел « Как получить прогнозы с точки зрения времени выживания из модели Кокса PH », и было упомянуто, что:
Если вы особенно заинтересованы в получении оценок вероятности выживания в определенные моменты времени, я хотел бы указать вам на параметрические модели выживания (так называемые модели времени ускоренного отказа) . Они реализованы в пакете выживания для R и дадут вам параметрическое распределение времени выживания, в котором вы можете просто подключить интересующее вас время и получить вероятность выживания.
Я пошел на рекомендуемый сайт и нашел в
survival
пакете - функциюsurvreg
.Нейронные сети были предложены в этом комментарии :
... Одним из преимуществ нейросетевых подходов к анализу выживаемости является то, что они не опираются на предположения, лежащие в основе анализа Кокса ...
Другой человек с вопросом « Модель нейронной сети R с вектором-мишенью в качестве выходной информации, содержащей прогнозы выживания » дал исчерпывающий способ определения выживаемости как в нейронных сетях, так и в Кокс-PH.
Код R для получения выживания будет выглядеть так:
mymodel <- neuralnet(T1+T2+T3+T4+T5~covar1+covar2+covar3+..., data=mydata, hidden=1) compute(mymodel,data=mydata)
Я пошел на форумы R и нашел этот ответ в вопросе " Foregnet.coxph and Foregnet.survreg " :
Действительно, из
predict()
функцииcoxph
вы не можете получить непосредственно «временные» прогнозы, а только линейные и экспоненциальные оценки риска. Это связано с тем, что для того, чтобы получить время, необходимо рассчитать базовую опасность, и она не является простой, поскольку она подразумевается в модели Кокса.
Мне было интересно, если какой из этих трех (или двух, учитывая аргументы в пользу Кокса PH) лучше всего подходит для получения процентов выживания для интересующих периодов времени? Я запутался, какой из них использовать в анализе выживания.
источник