Ausencia de eventos en un grupo de tratamiento: análisis de supervivencia

Question

Actualmente estoy intentando aplicar el análisis de supervivencia a varias especies arbóreas cuyo crecimiento y fenología se controlaron durante 4 años y se separaron en tres grupos de tratamiento. A partir de estos datos he creado una variable de supervivencia que me da la información de si el individuo murió o no durante esos 4 años. De este modo, he creado para cada especie datos adecuados para el análisis de supervivencia utilizando Surv y survfit del paquete "survival" para crear un objeto de supervivencia en R y representar gráficamente este objeto para los tres tratamientos.

Mi pregunta se refiere a cómo tratar los no eventos en un grupo de tratamiento. Para algunas especies tengo un número muy pequeño de eventos (es decir, muertes), lo que me deja un número bastante alto de no eventos (por ejemplo, para 360 individuos, sólo se registraron 55 eventos en todos los tratamientos, con un tratamiento sin ningún evento).

Ya he buscado en internet cómo trabajar con estos, y principalmente he encontrado que está bien, la prueba de razón de verosimilitud sigue siendo válida (mientras que la prueba de Wald no lo es). Sin embargo, este problema me da valores muy altos para la hazard ratio ( exp(coef) ) en el resumen del coxph (como 1,012e+09 asociado a un valor p de 0,996, cuando es obvio que existe una diferencia significativa entre los tratamientos al observar el gráfico).

Me preguntaba si alguien podría ayudarme a resolver este problema :

• ¿es correcto tener estimaciones tan altas de la hazard ratio ( exp(coef) ) ?
• ¿refleja realmente la diferencia observada entre tratamientos, o el valor p está realmente sobreestimado?

Cualquier ayuda sobre cómo trataríais esto, o cómo lo hicisteis en vuestra experiencia anterior sería aceptada con mucho gusto.

Answer 1

Se ha encontrado con un problema que puede ocurrir con los modelos Cox-PH (en realidad, con casi todos los modelos de regresión de supervivencia). Es decir, si no se produce ningún evento en un grupo, el efecto estimado de ese grupo será $-\infty$ . Esto es muy parecido a lo que ocurre en los modelos lineales generales con, por ejemplo, la familia binomial, cuando se tiene un grupo con todos 0 o todos 1.

Si sólo está interesado en comparar grupos (sin ajustar por otras covariables), esto puede seguir haciéndose con estadísticos log-rank: véase la función survdiff en el paquete survival de R.

Mi planteamiento sería el siguiente: utilizar el modelo Cox-PH en todos los grupos que observaron al menos un suceso. Luego, para el grupo que no tuvo eventos, utilizar la estadística log-rank para comparar con algún grupo de referencia de interés. Anote en el informe que se utilizó el estadístico log-rank porque el modelo Cox-PH dio lugar a una estimación degenerada en el grupo sin eventos.

Answer 2

Tengo un problema similar y me gustaría preguntar a @Cliff AB con respecto a lo siguiente:

"Mi planteamiento sería el siguiente: utilizar el modelo Cox-PH en todos los grupos que observaron al menos un suceso". ¿Significa esto reagrupar la categoría sin eventos con la que tiene eventos en una nueva "Comorbilidad A o B"? Tengo una variable categórica Cormobitidy y una categoría no tiene eventos (personas vivas al final del estudio) que tiene HR = 7.03e-21 comparado con la referencia y SR = 1.52e-11. El límite inferior del CI es 0 y el límite inferior del CI es 0. El límite inferior del IC es 0 y el límite superior es. (el análisis se realiza en Stata).

¿Alguien puede aconsejar cómo interpretar esto y qué hacer en estos casos? ¿Puede publicarse un artículo en un caso así?