¿La mejor manera de analizar la longitud de los datos de la estancia en un ECA en el hospital?

Question

Estoy interesado en saber si hay o no hay un consenso sobre la mejor manera para analizar la duración de la estancia hospitalaria (LOS) datos de un ENSAYO. Normalmente, esto es una muy sesgada de derecha de la distribución, por el cual la mayoría de los pacientes son dados de alta en un par de días a una semana, pero el resto de los pacientes tienen bastante impredecible (y a veces bastante largas) se queda, que forma la cola derecha de la distribución.

Opciones para el análisis son:

• el test de la t (se supone normalidad que es probable que no se presente)
• Prueba U de Mann Whitney
• test de log-rank
• De riesgos proporcionales de Cox modelo acondicionado en el grupo de asignación de

Hacer cualquiera de estos métodos han demostrable poder superior?

Gracias.

Answer 1

En realidad yo soy de embarcarse en un proyecto que hace exactamente esto, aunque con observacional, en lugar de los datos clínicos. Mis pensamientos han sido que debido a la forma inusual de la longitud de la mayor parte de la estancia de datos, y la muy bien caracterizado escala de tiempo (ya sabes el origen y el tiempo de salida esencialmente a la perfección), la pregunta se presta muy bien para el análisis de supervivencia de una especie. Tres opciones a considerar:

• De riesgos proporcionales de Cox modelos, como usted ha sugerido, por la comparación entre el tratamiento y expuestas de los brazos.
• Recta de Kaplan-Meyer curvas, utilizando un log-rank o una de las otras pruebas para examinar las diferencias entre ellos. Miguel Hernan ha argumentado que este es en realidad el método preferible para el uso en muchos de los casos, ya que no necesariamente presupone una constante relación de riesgo. Como tienes un ensayo clínico, la dificultad de producir covariable ajustado de Kaplan-Meyer curvas no debería ser un problema, pero incluso si hay algún residuo de variables que desea controlar, esto se puede hacer con el inverso de la probabilidad-de-tratamiento de pesos.
• Paramétrica de modelos de supervivencia. Hay, sin duda, menos utilizadas, pero en mi caso yo necesito una paramétrico de estimación del riesgo subyacente, por lo que estos son realmente la única manera de ir. Yo no recomendaría a saltar directamente en el uso de la generalización de la Gamma modelo. Es algo de un dolor a trabajar, me gustaría probar un simple Exponencial, Weibull y Log-Normal y ver si alguno de esos producir aceptable encaja.

Answer 2

Estoy a favor de la Cox de riesgos proporcionales de modelo, que también se encargará de la censuraron la duración de la estancia (la muerte antes de conseguir el alta hospitalaria). Un relevante folleto se puede encontrar en http://biostat.mc.vanderbilt.edu/wiki/pub/Main/FHHandouts/slide.pdf con el código aquí: http://biostat.mc.vanderbilt.edu/wiki/pub/Main/FHHandouts/model.s

Answer 3

Te recomiendo la prueba de rango logarítmico para probar para las diferencias entre los grupos y para cada variable independiente. Tal vez usted tendrá que ajustar de varias variables (al menos para aquellos significativos en el logrank test) en un modelo de riesgos proporcionales de Cox. Modelo generalizado de gamma (paramétrico) podría ser una alternativa a Cox si necesita estimación de riesgos de línea base (peligro).

Answer 4

la muerte es un evento que compiten con la descarga. Censura la muerte no se censura los datos faltantes al azar. Examinar la incidencia acumulada de muerte y de la descarga y la comparación de los riesgos de subdistribution podrían ser más apropiados.