6 votos

¿Cómo debo lidiar con las consecuencias de las violaciones de riesgos proporcionales en las pruebas de log-rank (y relacionadas)?

Tengo (censurado) de tiempo para los datos de eventos para los sujetos en cuatro grupos. Me gustaría hacer algo así como un test de log-rank, pero las curvas de supervivencia no satisfacen el supuesto de proporcionalidad de riesgos. Creo que he escuchado que es la consecuencia de una proposición. los peligros de la violación es la pérdida de poder identificar las diferencias entre las curvas de supervivencia, sin embargo, en el caso de mi estudio, las pruebas de rango logarítmico hacer mostraron diferencias significativas entre los grupos.

Los riesgos proporcionales de violación toma la forma siguiente: uno de los grupos tiene una relativamente mayor probabilidad de un evento temprano en el periodo de observación, y otro grupo que tiene una relativamente mayor probabilidad de un evento tardío en el período de observación. Yo creo que el G-$\rho$ familia de las pruebas (por ejemplo, en la survdiff función en R paquete de supervivencia) puede ser parametrizado tal que la anterior o posterior de la porción del período de observación es mucho más ponderado. Sin embargo, en este caso, los diferentes grupos de "hacer mejor" (el evento que se está estudiando es una buena cosa) en diferentes especificaciones para la prueba.

Me gustaría saber varias cosas:

  1. si el rango logarítmico función de no encontrar diferencia significativa a pesar de la presencia de un riesgo proporcional de violación, podemos interpretar esto como una indicación de un verdadero (general o promedio) de la diferencia entre las curvas? ¿o es que esta violación a la media de los resultados de la prueba son totalmente sin sentido?
  2. hay una forma de principios de la descripción de los tiempos de supervivencia en casos como el mío? Yo ideal sería ser capaz de informe general de la hazard ratio (yo sé ... este carecería de validez externa con el no proporcional de los peligros y observaciones censuradas, pero podría ser útil en la descripción de la experiencia), así como para dar información acerca de que los grupos eran más propensos a tener eventos en los cuales los tiempos. Yo podía elegir un breakpoint en el medio del período de observación y acaba de hacer pruebas por separado antes y después (suponiendo que estos subconjuntos de los datos se hizo satisfacer el supuesto de proporcionalidad de riesgos), pero la elección de un punto se siente un poco ad hoc.

La discusión relacionada con:

Este hilo se analizan alternativas para el test de log-rank, pero no considero que mi problema: ¿Cuáles son los pros y los contras de la utilización de la long-rank vs el de Mantel-Haenszel método para calcular el Cociente de Riesgo en el análisis de supervivencia?

12voto

John with waffle Puntos 3472

La prueba de log-rank es válida cualquiera que sea la verdadera situación con los peligros. Estás en lo correcto de que sólo su poder es afectada. Así que si se rechaza, a continuación, los peligros no son iguales. Si no se rechaza, entonces usted tiene que preocuparse acerca de la proporcionalidad de los riesgos y el poder.

El enfoque basado en principios sería tratar de estimar la diferencia de la relación de los dos peligros en un tiempo-dependiente de la materia. Esto no es sencillo, pero factible. Yo recomiendo el libro por Martinussen y el Schalke: Dinámica de los Modelos de Regresión para Datos de Supervivencia, y el correspondiente paquete de R timereg. El apoyo de un experto estadístico sería probablemente también sea necesario. Tenga en cuenta que esto está más allá de estándar de análisis de supervivencia de la tarifa, por lo que no todo el mundo sabría de estas técnicas.

Una última nota: si los riesgos no son proporcionales, entonces usted simplemente no puede tener un valor para la relación de riesgo.

i-Ciencias.com

I-Ciencias es una comunidad de estudiantes y amantes de la ciencia en la que puedes resolver tus problemas y dudas.
Puedes consultar las preguntas de otros usuarios, hacer tus propias preguntas o resolver las de los demás.

Powered by:

X