Requisitos de tiempo de inicio o supuestos para el análisis de supervivencia

Question

Hemos prospectiva de los datos de observación y de registro que desee considerar los efectos de un gen en el tiempo a los eventos cardiovasculares. Los datos incluyen los datos como edad, género, ... y también la fecha(edad) de un evento cardio.

En términos generales, ¿cuáles son las condiciones y/o supuestos o requisitos de una hora de inicio para el análisis de supervivencia? Inscripción en el registro es a veces al azar para cada individuo (como él o ella es reclutado en el registro).

Esta es, obviamente, no hay datos en la que el registro de los participantes de los genes cambiado, y no hay ninguna intervención. Es válido usar la fecha de la inscripción en el registro como la hora de inicio para el análisis de supervivencia?

Nosotros (grupo de trabajo) se están preguntando como se han realizado algunos trabajos y el de la fecha de inscripción fue utilizado como la hora de inicio para el intervalo de supervivencia y hay algún desacuerdo ahora en cuanto a si esto es un enfoque válido.

Answer 1

La hora de comienzo del estudio es inmaterial: es sólo un origen para el reloj. Lo que usted quiera considerar son los estados en los que los sujetos se pueden encontrar y las edades a las que la transición de uno a otro. En este contexto, un conjunto mínimo de los estados

• [Nacido]: "Nace con el gen". Esto siempre sucede a la edad de 0, por supuesto.
• [De losmatriculados]: "Inscrito en el estudio."
• [Extremo]: "evento Cardiovascular identificados."
• [La Muerte]: "La Muerte".

(Este marco permitirá múltiples "extremo" de los estados a ser modelados.)

La multiestatal análisis supone que hay una probabilidad de transición de algunos de estos estados a otros. El relevante sería

• [Nacido] --> [La Muerte]. Estos cuenta para la gente que no matriculados.
• [Nacido] --> [Extremo]. Estás pensando en estas personas? Están incluso se permite en el estudio?
• [Nacido] --> [De LosMatriculados]. Estas son todas las personas seleccionadas para el estudio (que no ha muerto y ya no presentan la enfermedad cardiovascular).
• [De LosMatriculados] --> [Extremo]. Estas son las personas en el estudio diagnosticado con una enfermedad cardiovascular.
• [De LosMatriculados] --> [La Muerte]. Estas personas murieron en el estudio sin un diagnóstico de enfermedad cardiovascular.

El Nelson-Aalen estimador puede ser generalizado para la estimación de las tasas de estas transiciones. Se trata de una simple calculadora, la suma de las proporciones de los eventos que ocurren en el número de personas en riesgo de que les ocurra. La conclusión de la reciente TAS artículo Dos Escollos en los Análisis de Supervivencia de Dependiente del Tiempo de Exposición es que si usted consigue su multiestatal modelo equivocado, mal-cuenta el número de personas en situación de riesgo en varios estados y que el sesgo de los resultados. Su mensaje es claro: obtener la multiestatal modelo de la derecha. Si el estudio es realmente prospectivo, es decir, si usted identificar a las personas con el gen en el nacimiento y siga a ellos, entonces no hay ninguna pregunta sobre el modelo adecuado. Del mismo modo, si la inscripción en el estudio es independiente de la presencia del gen, no habrá ningún sesgo. De lo contrario, este marco llamadas a cabo para incorporar el estudio de las probabilidades de selección en el modelo y se muestra cómo la cuenta de las muertes y antes de la enfermedad antes de la inscripción era posible.

Este documento también muestra una buena herramienta para el análisis de estas sutilezas: el Diagrama de Lexis. (Ver las figuras en la final de este documento técnico.) Yo creo que estos diagramas pueden ser producidos con la epi paquete en R. puede Que lo encuentres útil para tener discusiones con sus colegas sobre el modelo a adoptar.

Los miembros de ASA, y la gente con la biblioteca de la universidad de privilegios probablemente ya tiene acceso en línea a este artículo: merece la pena leer.

Answer 2

Usted necesita tener cuidado de distinguir entre dos diferentes "tiempos de inicio" en estudios como este:

• El origen de la variable de tiempo, es decir, el punto que está llamando t=0 para cada participante
• El tiempo en el que una persona entra en el estudio, es decir, el momento a partir del cual se registrará un evento si ocurrió

En los casos simples enseñó por primera vez en el análisis de supervivencia, estos tiempos se supone que es el mismo. Para el largo plazo, estudios de cohorte, normalmente es mucho mejor que les permitan a diferir. El momento más adecuado origen de los estudios de cohortes de enfermedades crónicas (como la enfermedad cardiovascular aquí) es generalmente la fecha de nacimiento, Srikant sugiere más arriba. Eso es porque para las enfermedades crónicas de la línea de base de peligro varía fuertemente con la edad. Pero (a menos que sea una cohorte de nacimiento) de los individuos no entrar en el estudio cuando nacen. Si tienen un evento antes de entrar en el estudio no registro de este, y que podría causar un sesgo si no se manejan adecuadamente por distinguir el tiempo de entrada de tiempo de origen. Esto a veces se denomina retraso de entrada.

Answer 3

@Skirant que me perdía en tu último comentario, pero estoy de acuerdo con Whuber que mediante el uso de luz en el inicio distorsione la muestra, ya que no toma en cuenta a las personas con ese cambio en el gen que ya contaba con el evento o muerto a causa de ella. En la parte superior de la misma una vez que la gente entra en la regstry hay una oportunidad de cambiar su comportamiento para compensar el mayor riesgo. Le sugiero que utilice la entrada en el registro como hora de inicio y la edad (en la entrada) como covariable o la edad en el evento como una covariable dependiente del tiempo

Déjame saber cómo te van