Transcript bevezetés - kutlab.hu

Túlélési analízis,
Cox „proportional hazards”
analízis, többváltozós analízis
Miért kell többváltozós modellekhez
folyamodnunk (a túlélési analízis során)?
• Többváltozós világban élünk, minden mindennel összefügg, egy
eseményre több tényező is hatást gyakorol
• A többváltozós analízis segítségével lehet megítélni, hogy egy-egy
rizikófaktornak (predictor) milyen relatív súlya van a megfigyelt
esemény bekövetkeztében (a többiekhez hasonlítva, predictorok,
confounderek, supresserek)
• Többváltozós analízissel lehet vizsgálni, hogy az adott változónak a
többi változóhoz képest független hatása van-e az eseményre
Rizikó faktor
• Az esemény bekövetkezésével látszólag okokozati kapcsolatban álló tényező, azaz
magyarázó változó
Magas koleszterin
AMI
• A túlélési analízis arra a kérdésre ad választ,
hogy mekkora valószínűsége egy esemény
bekövetkeztének a rizikófaktor pozitív
csoportban, a rizikófaktor negatív csoporthoz
képest.
• HR: 1.26 (26%-os rizikó fokozódás)
Rizikó faktor
• Az esemény bekövetkezésével látszólag
ok-okozati kapcsolatban álló tényező
Magas koleszterin
AMI
Öngyújtó a zsebben
Tüdőrák
Rizikófaktor
Pathomechanizmus
Betegség
Hipotetikus direkt kapcsolat
Többlépcsős kapcsolat
Szövevényes kapcsolat
Tüdőrák
Öngyújtó a zsebben
Direkt kapcsolat?
Dohányzás, mint confounding variable
Dohányzás
Rizikófaktor
Nincs betegség
Gátló faktor jelenléte
(suppresser)
Suppresser
Rizikófaktor
Betegség
Jelen van
Súlyos
Nincs jelen
Enyhe
Interakciós változó
Cox proportional hazard regresion
model
• Függő változó: túlélési idő.
• Független változó(k): prediktorok (risk factors),
confounderek, suppresserek, interacting
variables
• A túlélési idő eloszlásával kapcsolatban nincs
előfeltétel, non-paraméteres tesztnek tekinthető
• Előzetes feltételezés
– Arányosság (proportionality): a hazard a független
változók értékével arányosan nő (és nem függ az
időtől)
– Speciális eset: időfüggő független változó (pl. életkor)
A rizikófaktorok jellegzetességei
• Igen/nem típusú (pl. koponya trauma hasi
sérüléssel vagy anélkül)
• Binomiálissá alakítható ismeretek, konszenzus,
vagy józan ész szerint (kóros vércukor/ nem
kóros)
• Mi a helyzet a folytonos változókkal?
– Emészthetővé alakítható? („magas” vs. „alacsony”; )
– Standardizálás (elfogadott az 1 SD egységre való
kifejezés, de ettől eltérés is lehet)
– Matematikailag helyes de sokszor nehezen
értelmezhető a nyers eredmények modellbe illesztése
(ld. példa)
A Cox modell eredményének értelmezése
• B: regressziós koefficiens
• Béta: standardizált regressziós koefficiens (mean: 0, SD: 1)
• Hazard Rate: annak a valószínűsége, hogy a megfigyelési időszak
alatt az esemény bekövetkezik (a béta exponenciálisa, eb )
• Wald chi-négyzet (p): az egyes koefficiensek szignifikanciájának
megítélésére alkalmas mutató
Dependent Variable: survival time (Cox_gyak.sta) Censoring var.: exit Chi2 = 25,5290 df = 1 p = ,00000
BNP/SD
Beta
Standard - Error
t-value
exponent - beta
Wald - Statist.
p
0,502960
0,078769
6,385227
1,653609
40,77112
0,000000