Jestem nowy w analizie przeżycia, a ostatnio dowiedziałem się, że istnieją różne sposoby, aby osiągnąć określony cel. Interesuje mnie faktyczne wdrożenie i odpowiedniość tych metod.
Przedstawiono mi tradycyjne Cox Proporcjonalne zagrożenia , modele przyspieszonego czasu awarii i sieci neuronowe (perceptron wielowarstwowy) jako metody pozwalające na przeżycie pacjenta, biorąc pod uwagę jego czas, status i inne dane medyczne. Badanie ma zostać określone za pięć lat, a jego celem jest coroczne podawanie ryzyka przeżycia w celu uzyskania nowych zapisów.
Znalazłem dwa przypadki, w których inne metody zostały wybrane w stosunku do Cox PH:
Znalazłem „ Jak uzyskać prognozy dotyczące czasu przeżycia z modelu PH Coxa ” i wspomniano, że:
Jeśli jesteś szczególnie zainteresowany uzyskaniem oszacowań prawdopodobieństwa przeżycia w określonych punktach czasowych, skierowałbym cię w stronę parametrycznych modeli przeżycia (czyli modeli przyspieszonego czasu awarii) . Są one zaimplementowane w pakiecie przeżycia dla R i dają parametryczne rozkłady czasu przeżycia, w których możesz po prostu podłączyć interesujący Cię czas i odzyskać prawdopodobieństwo przeżycia.
Poszedłem na zalecaną stronę i znalazłem jedną w
survival
pakiecie - funkcjęsurvreg
.W tym komentarzu zasugerowano sieci neuronowe :
... Jedną z zalet podejść sieci neuronowej do analizy przeżycia jest to, że nie polegają one na założeniach leżących u podstaw analizy Coxa ...
Inna osoba z pytaniem „ Model sieci neuronowej R z wektorem docelowym jako wyjściem zawierającym prognozy przeżycia ” podał wyczerpujący sposób określania przeżycia zarówno w sieciach neuronowych, jak i PH Coxa.
Kod R do uzyskania przetrwania wyglądałby następująco:
mymodel <- neuralnet(T1+T2+T3+T4+T5~covar1+covar2+covar3+..., data=mydata, hidden=1) compute(mymodel,data=mydata)
Poszedłem na fora R i znalazłem tę odpowiedź w pytaniu „ Prognozuj.coxph i przewiduj.survreg ” :
Rzeczywiście, z
predict()
funkcjicoxph
nie można uzyskać bezpośrednich prognoz „czasowych”, a jedynie liniowe i wykładnicze oceny ryzyka. Wynika to z tego, że aby uzyskać czas, należy obliczyć podstawowe zagrożenie i nie jest to proste, ponieważ jest ukryte w modelu Coxa.
Zastanawiałem się, czy który z tych trzech (lub dwóch, biorąc pod uwagę argumenty dotyczące Cox PH), jest najlepszy do uzyskania procentu przeżycia w interesujących okresach? Nie jestem pewien, które z nich zastosować w analizie przeżycia.
źródło