केस-कंट्रोल स्टडीज में सर्वाइवल रेट का ट्रेंड


10

मैंने एक लेख प्रस्तुत किया, जो उत्तरजीविता विश्लेषण करने के अनुचित तरीके के कारण खारिज कर दिया गया था। रेफरी ने इसके अलावा कोई अन्य विवरण या स्पष्टीकरण नहीं छोड़ा: "समय के रुझान पर अस्तित्व विश्लेषण को सेंसर करने के अधिक परिष्कृत तरीकों की आवश्यकता होती है।"

प्रश्न:

क्या पिछले दशकों में धूम्रपान करने वालों में मृत्यु का अतिरिक्त जोखिम कम हुआ है?

डेटा:

जर्मनी में 25.000 धूम्रपान करने वाले। वे 1995 और 2014 के बीच किसी भी समय कॉहोर्ट में नामांकित हुए थे। प्रत्येक धूम्रपान करने वाले को सामान्य आबादी (जो धूम्रपान नहीं करता था) से सेक्स और उम्र के मिलान नियंत्रण के लिए (नामांकन के समय) मिलान किया गया है। मेरे पास सभी के लिए मृत्यु का सटीक समय है जो पूरे अध्ययन काल के दौरान मारे गए। जो लोग फॉलो-अप के दौरान नहीं मरे, उन्हें सेंसर कर दिया जाएगा। अध्ययन 1995 से 2014 तक प्रत्येक वर्ष धूम्रपान करने वालों के बीच मृत्यु के अतिरिक्त जोखिम की जांच करने के लिए संचालित है।

उद्देश्य की गणना करने के लिए है:

  • धूम्रपान करने वालों और गैर धूम्रपान करने वालों के लिए हर साल मौत की घटना दर और इन रुझानों की जांच करें
  • धूम्रपान करने वालों के बीच मृत्यु का अधिक जोखिम, प्रत्येक वर्ष (या कुछ लगातार वर्षों की अवधि)।

डेटा का विश्लेषण कैसे किया जाना चाहिए? याद रखें कि 1998 में शामिल किसी व्यक्ति की 2015 में मृत्यु हो सकती है। क्या प्रत्येक वर्ष के लिए अपडेट और स्टॉप के साथ गिनती प्रक्रिया प्रारूप का उपयोग करने का सही तरीका है?

यह वह तरीका है जो रेफरी को नापसंद है:

घटना दर की गणना पॉसों के प्रतिगमन के माध्यम से की गई थी। हमने मॉडल में ऑफसेट के रूप में अनुवर्ती समय को शामिल किया और मॉडल में भविष्यवक्ताओं के रूप में उम्र, लिंग, धूम्रपान की स्थिति और कैलेंडर अवधि (दो लगातार वर्षों के संयोजन) को शामिल किया। तब दरों की गणना आर के ऑफसेट (फॉलो-अप समय) के आधार पर प्रति 1000 व्यक्ति वर्षों में की गई थी, जो नामांकन से पूरे अवलोकन समय (दिन) थे।

अध्ययन के आरंभ से अंत तक प्रत्येक अवधि में धूम्रपान करने वालों के लिए सापेक्ष जोखिम का अनुमान लगाने के लिए एक कॉक्स मॉडल का उपयोग किया गया था। सादगी के लिए हमने पहली अवधि में खतरे के अनुपात की तुलना अंतिम अवधि में खतरे के अनुपात से की।

मुद्दे: - एक व्यक्ति (उसके नियंत्रण के साथ) 1998 में शामिल किया जा सकता है और इस तरह उस कैलेंडर समूह से संबंधित है, लेकिन 2006 में एक घटना से पीड़ित है। - पोइसन और कॉक्स प्रतिगमन के विश्लेषण के लिए डेटा कैसे रखा जाना चाहिए? कॉक्स के लिए गिनती की प्रक्रिया? स्टार्ट और स्टॉप टाइम क्या है? - इस स्थिति में रुझानों का आकलन कैसे किया जा सकता है?

कुछ स्पष्टीकरण: मान लीजिए कि किसी मरीज को पहली बार जून १५ के १ ९९ say में देखा गया है और एक घटना ३१ 1998 को अनुभव की गई है, इस मरीज के लिए हमारे समय चर का मान १ days 730५ में से १ days 730५ दिनों में से १ say२.५ है, क्योंकि समय अवधि २ बाद के वर्षों की होती है। प्रत्येक समय-अवधि में प्रेक्षित समय की अधिकतम राशि 730 दिन है।

जब एक मरीज को एक समय-अवधि में मनाया जाता है, लेकिन एक और समय-अवधि में सेंसर किया जाता है (अर्थात या तो अनुभव किया जाता है और घटना को छोड़ दिया जाता है) तो अगले समय-अवधि में देखे गए दिनों की मात्रा को जोड़ा जाना चाहिए या क्या?

इस प्रकार मुख्य समस्या अनुवर्ती समय और कैलेंडर वर्ष की हैंडलिंग है (जिसका उपयोग एक वैरिएबल चर के रूप में किया जाता है, जिसमें दो लगातार शामिल होते हैं)।


6
और आपके द्वारा उपयोग किया गया दृष्टिकोण क्या था?
छायाकार

हमने घटना दर का अनुमान लगाने के लिए आर में कुछ विश्लेषण और आर में पूर्वानुमान कार्य के साथ विश्लेषण किया। हमने अध्ययन की शुरुआत और अंत में समूहों के बीच जोखिम अनुपात की तुलना करने के लिए एक कॉक्स मॉडल भी बनाया, अर्थात 2013/2014 के बाद 1995/1996। चूंकि कुछ समय-अवधि में कुछ घटनाओं को शामिल किया गया था, हमने 2 बाद के वर्षों में विलय किया, उदाहरण के लिए 95/96, 97/98, 99/00 और इसके बाद कॉक्स और पॉइसन मॉडल दोनों के लिए सभी विश्लेषणों में महत्वपूर्ण अनुमान प्राप्त करने के लिए।
फ्रैंक ४

अब जब आपने अपने प्रश्न में जोड़ लिया है, तो यह आपके प्रश्न के लिए और अधिक विशिष्ट शीर्षक रखने में मदद कर सकता है, जैसे "अधिक केस-कंट्रोल अध्ययनों में उत्तरजीविता दर प्रवृत्तियों के लिए परीक्षण," अधिक सूचित ब्याज पाने के लिए। यह मेरी विशेषज्ञता से थोड़ा परे है; शायद यह संदर्भ कुछ मदद प्रदान कर सकता है, हालांकि इस प्रकार का अधिकांश दस्तावेज इस प्रकार के रोलिंग-एंट्री केस-कंट्रोल अध्ययन पर लागू नहीं हो सकता है।
एड्म

यह है, अगर मैं गलत नहीं हूँ, (पूर्वव्यापी) कोहोर्ट अध्ययन, क्योंकि आप वास्तव में एक घटना तक व्यक्तियों (जो उजागर या धूम्रपान नहीं करते हैं) का पालन करते हैं। एक केस कंट्रोल स्टडी आमतौर पर उस स्थिति को संदर्भित करती है, जहां आपके पास ऐसे लोग हैं, जिन्होंने विकास किया था और जिन्होंने बीमारी और उत्तरजीविता के समय का विकास नहीं किया था, वे मॉडलिंग नहीं करते हैं। लेकिन मैं यहाँ गलत हो सकता है।
एडम रॉबिंसन

@AdamRobinsson: नहीं, आप गलत नहीं हैं। जो वर्णित है, वह केस-कंट्रोल अध्ययन नहीं है। यह एक आयु-लिंग मेल्टेड कॉहोर्ट अध्ययन है। कथन: "सादगी के लिए हमने पहली अवधि में खतरे के अनुपात की तुलना अंतिम अवधि में खतरे के अनुपात के साथ की।" बताते हैं कि मुख्य अध्ययन प्रश्न के लिए पूर्ण डेटासेट का उपयोग नहीं किया गया था, क्योंकि अध्ययन के मध्य वर्षों के डेटा का उपयोग नहीं किया गया था।
डीडिन

जवाबों:


2

ऊपर से कॉक्स मॉडल के लिए कुछ संभावनाएं हैं:

  1. प्रत्येक समय के लिए अलग-अलग मोड- प्रत्येक व्यक्ति के लिए एक अवलोकन का उपयोग करें; अवलोकन समय की गणना करें (अनुवर्ती के दौरान कब / कब हुई मौत के संबंध में) और फिर प्रत्येक अवधि के खतरनाक अनुपात की गणना करें। फिर खतरनाक अनुपातों की सीधे तुलना करें।
  2. धूम्रपान करने वालों और गैर-धूम्रपान करने वालों में पड़ने वाले संबंध में परिवर्तन को शांत करें : प्रति व्यक्ति एक अवलोकन; अवलोकन समय की गणना करें (जब भी सेंसर / ईवेंट होने की परवाह किए बिना) और फिर मॉडल में सभी रोगियों (1995 से 2014 तक) का उपयोग करें, समय अवधि को एक श्रेणीगत चर के रूप में उपयोग करें और संदर्भ मूल्य के रूप में एक अवधि निर्धारित करें।

    1. काउंटिंग प्रक्रिया की प्रक्रिया : यह आकर्षक लग रहा है, लेकिन मैं जीवित समय का उपयोग कैसे करें, अंतराल और कैलेंडर वर्ष को रोकने के बारे में सुनिश्चित नहीं हूं।

अच्छे सुझाव, लेकिन सूचनात्मक सेंसरिंग (एक उत्तर पर मेरा प्रयास देखें) और एक परिकल्पना (कैलेंडर वर्षों में धूम्रपान करने वालों / गैर-धूम्रपान करने वालों के रिश्तेदार खतरों में बदलाव) की संभावना के साथ ये कैसे व्यवहार करते हैं कि इसकी प्रकृति आनुपातिक- के विपरीत लगती है खतरों?
एड्म

@ ईडीएम मुझे विश्वास है (हालांकि मुझे यकीन नहीं है) कि इस परिदृश्य में सेंसरिंग जानकारीपूर्ण नहीं है; मामलों और नियंत्रणों को एक ही कारण से सेंसर किया जाना चाहिए, जो कुछ भी पूर्वाग्रह हो सकता है वह इन दो समूहों में बराबर होना चाहिए। चूंकि मृत्यु की जांच की जा रही है और यह प्रतीत होता है कि आप गारंटी दे सकते हैं कि सभी मौतें पकड़ ली गई हैं और नगण्य को स्थानांतरित कर दिया गया है; मैं जानकारीपूर्ण सेंसरिंग को बुरा नहीं मानूंगा। आनुपातिक खतरों का उल्लंघन करने की आवश्यकता नहीं है; हालांकि अध्ययन समय के एक समारोह के रूप में धूम्रपान की जांच करना चाहता है, यह कैलेंडर वर्ष के संदर्भ में करता है न कि अवलोकन समय (जो महत्वपूर्ण है)।
एडम रॉबिंसन

मुझे यकीन नहीं है, हालांकि।
एडम रॉबिंसन

1

यद्यपि समीक्षक की गूढ़ टिप्पणियों में बहुत अधिक पढ़ना खतरनाक है, मुझे लगता है कि आपत्ति के साथ यह करना है कि क्या सेंसरिंग जानकारीपूर्ण है।

उत्तरजीविता मॉडल की व्याख्या आम तौर पर इस धारणा पर आधारित होती है कि में एक व्यक्ति को सेंसर किया जाता है जो सभी विषयों का प्रतिनिधि होता है जो अध्ययन में प्रवेश के बाद टाइम तक जीवित रहते हैं । (रिकॉर्डिंग इस परिचय से अस्तित्व विश्लेषण के लिए अनुकूलित है ।) फिर सेंसर गैर-जानकारीपूर्ण है।TT

आपके विश्लेषण में, हालांकि, जो सेंसर किए गए थे वे 2014 के माध्यम से बच गए थे। अगर आपको लगता है कि पिछले 20 वर्षों में धूम्रपान के कारण मृत्यु के अतिरिक्त जोखिम में बदलाव आया है (या भले ही मृत्यु दर में समानांतर परिवर्तन हुए हों दोनों समूहों के लिए), फिर वे सेंसर किए गए व्यक्ति उन लोगों के प्रतिनिधि नहीं हो सकते हैं जो एक ही समय के लिए जीवित रहे, लेकिन पहले अध्ययन में प्रवेश किया था। आपकी परिकल्पना के तहत, सेंसरिंग जानकारीपूर्ण हो सकती है।

यह संभव है कि आपके विश्लेषण के डिजाइन का विवरण इस समस्या से बचा हो लेकिन समीक्षा की पांडुलिपि में यह स्पष्ट नहीं था। या शायद समीक्षक ने कुछ अतिरिक्त कारणों से अध्ययन को पसंद नहीं किया और इसे इसे अस्वीकार करने का एक तरीका पाया कि संपादक सवाल नहीं करेगा। फिर भी, यह आपके डेटा के विश्लेषण के तरीके पर एक संभावित आपत्ति है और आपको यह सुनिश्चित करना चाहिए कि इसे ठीक से संभाला जाए। (यह मेरी व्यक्तिगत विशेषज्ञता से परे है। इस साइट पर अन्य लोगों के पास आगे बढ़ने के लिए संकेत हो सकते हैं। इस सवाल का अधिक सटीक शीर्षक, अध्ययन डिजाइन और विश्लेषण पर अधिक विवरण के साथ, अधिक उपयोगी उत्तर मिल सकता है।)

यह मेरे लिए आपके प्रश्न और स्पष्ट टिप्पणी से स्पष्ट नहीं है कि कॉक्स विश्लेषण प्रति वर्ष (या 2-वर्ष के अंतराल पर) मृत्यु दर के सरल मॉडलिंग के लिए उपयोगी कुछ भी जोड़ रहे हैं। इसके अलावा, आपकी परिकल्पना का अर्थ है कि गैर-धूम्रपान करने वालों और धूम्रपान करने वालों के बीच समय के साथ आनुपातिक नहीं है , मानक कॉक्स विश्लेषण का आधार है। यदि आप कैलेंडर वर्ष के एक समारोह के रूप में धूम्रपान करने वालों और गैर-धूम्रपान करने वालों के बीच मृत्यु दर के अंतर में रुचि रखते हैं, तो यह मॉडल के लिए सबसे सीधा उपाय है (हालांकि आपको अपने अध्ययन के नमूने में गैर-धूम्रपान करने वालों के प्रकल्पित संवर्धन को ध्यान में रखना होगा। के रूप में उनके मिलान धूम्रपान समकक्षों मर)।


आपके उत्तर के लिए धन्यवाद। शायद यह हमारी विधि को और स्पष्ट करने के लिए सबसे अच्छा है। मैं अपने प्रश्न का संपादन करूंगा।
फ्रैंक 49
हमारी साइट का प्रयोग करके, आप स्वीकार करते हैं कि आपने हमारी Cookie Policy और निजता नीति को पढ़ और समझा लिया है।
Licensed under cc by-sa 3.0 with attribution required.