सीपीएच की तुलना, अस्तित्व विश्लेषण के लिए त्वरित विफलता समय मॉडल या तंत्रिका नेटवर्क

Question

मैं उत्तरजीविता विश्लेषण के लिए नया हूं और मैंने हाल ही में सीखा है कि एक निश्चित लक्ष्य को पूरा करने के लिए अलग-अलग तरीके हैं। मुझे इन विधियों के वास्तविक कार्यान्वयन और उपयुक्तता में दिलचस्पी है।

मुझे पारंपरिक कॉक्स आनुपातिक-खतरों के साथ प्रस्तुत किया गया था , त्वरित विफलता समय मॉडल और तंत्रिका नेटवर्क (बहुपरत अवधारणात्मक) के रूप में एक मरीज को उनके समय, स्थिति और अन्य चिकित्सा डेटा दिए जाने के लिए। कहा जाता है कि अध्ययन को पांच साल में निर्धारित किया जाता है और लक्ष्य है कि हर साल नए रिकॉर्ड दिए जाने के लिए उत्तरजीविता जोखिम दिया जाए।

मुझे दो उदाहरण मिले जहां अन्य तरीके जहां कॉक्स PH को चुना गया था:

1. मैंने पाया कि " कॉक्स PH मॉडल से बचने के समय के संदर्भ में पूर्वानुमान कैसे प्राप्त करें " और यह उल्लेख किया गया था कि:

   यदि आप विशेष समय बिंदुओं पर अस्तित्व की संभावना के अनुमान प्राप्त करने में विशेष रूप से रुचि रखते हैं, तो मैं आपको पैरामीट्रिक उत्तरजीविता मॉडल (उर्फ त्वरित विफलता समय मॉडल) की ओर इंगित करता हूं । ये R के लिए उत्तरजीविता पैकेज में लागू किए गए हैं, और आपको पैरामीट्रिक उत्तरजीविता समय वितरण प्रदान करेंगे, जिसमें आप बस उस समय को प्लग कर सकते हैं जिसमें आप रुचि रखते हैं और उत्तरजीविता की संभावना वापस पा सकते हैं।

   मैं अनुशंसित साइट पर गया और survivalपैकेज में एक पाया - फ़ंक्शन survreg।

2. इस टिप्पणी में तंत्रिका नेटवर्क का सुझाव दिया गया था :

   ... जीवित रहने के विश्लेषण के लिए तंत्रिका शुद्ध दृष्टिकोण का एक फायदा यह है कि वे कॉक्स विश्लेषण के आधार पर मान्यताओं पर भरोसा नहीं करते हैं ...

   प्रश्न " आर न्यूरल नेटवर्क मॉडल विथ टार्गेट वेक्टर विद आउटपुट विथ सर्वाइवल प्रेडिक्शन्स " ने तंत्रिका नेटवर्क और कॉक्स PH दोनों में उत्तरजीविता के निर्धारण का एक संपूर्ण तरीका दिया।

   अस्तित्व पाने के लिए आर कोड इस तरह होगा:

   mymodel <- neuralnet(T1+T2+T3+T4+T5~covar1+covar2+covar3+..., data=mydata, hidden=1)
   compute(mymodel,data=mydata)

3. मैं R फ़ोरम में गया और इस प्रश्न का उत्तर " predict.coxph और predict.survreg " में पाया :

   वास्तव में, आप के predict()कार्य से coxphसीधे "समय" की भविष्यवाणी नहीं मिल सकती है, लेकिन केवल रैखिक और घातीय जोखिम स्कोर। ऐसा इसलिए है, क्योंकि समय प्राप्त करने के लिए, एक बेसलाइन खतरे की गणना की जानी चाहिए और यह सीधे नहीं है क्योंकि यह कॉक्स मॉडल में निहित है।

मैं सोच रहा था कि क्या तीन (या दो कॉक्स PH पर तर्क पर विचार कर रहे हैं) ब्याज की समय अवधि के लिए जीवित रहने का प्रतिशत प्राप्त करने के लिए सबसे अच्छा है? मैं उलझन में हूँ कि उनमें से कौन सा अस्तित्व विश्लेषण में उपयोग करता है।

Answer 1

यह इस बात पर निर्भर करता है कि आप मॉडल क्यों बना रहे हैं। उत्तरजीविता मॉडल के निर्माण के दो मुख्य कारण (1) भविष्यवाणियां करना (2) हैं और सहसंयोजकों के आकार को प्रभावित करना है।

यदि आप उन्हें एक भविष्य कहनेवाला सेटिंग में उपयोग करना चाहते हैं जिसमें आप कोविरेट्स का एक सेट दिया गया एक अपेक्षित उत्तरजीविता समय प्राप्त करना चाहते हैं, तो तंत्रिका नेटवर्क सबसे अच्छा विकल्प होने की संभावना है क्योंकि वे सार्वभौमिक सन्निकटन हैं और सामान्य (अर्ध) पैरामीट्रिक की तुलना में कम धारणा बनाते हैं। मॉडल। एक अन्य विकल्प जो कम लोकप्रिय है, लेकिन कम शक्तिशाली नहीं है, वेक्टर मशीनों का समर्थन करता है ।

यदि आप प्रभाव के आकार को निर्धारित करने के लिए मॉडलिंग कर रहे हैं, तो तंत्रिका नेटवर्क बहुत काम के नहीं होंगे। दोनों कॉक्स आनुपातिक खतरों और त्वरित विफलता समय मॉडल का उपयोग इस लक्ष्य के लिए किया जा सकता है। कॉक्स PH मॉडल अब तक नैदानिक ​​सेटिंग्स में सबसे अधिक व्यापक रूप से उपयोग किया जाता है, जिसमें खतरा अनुपात प्रत्येक कोवरिएट / इंटरैक्शन के लिए प्रभाव आकार का एक माप देता है। इंजीनियरिंग सेटिंग्स में, हालांकि, एएफटी मॉडल पसंद का हथियार हैं।

Comments

जवाब के लिए धन्यवाद! आपने इसे ठीक कहा है - " कोवरिएट्स का एक सेट प्राप्त करने के लिए एक अपेक्षित उत्तरजीविता समय प्राप्त करने के लिए "। मुझे अपने अध्ययन में तंत्रिका नेटवर्क और एसवीएम के साथ जाना होगा।

— फाइनल लिटीयू

@Marc क्लेसेन: कॉक्स PH मॉडल P (उत्तरजीविता समय> t) प्रदान करता है। वहाँ से उत्तरजीविता का पीडीएफ प्राप्त करना संभव नहीं है और पीडीएफ से नमूना?

— स्टेटबाइनर

@Marc क्लेसेन मुझे लगता है कि तंत्रिका नेटवर्क को सीधे अस्तित्व विश्लेषण समस्या पर लागू नहीं किया जा सकता है, लेकिन अस्तित्व विश्लेषण समस्या को 1 को वर्गीकरण या प्रतिगमन समस्या में परिवर्तित किया जाना चाहिए। तो क्या आप यह बता सकते हैं कि उत्तरजीविता विश्लेषण समस्या को वर्गीकरण या प्रतिगमन समस्या में कैसे बदला जा सकता है ताकि तंत्रिका नेटवर्क को लागू किया जा सके? यदि संभव हो तो कृपया यहां जवाब दें। आंकड़े ।stackexchange.com

— questions/