إنشاء نموذج Nomogram لتراجع المخاطر المتنافسة لبيانات البقاء على قيد الحياة
أكتوبر 23, 2020
يُعرض هنا بروتوكول لبناء صور نوم تستند إلى نموذج تراجع المخاطر النسبية في كوكس ونموذج تراجع المخاطر المتنافس. الأسلوب المنافس هو طريقة أكثر عقلانية لتطبيق عندما تكون الأحداث المتنافسة موجودة في تحليل البقاء على قيد الحياة.
هذا هو البروتوكول للتعامل مع المنح العادية على أساس نموذج تراجع المخاطر المتنافسة وهو أسلوب أكثر عقلانية لتطبيق عندما يتم تمرير الأحداث المتنافسة مثل حوادث المرور في تحليل البقاء على قيد الحياة. فالأفراد الذين اختبروا أحداثنا المتنافسة كثيرا ما يذكرون المخاطر التي لا تكون مستقلة عادة، لأن المخاطر المتنافسة ليست مستقلة. المنحة العادية المتنافسة هي أكثر ملاءمة لتقييم احتمال اختبار الأحداث للأفراد في التحليل.
بعد تثبيت RMS وتنافس حزم R المخاطر، وتحميلها واستيراد البيانات الفوج لإنشاء نموذج كوكس الانحدار المخاطر النسبية، وتناسب النموذج إلى البيانات باستخدام وظيفة CPH ثم تطوير nomogram كوكس الانحدار، مع الأخذ في عامين معدل البقاء المتوقع كمثال. استخدام حزمة التعريف في R لحساب درجة المخاطر ورسم قطعة الأرض الغابات. بعد تثبيت وتحميل حزم R، والحصول على درجة المخاطر المجموعة، أو GRS وتقسيم الفوج إلى ثلاث مجموعات فرعية.
ثم رسم قطعة الأرض الغابات، والحصول على انخفاض نسبة الخطر الفاصلة الاختصاصات، وفاصل الثقة العليا مع وظيفة CRR. لإنشاء نموذج تراجع المخاطر المتنافسة، ابدأ بوضع المتغيرات التنبؤية في مصفوفة. استخدم الدالة Cbind لسَلسَلة المتغيرات بواسطة الأعمدة واحتواءها في النموذج.
ثم استخدم الدالة nomogram لبناء كوكس نوم. الحصول على دالة الحوادث التراكمية الأساسية، أو CIF، واستبدال نقطة X بيتا و X من نموذج تراجع المخاطر المتنافسة. استبدال مجموع نقطة X في بكرة X، ثم حساب نقاط X وارسم nomogram.
ويمكن حساب المعادلة لنقاط X وعلاقة السكك الحديدية X وفقا لنسب جوهري للنموذج المتنافس. يعني CIF صفر CIF الأساسي، الذي يتم حسابه بواسطة الدالة CRR التنبؤية. في الفوج المثال تم تضمين ما مجموعه 8,550 مريض مؤهل في التحليل وكان متوسط وقت المتابعة 88 شهرًا.
وكانت الحوادث التراكمية للوفاة الورمية وعدم موت الورم والأحداث المتنافسة من قبل طريقة كابلان ماير، و وظيفة تراجع المخاطر المتنافسة، على التوالي. وكان مجموع الحوادث التراكمية للوفاة بالورم وعدم الوفاة بأي ورم، محسوبة بطريقة كابلان ماير، أعلى من مجموع تقديرات جميع أسباب الوفاة، التي كانت مساوية للحوادث التراكمية للوفاة المحددة بالسرطان عند استخدام طريقة منافسة. تم بناء صورة نوم باستخدام نموذج كوكس الانحدار النسبي على أساس عوامل هامة، والتي شملت الحالة الاجتماعية والعرق والنوع النسيجي والدرجة المتمايزة والتصنيف T والتصنيف N.
كما تم إنشاء مخطط نوم باستخدام نموذج تراجع المخاطر المتنافس. واستناداً إلى درجة المخاطر، تم تصنيف الفوج إلى ثلاث مجموعات فرعية هي: المخاطر المنخفضة، والمخاطر المتوسطة، والمخاطر العالية. وقد استُخدِمت قطعة الأرض للغابات لعرض التفاعل بين درجة المخاطرة بالمجموعة والعامل المحدد.
عند النظر في العمر، أظهرت الفئة المنخفضة المخاطر فقط تشخيصًا أسوأ بالنسبة للنساء الأصغر سنًا، مما يشير إلى أن صغر السن قد يكون بمثابة عامل وقائي للتشخيص في الفئات المتوسطة والعالية الخطورة. عند محاولة هذا البروتوكول من المهم أن نفهم تماما نماذج البقاء على قيد الحياة مختلفة في 10 لتحليل الحدث والأدوات هي يتقن بشكل صحيح للحصول على إرشادات فردية. يتم تقييم الأداء النموذجي من حيث التمييز والأداء التمويني عيار.
بعد هذا الإجراء، يمكن أن يكون منحنى المعايرة وهم نفس الثغرات هو الأداء للتحقق من كفاءة المنحة العادية المتنافسة.
اعرض النص الكامل واحصل على الوصول إلى آلاف الفيديوهات العلمية
نظرة عامة
يوضح هذا البروتوكول كيفية بناء المخططات البيانية (nomograms) باستخدام نموذج ريغريسيون المخاطر النسبية لـ Cox ونموذج ريغريسيون المخاطر المتنافسة. وتعد طريقة المخاطر المتنافسة مفيدة بشكل خاص عند تحليل بيانات البقاء مع وجود أحداث متنافسة.
مكونات الدراسة الرئيسية
مجال العلم
- تحليل البقاء
- النمذجة الإحصائية
- المخاطر المتنافسة
خلفية علمية
- يمكن للأحداث المتنافسة أن تؤثر على نتائج البقاء على قيد الحياة.
- قد لا تعالج الطرق التقليدية هذه المخاطر المتنافسة بشكل كافٍ.
- يُعد نموذج كوكس للمخاطر النسبية نهجاً قياسياً في تحليل البقاء.
- توفر النوموكرامات (Nomograms) تمثيلاً مرئياً لتنبؤات المخاطر.
الغرض من الدراسة
- تطوير بروتوكول لإنشاء المخططات البيانية (nomograms) بناءً على تحليل البقاء.
- توضيح كيفية تطبيق نماذج انحدار المخاطر المتنافسة.
- تعزيز تقييم احتمالات البقاء في ظل وجود أحداث متنافسة.
الطرق المستخدمة
- تثبيت وتحميل حزمتي R الخاصتين بـ RMS والمخاطر المتنافسة (competing risk).
- استيراد بيانات المجموعة الدراسية للتحليل.
- تطبيق نموذج انحدار المخاطر النسبية لـ Cox باستخدام دالة CPH.
- تطوير مخطط نو-موجرام (nomogram) لانحدار Cox للتنبؤ بمعدلات البقاء على قيد الحياة.
النتائج الرئيسية
- إنشاء مخطط ترشيحي (nomogram) لانحدار كوكس لمعدلات البقاء على قيد الحياة لمدة عامين.
- حساب درجات المخاطر باستخدام حزمة meta في برنامج R.
- تقسيم المجموعة إلى مجموعات فرعية بناءً على درجات مخاطر المجموعة.
- تصوير النتائج من خلال المخططات الغابية (forest plots).
الاستنتاجات
- يوفر نموذج انحدار المخاطر المتنافسة نهجاً أكثر عقلانية لتحليل البقاء.
- يمكن للمخططات البيانية (Nomograms) أن تنقل توقعات المخاطر بشكل فعال.
- يمكن تطبيق هذا البروتوكول على دراسات مختلفة تتضمن مخاطر متنافسة.
الأسئلة الشائعة
الأهمية الصناعية التنفيذية
في تطوير أدوية الأورام وأمراض القلب والأوعية الدموية، يعد التحليل الدقيق للبقاء على قيد الحياة أمراً بالغ الأهمية لتقييم الفعالية العلاجية والسلامة. يمكن للأحداث المتنافسة، مثل الوفيات المرتبطة بالعلاج أو الوفيات غير الناجمة عن المرض، أن تسبب تداخلاً في نماذج Kaplan-Meier وCox التقليدية، مما يؤدي إلى تقديرات منحازة للمخاطر. يتيح هذا البروتوكول لفرق البحث والتطوير في مجال الأدوية الحيوية تطبيق نماذج انحدار المخاطر المتنافسة والمخططات البيانية (nomograms) لتحسين التصنيف الإنذاري، وتعزيز تقليل المخاطر الآلية، ودعم قرارات المضي قدماً أو التوقف في مراحل التطوير قبل السريرية والسريرية المبكرة.
التطبيقات الاستراتيجية في البحث والتطوير للمستحضرات الدوائية الحيوية
الاكتشاف المبكر والتحقق من الهدف
- القيمة العلمية: تتيح استقصاء الفرضيات العلاجية من خلال التمييز بين الوفيات المرتبطة بالمرض والمخاطر المتنافسة، مما يعزز الثقة في تحديد الأهداف.
- القيمة التشغيلية: تدعم تقليل المخاطر البيولوجية من خلال تحسين تصنيف المخاطر في النماذج قبل السريرية، حيث قد تحجب الأحداث غير المرتبطة بالهدف من تأثيرات العلاج.
الفحص وتطوير المقايسة
- القيمة العلمية: يسهل تحضير أنظمة بيولوجية موثقة لسير العمل اللاحق من خلال توفير نقاط نهاية للبقاء قابلة للقياس الكمي ومعدلة حسب المخاطر المتنافسة.
- القيمة التشغيلية: يعزز تقييس المقايسة وقابلية تكرارها من خلال درجات المخاطر المستمدة من المخطط البياني (nomogram)، مما يتيح تقييماً متسقاً للمركبات عبر الدراسات المختلفة.
الأبحاث الانتقالية وما قبل السريرية
- القيمة العلمية: تعزز الاستمرارية الانتقالية من خلال مواءمة نقاط النهاية الخاصة بالبقاء في الدراسات قبل السريرية مع الواقع السريري حيث تؤثر الأحداث المتنافسة على النتائج.
- القيمة التشغيلية: تدعم قرارات التقدم المعدلة وفقاً للمخاطر من خلال تحديد المجموعات الفرعية (مخاطر منخفضة/متوسطة/عالية) بناءً على درجات مخاطر المجموعة المشتقة من نماذج المخاطر المتنافسة.
تكامل مسار العمل والتدفق الإجرائي
تتكامل هذه الطريقة ضمن سلسلة عمليات الاكتشاف بدءاً من التحقق من الهدف وصولاً إلى التطوير قبل السريري، لا سيما عندما تتأثر نقاط النهاية للبقاء على قيد الحياة بوجود رقابة غير معلوماتية أو مخاطر متنافسة.
- بيولوجيا الاكتشاف: تدعم اختبار الفرضيات وتوضيح المسارات من خلال عزل تأثير التدخلات الجينية أو الدوائية على النتائج الخاصة بالمرض.
- المسح: تتيح جاهزية المقايسة وقابلية التكرار من خلال التصور البياني للمخطط الغابوي (forest plot) لنسب المخاطر ودرجات مخاطر المجموعات عبر الظروف التجريبية.
- التحليلات: توفر قياسات كمية للمتغيرات التابعة (الوقوع التراكمي، ونسب المخاطر، ودرجات المخاطر) التي تسمح للفرق متعددة التخصصات بمقارنة تأثيرات العلاج بشكل موضوعي.
- الأبحاث الانتقالية: تربط الاكتشاف بالتحقق قبل السريري من خلال ضمان أن تحليل البقاء يعكس التعقيدات الواقعية في وجود أحداث متنافسة.
- إعادة الاستخدام المؤسسي: تضع إطاراً إحصائياً قابلاً لإعادة الاستخدام لتحليل البقاء عبر المجالات العلاجية المختلفة، مما يقلل من التطوير المتكرر للنماذج.
التأثير التشغيلي والمؤسسي
- القيمة العلمية: زيادة الثقة التنبؤية عن طريق تقليل الغموض الميكانيكي في بيانات البقاء من خلال التعامل السليم مع المخاطر المتنافسة.
- القيمة التشغيلية: تحسين التوحيد القياسي وقابلية التوسع عبر سير عمل قائم على لغة R (حزم RMS، وcompeting risk، وmeta) والتي يمكن نشرها عبر الفرق المختلفة.
- القيمة الاستراتيجية: تعزيز عملية اتخاذ قرار المضي قدماً أو التوقف من خلال توفير مجموعات فرعية مصنفة حسب المخاطر، مما يقلل من حالات الفشل في المراحل المتأخرة الناتجة عن الوفيات المتنافسة غير المتوقعة.
- التأثير على المحفظة: تمكين تحديد الأولويات للمرشحين بناءً على تعديل المخاطر، بالاعتماد على احتمالات البقاء المعدلة وفقاً للمخاطر المتنافسة بدلاً من معدلات الأحداث الخام.
اعتبارات التنفيذ
- يتطلب خبرة في تحليل البقاء والبرمجة بلغة R، بما في ذلك الإلمام بدوال CPH وCRR والنوموجرام (nomogram).
- الاعتماد على بيئة R مع تثبيت وتكوين حزم RMS وcompeting risk وmeta بشكل صحيح.
- يستلزم توحيد معايير اختيار المتغيرات بين الفرق (مثل: الحالة الاجتماعية، والعرق، والنوع النسيجي، وتصنيف T/N) لضمان قابلية مقارنة النماذج.
- يتطلب تكييف مصفوفات المتغيرات الإنذارية عند تطبيق النموذج على نماذج أمراض مختلفة أو أنظمة ما قبل سريرية.
- يقتصر على افتراض المخاطر النسبية؛ ويجب إجراء تشخيصات النموذج (المعايرة، والتمييز) للتحقق من كفاءة الأداء.
الأسئلة الشائعة حول الأدوية الحيوية
Chapters in this video
0:04
Introduction
0:42
Nomogram Based on the Cox Proportional Hazards Regression Model
1:13
Subgroup Analysis Based on the Group Risk Score
1:43
Nomogram Based on the Competing Risk Regression Model
2:39
Results: Competing-risk Nomogram and Risk Score Estimation
4:10
Conclusion
