Establecimiento de un modelo de nomograma de regresión de riesgo competitivo para los datos de supervivencia
23 de octubre de 2020
Aquí se presenta un protocolo para construir nomogramas basado en el modelo de regresión proporcional de peligros de Cox y el modelo de regresión de riesgo de la competencia. El método de competencia es un método más racional para aplicar cuando los eventos de la competencia están presentes en el análisis de supervivencia.
Este es el protocolo para hacer frente a las subvenciones normales basadas en el modelo de regresión de riesgo de la competencia, que es un método más racional para aplicar cuando los eventos competidores como los accidentes de tráfico se pasan en el análisis de supervivencia. Las personas que experimentaron nuestros eventos de la competencia a menudo están recordando los riesgos que, como los riesgos de la competencia, por lo general no son independientes. La subvención normal de la competencia es más apropiada para evaluar la probabilidad de probar eventos para individuos en el análisis.
Después de instalar el RMS y los paquetes de R de riesgo de la competencia, cargarlos e importar los datos de la cohorte Para establecer el modelo de regresión de peligros proporcionales de Cox, ajustar el modelo a los datos utilizando la función CPH y luego desarrollar un nomograma de regresión Cox, tomando como ejemplo la tasa de supervivencia prevista de dos años. Utilice el metapaquete en R para calcular la puntuación de riesgo y dibujar una gráfica forestal. Después de instalar y cargar los paquetes R, obtenga la puntuación de riesgo de grupo o GRS y divida la cohorte en tres subgrupos.
A continuación, dibuje la parcela forestal, obteniendo la relación de peligro menor intervalo de competencia, y el intervalo de confianza superior con la función CRR. Para establecer el modelo de regresión de riesgo de la competencia, comience colocando variables de pronóstico en una matriz. Utilice la función Cbind para concatenar las variables por columnas y ajustarlas al modelo.
A continuación, utilice la función nomograma para construir Cox Nome. Obtenga la función de incidentes acumulativos de línea base, o CIF, y reemplace el punto X beta y X del modelo de regresión de riesgo de la competencia. Reemplace el punto X total en el carrete X, luego calcule la puntuación X y trace el nomograma.
La ecuación para la puntuación X y la relación de carril X se puede calcular de acuerdo con la atribución intrínseca del modelo competidor. CIF cero significa CIF de línea base, que se calcula mediante la función de predicción CRR. En la cohorte de ejemplo se incluyeron en el análisis un total de 8.550 pacientes elegibles y la mediana del tiempo de seguimiento fue de 88 meses.
Las incidencias acumuladas de muerte tumoral y no muerte por tumor y eventos competidores fueron por el método Kaplan-Meier, y la función de regresión de riesgo de la competencia, respectivamente. La suma de las incidencias acumuladas de muerte por tumor y ninguna muerte por tumor, calculada con el método Kaplan-Meier, fue superior a la suma de las estimaciones de todas las causas de muerte, lo que equivalía a los incidentes acumulados de muerte específica por cáncer cuando se utilizó un método competidor. Se construyó un nomograma utilizando el modelo de regresión proporcional de Cox basado en factores significativos, que incluían el estado civil, la raza, el tipo histológico, el grado diferenciado, la clasificación T y la clasificación N.
También se construyó un nomograma utilizando el modelo de regresión de riesgo de la competencia. Sobre la base de la puntuación de riesgo, la cohorte se clasificó en tres subgrupos: riesgo bajo, riesgo medio y alto riesgo. La parcela forestal se utilizó para presentar claramente la interacción entre la puntuación de riesgo de grupo y el factor específico.
Al considerar la edad, sólo el grupo de bajo riesgo mostró un peor pronóstico para las mujeres más jóvenes, lo que indica que la edad temprana puede actuar como un factor protector de pronóstico en grupos de riesgo medio y alto. Al intentar este protocolo es importante comprender completamente los diferentes modelos de supervivencia en el 10 al análisis de eventos y las herramientas se dominan correctamente para la orientación individualizada. El rendimiento del modelo se evalúa en términos de discriminación y el rendimiento de la ración de calibre.
Después de este procedimiento, la curva de calibración y son las mismas brechas pueden ser el rendimiento para validar la eficiencia de la concesión normal de la competencia.
Vea la transcripción completa y acceda a miles de videos científicos
Descripción general
Este protocolo describe la construcción de nomogramas utilizando el modelo de regresión de riesgos proporcionales de Cox y el modelo de regresión de riesgos competitivos. El método de riesgos competitivos es particularmente útil al analizar datos de supervivencia con eventos competitivos.
Componentes Clave del Estudio
Área de la ciencia
- Análisis de supervivencia
- Modelado estadístico
- Riesgos competitivos
Antecedentes
- Los eventos competitivos pueden influir en los resultados de supervivencia.
- Los métodos tradicionales podrían no abordar adecuadamente estos riesgos competitivos.
- El modelo de riesgos proporcionales de Cox es un enfoque estándar en el análisis de supervivencia.
- Los nomogramas ofrecen una representación visual de las predicciones de riesgo.
Objetivo del estudio
- Desarrollar un protocolo para la creación de nomogramas basados en el análisis de supervivencia.
- Mostrar la aplicación de modelos de regresión por riesgos competitivos.
- Mejorar la evaluación de las probabilidades de supervivencia en presencia de eventos competitivos.
Métodos Utilizados
- Instale y cargue los paquetes RMS y de riesgo competitivo en R.
- Importe los datos de la cohorte para su análisis.
- Ajuste el modelo de regresión de riesgos proporcionales de Cox utilizando la función CPH.
- Desarrolle un nomograma de regresión de Cox para predecir las tasas de supervivencia.
Resultados principales
- Establecimiento de un nomograma de regresión de Cox para tasas de supervivencia a dos años.
- Cálculo de puntajes de riesgo utilizando el paquete meta en R.
- División de la cohorte en subgrupos según los puntajes de riesgo grupales.
- Visualización de los resultados mediante gráficos de bosque.
Conclusiones
- El modelo de regresión de riesgos competitivos ofrece un enfoque más racional para el análisis de supervivencia.
- Los nomogramas pueden comunicar eficazmente las predicciones de riesgo.
- Este protocolo puede aplicarse a diversos estudios que involucren riesgos competitivos.
Preguntas frecuentes
Relevancia Ejecutiva para la Industria
En oncología y en el desarrollo de fármacos cardiovasculares, el análisis preciso de la supervivencia es fundamental para evaluar la eficacia y la seguridad terapéutica. Los eventos competitivos, como la mortalidad relacionada con el tratamiento o las muertes por causas no relacionadas con la enfermedad, pueden confundir los modelos tradicionales de Kaplan-Meier y Cox, conduciendo a estimaciones de riesgo sesgadas. Este protocolo permite a los equipos de I+D en biofarmacia aplicar modelos de regresión de riesgos competitivos y nomogramas para mejorar la estratificación pronóstica, potenciar la desviación mecanicista de riesgos y apoyar las decisiones de continuar o no continuar en las fases preclínicas y clínicas tempranas del desarrollo.
Aplicaciones Estratégicas en I+D de Biotecnología Farmacéutica
Descubrimiento Temprano y Validación de Blancos
- Valor científico: Permite la evaluación de hipótesis terapéuticas al distinguir la mortalidad específica de la enfermedad de los riesgos competitivos, mejorando la confianza en el objetivo.
- Valor operativo: Apoya la reducción del riesgo biológico mediante una estratificación de riesgos más precisa en modelos preclínicos donde eventos no relacionados con el objetivo pueden enmascarar los efectos del tratamiento.
Desarrollo de ensayos y cribado
- Valor científico: Facilita la preparación de sistemas biológicos validados para flujos de trabajo posteriores al proporcionar puntos finales de supervivencia cuantitativos ajustados por riesgos competitivos.
- Valor operativo: Mejora la estandarización y reproducibilidad del ensayo mediante puntuaciones de riesgo derivadas de nomogramas que permiten una evaluación consistente de compuestos entre estudios.
Investigación Traductacional y Preclínica
- Valor científico: Promueve la continuidad traslacional al alinear los puntos finales de supervivencia preclínicos con la realidad clínica, donde los eventos competitivos influyen en los resultados.
- Valor operativo: Apoya las decisiones de avance ajustadas al riesgo mediante la identificación de subgrupos (bajo/medio/alto riesgo) basados en puntajes de riesgo grupal derivados de modelos de riesgo competitivo.
Integración de la tubería y flujo de trabajo
Este método se integra en la continuidad del descubrimiento, desde la validación del blanco hasta el desarrollo preclínico, especialmente cuando los puntos finales de supervivencia se ven afectados por censura no informativa o riesgos competitivos.
- Biología del Descubrimiento: Apoya la comprobación de hipótesis y la aclaración de vías al aislar el efecto de intervenciones genéticas o farmacológicas sobre resultados específicos de la enfermedad.
- Tamizaje: Permite la preparación y reproducibilidad del ensayo mediante la visualización en gráficos forestales de las razones de riesgo y puntuaciones de riesgo grupales en diferentes condiciones experimentales.
- Análisis: Proporciona mediciones cuantitativas de variables dependientes (incidencia acumulada, razones de riesgo, puntuaciones de riesgo) que permiten a equipos multidisciplinarios comparar objetivamente los efectos del tratamiento.
- Investigación Traductora: Conecta el descubrimiento con la validación preclínica al garantizar que el análisis de supervivencia refleje la complejidad del mundo real en presencia de eventos competitivos.
- Reutilización Empresarial: Establece un marco estadístico reutilizable para el análisis de supervivencia en distintas áreas terapéuticas, reduciendo el desarrollo redundante de modelos.
Impacto Operativo y Empresarial
- Valor científico: Aumenta la confianza predictiva al reducir la ambigüedad mecanicista en los datos de supervivencia mediante el manejo adecuado de riesgos competitivos.
- Valor operativo: Mejora la estandarización y escalabilidad mediante flujos de trabajo basados en R (paquetes RMS, competing risk, meta) que pueden implementarse en diversos equipos.
- Valor estratégico: Mejora la toma de decisiones de avance o interrupción al proporcionar subgrupos estratificados por riesgo, reduciendo los fracasos en fases tardías debido a una mortalidad competitiva no anticipada.
- Impacto en la cartera: Permite la priorización ajustada al riesgo de candidatos basada en probabilidades de supervivencia ajustadas por riesgos competitivos, en lugar de tasas brutas de eventos.
Consideraciones de Implementación
- Requiere experiencia en análisis de supervivencia y programación en R, incluyendo familiaridad con las funciones del modelo de Cox, regresión de riesgos competitivos (CRR) y nomogramas.
- Depende del entorno R con los paquetes RMS, competing risk y meta instalados y configurados adecuadamente.
- Necesita la estandarización entre equipos en la selección de variables (por ejemplo, estado civil, raza, tipo histológico, clasificación T/N) para garantizar la comparabilidad de los modelos.
- Requiere la adaptación de las matrices de variables pronósticas al aplicar el modelo a diferentes modelos de enfermedad o sistemas preclínicos.
- Limitado por el supuesto de riesgos proporcionales; deben realizarse diagnósticos del modelo (calibración, discriminación) para validar su desempeño.
Preguntas frecuentes sobre biofármacos
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
