Vaststelling van een concurrerende risico regressie Nomogram Model voor Survival Data
23 oktober 2020
Hier gepresenteerd is een protocol om nomogrammen te bouwen op basis van de Cox proportionele gevaren regressie model en concurrerende risico regressie model. De concurrerende methode is een meer rationele methode toe te passen wanneer concurrerende gebeurtenissen aanwezig zijn in de overlevingsanalyse.
Dit is het protocol voor de normale subsidies op basis van het concurrerende risicoregressiemodel, wat een rationelere methode is om toe te passen wanneer de concurrerende gebeurtenissen zoals de verkeersongevallen worden doorgegeven in de overlevingsanalyse. Individuen die onze concurrerende evenementen hebben meegemaakt, herinneren vaak aan de risico's die, omdat de concurrerende risico's meestal niet onafhankelijk zijn. De concurrerende normale subsidie is meer geschikt om de waarschijnlijkheid van het testen van gebeurtenissen voor individuen in analyse te evalueren.
Na het installeren van de RMS en concurrerende risico R-pakketten, laad ze en importeer ze de cohortgegevens Om het Cox proportionele gevaren regressiemodel vast te stellen, past u het model op de gegevens met behulp van de CPH-functie en ontwikkelt u vervolgens een Cox regressie nomogram, waarbij de voorspelde overlevingskans van twee jaar als voorbeeld wordt genomen. Gebruik het metapakket in R om de risicoscore te berekenen en een bosperceel te tekenen. Na het installeren en laden van de R-pakketten, verkrijg je de groepsrisicoscore of GRS en verdeel je het cohort in drie subgroepen.
Teken vervolgens de forestplot, verkrijg de risicoverhouding lager competentieinterval en het bovenste betrouwbaarheidsinterval met de CRR-functie. Om het concurrerende risicoregressiemodel vast te stellen, begin met het plaatsen van prognostische variabelen in een matrix. Gebruik de functie Cbind om de variabelen per kolommen te concateeren en deze in het model te passen.
Gebruik vervolgens de nomogramfunctie om Cox Nome te construeren. Download de functie cumulatieve basislijnincidenten of CIF en vervang het X-bèta- en X-punt van het concurrerende risicoregressiemodel. Vervang het totaal X-punt in X-rol, bereken vervolgens de X-score en plot het nomogram.
De vergelijking voor de X-score- en X-spoorrelatie kan worden berekend op basis van de intrinsieke toeschrijving van het concurrerende model. CIF zero betekent basislijn CIF, dat wordt berekend door de functie CRR voorspellen. In het voorbeeld cohort werden in totaal 8, 550 in aanmerking komende patiënten in de analyse opgenomen en de mediane follow-uptijd 88 maanden.
De cumulatieve incidenties van tumordood en geen tumordood en concurrerende gebeurtenissen waren door de Methode Kaplan-Meier, en de concurrerende functie van de risicoregressie, respectievelijk. De som van de cumulatieve incidenties van tumordood en geen tumordood, berekend met de Kaplan-Meier-methode, was hoger dan de som van de schattingen van alle doodsoorzaken, die gelijk was aan de cumulatieve incidenten van kankerspecifieke dood wanneer een concurrerende methode werd gebruikt. Een nomogram werd gebouwd met behulp van de Cox proportionele regressie model op basis van belangrijke factoren, waaronder burgerlijke staat, ras, histologische type, gedifferentieerde rang, T-classificatie en N-classificatie.
Een nomogram werd ook gebouwd met behulp van het concurrerende risico regressie model. Op basis van de risicoscore werd het cohort ingedeeld in drie subgroepen: laag risico, gemiddeld risico en hoog risico. Het bosperceel werd gebruikt om duidelijk de interactie tussen de groepsrisicoscore en de specifieke factor weer te geven.
Bij het overwegen van leeftijd vertoonde alleen de groep met een laag risico een slechtere prognose voor jongere vrouwen, wat aangeeft dat jonge leeftijd kan fungeren als een beschermende factor van prognose in middelgrote en risicogroepen. Bij het proberen van dit protocol is het belangrijk om volledig te begrijpen van de verschillende overleven modellen in de 10 tot gebeurtenis analyse en de tools zijn goed onder de knie voor geïndividualiseerde begeleiding. De modelprestaties worden beoordeeld in termen van de discriminatie en de prestaties van het kaliber rantsoen.
Na deze procedure kan de kalibratiecurve en hetzelfde zijn, prestaties zijn om de efficiëntie van de concurrerende normale subsidie te valideren.
Bekijk het volledige transcript en krijg toegang tot duizenden wetenschappelijke video's
Overzicht
Dit protocol beschrijft de constructie van nomogrammen met behulp van het Cox proportionele hazards regressiemodel en het competing risk regressiemodel. De competing risk methode is bijzonder nuttig bij het analyseren van overlevingsgegevens met concurrerende events.
Belangrijkste onderdelen van de studie
Wetenschapsgebied
- Overlevingsanalyse
- Statistische modellering
- Competing risks
Achtergrond
- Concurrerende gebeurtenissen kunnen de overlevingsuitkomsten beïnvloeden.
- Traditionele methoden adresseren deze concurrerende risico's mogelijk niet adequaat.
- Het Cox proportional hazards-model is een standaardbenadering in de overlevingsanalyse.
- Nomogrammen bieden een visuele weergave van risicovoorspellingen.
Doel van de studie
- Om een protocol te ontwikkelen voor het maken van nomogrammen op basis van overlevingsanalyse.
- Om de toepassing van regressiemodellen voor concurrerende risico's te demonstreren.
- Om de evaluatie van overlevingskansen in de aanwezigheid van concurrerende gebeurtenissen te verbeteren.
Gebruikte methoden
- Installeer en laad de R-pakketten RMS en competing risk.
- Importeer de cohortgegevens voor analyse.
- Pas het Cox proportionele hazard-regressiemodel toe met behulp van de CPH-functie.
- Ontwikkel een Cox-regressienomogram voor de voorspelde overlevingspercentages.
Belangrijkste Resultaten
- Opstelling van een Cox-regressienomogram voor overlevingspercentages over twee jaar.
- Berekening van risicoscores met behulp van het meta-pakket in R.
- Verdeling van de cohort in subgroepen op basis van de risicoscores per groep.
- Visualisatie van de resultaten via forest plots.
Conclusies
- Het regressiemodel voor concurrerende risico's biedt een rationelere benadering voor survivalanalyse.
- Nomogrammen kunnen risicovoorspellingen effectief communiceren.
- Dit protocol kan worden toegepast op diverse studies waarbij sprake is van concurrerende risico's.
Veelgestelde vragen
Relevantie voor de Industrie
In de oncologie en bij de ontwikkeling van cardiovasculaire geneesmiddelen is een nauwkeurige overlevingsanalyse essentieel voor het evalueren van de therapeutische effectiviteit en veiligheid. Competerende events, zoals behandelgerelateerde mortaliteit of overlijden door andere oorzaken dan de ziekte, kunnen traditionele Kaplan-Meier- en Cox-modellen verstoren, wat leidt tot vertekende risicoschattingen. Dit protocol stelt R&D-teams in de biofarmacie in staat om regressiemodellen voor competerende risico's en nomogrammen toe te passen om de prognostische stratificatie te verbeteren, mechanische risicoanalyse te versterken en go/no-go-beslissingen in de preklinische en vroege klinische ontwikkeling te ondersteunen.
Strategische toepassingen in biofarmaceutisch R&D
Vroege ontdekking & targetvalidatie
- Wetenschappelijke waarde: Maakt het toetsen van therapeutische hypothesen mogelijk door ziekte-specifieke mortaliteit te onderscheiden van concurrerende risico's, wat het vertrouwen in het target vergroot.
- Operationele waarde: Ondersteunt biologische risicoreductie door verfijnde risicostratificatie in preklinische modellen waar niet-target-gebeurtenissen de effecten van de behandeling kunnen maskeren.
Screening & Assayontwikkeling
- Wetenschappelijke waarde: Vergemakkelijkt de preparatie van gevalideerde biologische systemen voor downstream-workflows door het leveren van kwantitatieve overlevingsuiteinden die zijn gecorrigeerd voor concurrerende risico's.
- Operationele waarde: Verbetert de standaardisatie en reproduceerbaarheid van assays via op nomogrammen gebaseerde risicoscores, waardoor een consistente evaluatie van verbindingen over verschillende studies mogelijk wordt gemaakt.
Translationeel & Preklinisch Onderzoek
- Wetenschappelijke waarde: Bevordert translationele continuïteit door preklinische overlevingsendpunten af te stemmen op de klinische realiteit, waarbij concurrerende gebeurtenissen de uitkomsten beïnvloeden.
- Operationele waarde: Ondersteunt risico-gecorrigeerde beslissingen over voortgang door subgroepen (laag/medium/hoog risico) te identificeren op basis van groepsrisicoscores afgeleid van concurrerende risicomodellen.
Integratie van pipeline & workflow
Deze methode is geïntegreerd in het ontdekkingscontinuüm van targetvalidatie tot preklinische ontwikkeling, met name wanneer overlevingseindpunten worden beïnvloed door niet-informatieve censurering of concurrerende risico's.
- Discovery Biology: Ondersteunt hypothesetoetsing en pathway-verduidelijking door het effect van genetische of farmacologische interventies op ziekte-specifieke uitkomsten te isoleren.
- Screening: Maakt assay-gereedheid en reproduceerbaarheid mogelijk via forest plot-visualisatie van hazard ratio's en groepsrisicoscores over verschillende experimentele condities.
- Analytics: Levert kwantitatieve metingen van afhankelijke variabelen (cumulatieve incidentie, hazard ratio's, risicoscores) waardoor cross-functionele teams behandelingseffecten objectief kunnen vergelijken.
- Translationeel Onderzoek: Verbindt discovery met preklinische validatie door te waarborgen dat overlevingsanalyse de real-world complexiteit weerspiegelt waarbij concurrerende events aanwezig zijn.
- Enterprise Hergebruik: Vestigt een herbruikbaar statistisch kader voor overlevingsanalyse over verschillende therapeutische gebieden, wat redundante modelontwikkeling vermindert.
Operationele & Bedrijfsmatige Impact
- Wetenschappelijke waarde: Verhoogt het voorspellende vertrouwen door mechanische ambiguïteit in overlevingsgegevens te verminderen door een correcte behandeling van concurrerende risico's.
- Operationele waarde: Verbetert de standaardisatie en schaalbaarheid via R-gebaseerde workflows (RMS, competing risk, meta packages) die binnen teams kunnen worden ingezet.
- Strategische waarde: Verbetert de go/no-go besluitvorming door risicostratificeerde subgroepen te bieden, waardoor laatstadiumfalen door onvoorziene concurrerende mortaliteit wordt verminderd.
- Impact op portfolio: Maakt risicogecorrigeerde prioritering van kandidaten mogelijk op basis van overlevingskansen gecorrigeerd voor concurrerende risico's in plaats van ruwe event-rates.
Overwegingen voor implementatie
- Vereist expertise in overlevingsanalyse en R-programmering, inclusief bekendheid met CPH-, CRR- en nomogramfuncties.
- Afhankelijkheid van de R-omgeving met geïnstalleerde en correct geconfigureerde RMS-, competing risk- en meta-packages.
- Vereist cross-team standaardisatie van variabele selectie (bijv. burgerlijke staat, ras, histologisch type, T/N-classificatie) om de vergelijkbaarheid van de modellen te waarborgen.
- Vereist aanpassing van prognostische variabelenmatrices bij het toepassen van het model op verschillende ziekte-modellen of preklinische systemen.
- Beperkt door de aanname van proportionele hazards; modeldiagnostiek (kalibratie, discriminatie) moet worden uitgevoerd om de prestaties te valideren.
Veelgestelde vragen over biofarma
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
