Estabelecendo um modelo de nomograma de regressão de risco concorrente para dados de sobrevivência
23 de outubro de 2020
Apresentado aqui é um protocolo para construir nomogramas baseados no modelo de regressão de riscos proporcionais de Cox e modelo de regressão de risco concorrente. O método concorrente é um método mais racional para aplicar quando eventos concorrentes estão presentes na análise de sobrevivência.
Este é o protocolo para lidar com as subvenções normais com base no modelo de regressão de risco concorrente, que é um método mais racional de aplicar quando os eventos concorrentes, como os acidentes de trânsito, são aprovados na análise de sobrevivência. Indivíduos que vivenciaram nossos eventos concorrentes muitas vezes estão lembrando os riscos que, como os riscos concorrentes geralmente não são independentes. A concessão normal concorrente é mais adequada para avaliar a probabilidade de testar eventos para indivíduos em análise.
Depois de instalar o RMS e os pacotes R de risco concorrente, carregá-los e importar os dados de coorte Para estabelecer o modelo de regressão de riscos proporcionais de Cox, encaixe o modelo aos dados usando a função CPH e, em seguida, desenvolva um nomograma de regressão de Cox, tendo como exemplo a taxa de sobrevivência prevista de dois anos. Use o pacote meta em R para calcular a pontuação de risco e desenhar um lote florestal. Após a instalação e o carregamento dos pacotes R, obtenha a pontuação de risco do grupo ou GRS e divida a coorte em três subgrupos.
Em seguida, desenhe o enredo florestal, obtendo a razão de risco menor intervalo de competência e intervalo de confiança superior com a função CRR. Para estabelecer o modelo de regressão de risco concorrente, comece colocando variáveis prognósticas em uma matriz. Use a função Cbind para concatenar as variáveis por colunas e encaixá-las no modelo.
Em seguida, use a função nomograma para construir Cox Nome. Obtenha a função de incidentes cumulativos da linha de base, ou CIF, e substitua o ponto X beta e X do modelo de regressão de risco concorrente. Substitua o ponto X total no rolo X, em seguida, calcule a pontuação X e plote o nomograma.
A equação para a pontuação X e a relação ferroviária X pode ser calculada de acordo com a atribuição intrínseca do modelo concorrente. CIF zero significa CIF de linha de base, que é calculado pela função CRR predil. Na coorte de exemplo, um total de 8.550 pacientes elegíveis foram incluídos na análise e o tempo médio de seguimento foi de 88 meses.
As incidências cumulativas de morte tumoral e sem morte tumoral e eventos concorrentes foram pelo método Kaplan-Meier, e a função de regressão de risco concorrente, respectivamente. A soma das incidências cumulativas de morte tumoral e sem morte por tumor, calculada com o método Kaplan-Meier, foi superior à soma das estimativas de todas as causas de morte, o que foi igual aos incidentes cumulativos de morte específica do câncer quando utilizado um método concorrente. Foi construído um nomograma utilizando-se o modelo de regressão proporcional de Cox com base em fatores significativos, que incluíam estado civil, raça, tipo histológico, grau diferenciado, classificação T e classificação N.
Um nomograma também foi construído utilizando o modelo de regressão de risco concorrente. Com base no escore de risco, a coorte foi classificada em três subgrupos: baixo risco, médio risco e alto risco. O enredo florestal foi utilizado para apresentar claramente a interação entre o escore de risco do grupo e o fator específico.
Quando se considera a idade, apenas o grupo de baixo risco apresentou pior prognóstico para as mulheres mais jovens, indicando que a idade jovem pode atuar como fator protetor do prognóstico em grupos de médio e alto risco. Ao tentar este protocolo é importante entender completamente os diferentes modelos de sobrevivência nos 10 para análise de eventos e as ferramentas são devidamente dominadas para orientação individualizada. O desempenho do modelo é avaliado em termos de discriminação e desempenho de ração de calibre.
Após este procedimento, a curva de calibração e são as mesmas lacunas podem ser de desempenho para validar a eficiência da concessão normal concorrente.
Veja a transcrição completa e aceda a milhares de vídeos científicos
Visão Geral
Este protocolo descreve a construção de nomogramas utilizando o modelo de regressão de riscos proporcionais de Cox e o modelo de regressão de riscos competitivos. O método de riscos competitivos é particularmente útil ao analisar dados de sobrevida com eventos competitivos.
Componentes Principais do Estudo
Área da Ciência
- Análise de sobrevida
- Modelagem estatística
- Riscos competitivos
Antecedentes
- Eventos competitivos podem influenciar os desfechos de sobrevida.
- Métodos tradicionais podem não abordar adequadamente esses riscos competitivos.
- O modelo de riscos proporcionais de Cox é uma abordagem padrão na análise de sobrevida.
- Os nomogramas fornecem uma representação visual das predições de risco.
Objetivo do Estudo
- Desenvolver um protocolo para a criação de nomogramas com base em análise de sobrevida.
- Demonstrar a aplicação de modelos de regressão de riscos competitivos.
- Aprimorar a avaliação de probabilidades de sobrevida na presença de eventos competitivos.
Métodos Utilizados
- Instale e carregue os pacotes R RMS e de riscos competitivos.
- Importe os dados da coorte para análise.
- Ajuste o modelo de regressão de riscos proporcionais de Cox utilizando a função CPH.
- Desenvolva um nomograma de regressão de Cox para taxas preditas de sobrevida.
Resultados Principais
- Estabelecimento de um nomograma de regressão de Cox para taxas de sobrevida em dois anos.
- Cálculo de escores de risco utilizando o pacote meta no R.
- Divisão da coorte em subgrupos com base nos escores de risco por grupo.
- Visualização dos resultados por meio de gráficos floresta.
Conclusões
- O modelo de regressão de risco competitivo oferece uma abordagem mais racional para análise de sobrevivência.
- Os nomogramas podem comunicar efetivamente as previsões de risco.
- Este protocolo pode ser aplicado a diversos estudos que envolvam riscos competitivos.
Perguntas Frequentes
Relevância Executiva para a Indústria
Na oncologia e no desenvolvimento de medicamentos cardiovasculares, a análise precisa de sobrevida é fundamental para avaliar a eficácia terapêutica e a segurança. Eventos competitivos, como mortalidade relacionada ao tratamento ou mortes por outras causas não relacionadas à doença, podem confundir os modelos tradicionais de Kaplan-Meier e Cox, levando a estimativas de risco enviesadas. Este protocolo permite que equipes de P&D de biofármacos apliquem modelos de regressão de riscos competitivos e nomogramas para melhorar a estratificação prognóstica, aprimorar a desconsideração mecanicista de riscos e apoiar decisões de avançar/não avançar no desenvolvimento pré-clínico e clínico inicial.
Aplicações Estratégicas em P&D de Biotecnologia Farmacêutica
Descoberta Inicial e Validação de Alvo
- Valor Científico: Permite a investigação de hipóteses terapêuticas ao distinguir a mortalidade específica da doença de riscos competitivos, melhorando a confiança no alvo.
- Valor Operacional: Apoia a desmistificação biológica por meio de uma estratificação de risco aprimorada em modelos pré-clínicos, onde eventos não relacionados ao alvo podem obscurecer os efeitos do tratamento.
Desenvolvimento de Triagem e Ensaio
- Valor Científico: Facilita a preparação de sistemas biológicos validados para fluxos de trabalho subsequentes ao fornecer pontos finais de sobrevida quantitativos ajustados por riscos competitivos.
- Valor Operacional: Aprimora a padronização e reprodutibilidade do ensaio por meio de escores de risco derivados de nomogramas que permitem avaliação consistente de compostos entre estudos.
Pesquisa Translacional e Pré-clínica
- Valor Científico: Promove a continuidade translacional ao alinhar os desfechos de sobrevida pré-clínicos com a realidade clínica, onde eventos competitivos influenciam os resultados.
- Valor Operacional: Apoia decisões de avanço ajustadas ao risco ao identificar subgrupos (baixo/médio/alto risco) com base em escores de risco do grupo derivados de modelos de riscos competitivos.
Integração de Pipeline e Fluxo de Trabalho
Este método integra-se ao continuum de descoberta, desde a validação do alvo até o desenvolvimento pré-clínico, especialmente quando os desfechos de sobrevida são confundidos por censura não informativa ou riscos competitivos.
- Biologia Descoberta: Apoia a verificação de hipóteses e a clarificação de vias ao isolar o efeito de intervenções genéticas ou farmacológicas sobre desfechos específicos da doença.
- Triagem: Permite a preparação e reprodutibilidade de ensaios por meio da visualização em gráficos floresta de razões de risco e escores de risco por grupo em diferentes condições experimentais.
- Análise: Fornece medidas quantitativas de variáveis dependentes (incidência acumulada, razões de risco, escores de risco) que permitem equipes multifuncionais comparar efeitos de tratamentos de forma objetiva.
- Pesquisa Translacional: Conecta a descoberta à validação pré-clínica, assegurando que a análise de sobrevida reflita a complexidade do mundo real, onde eventos competitivos estão presentes.
- Reutilização Corporativa: Estabelece uma estrutura estatística reutilizável para análise de sobrevida em diferentes áreas terapêuticas, reduzindo o desenvolvimento redundante de modelos.
Impacto Operacional e Empresarial
- Valor Científico: Aumenta a confiança preditiva ao reduzir a ambiguidade mecanicista em dados de sobrevida por meio do tratamento adequado de riscos competitivos.
- Valor Operacional: Melhora a padronização e escalabilidade por meio de fluxos de trabalho baseados em R (pacotes RMS, competing risk, meta) que podem ser implementados entre equipes.
- Valor Estratégico: Aprimora a tomada de decisões de prosseguimento ou interrupção ao fornecer subgrupos estratificados por risco, reduzindo falhas em estágios avançados devido à mortalidade competitiva inesperada.
- Impacto no Portfólio: Permite a priorização ajustada ao risco de candidatos com base em probabilidades de sobrevida ajustadas a riscos competitivos, em vez de taxas brutas de eventos.
Considerações de Implementação
- Exige experiência em análise de sobrevida e programação em R, incluindo familiaridade com funções CPH, CRR e nomogramas.
- Depende do ambiente R com os pacotes RMS, competing risk e meta instalados e devidamente configurados.
- Necessita padronização entre equipes na seleção de variáveis (por exemplo, estado civil, raça, tipo histológico, classificação T/N) para garantir a comparabilidade dos modelos.
- Requer adaptação das matrizes de variáveis prognósticas ao aplicar o modelo a diferentes modelos de doenças ou sistemas pré-clínicos.
- Limitado pela suposição de riscos proporcionais; diagnósticos do modelo (calibração, discriminação) devem ser realizados para validar o desempenho.
Perguntas Frequentes sobre Biotecnologia Farmacêutica
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
