Методическая статья
Здесь представлен протокол для построения номограмм на основе модели регрессии пропорциональных опасностей Cox и конкурирующей модели регрессии риска. Конкурирующий метод является более рациональным методом применения, когда конкурирующие события присутствуют в анализе выживания.
Метод Каплан-Мейер и модель регрессии пропорциональных опасностей Кокса являются наиболее распространенными анализами в рамках выживания. Они относительно просты в применении и интерпретации и могут быть изображены визуально. Однако при участии конкурирующих событий (например, сердечно-сосудистых и цереброваскулярных аварий, связанных с лечением смертей, дорожно-транспортных происшествий) стандартные методы выживания следует применять с осторожностью, а реальные данные не могут быть правильно интерпретированы. Может быть желательно различать различные виды событий, которые могут привести к сбою, и относиться к ним по-разному в анализе. Здесь методы сосредоточены на использовании модели конкурирующих регрессий для выявления значительных прогностические факторы или факторы риска при участии конкурирующих событий. Кроме того, номограммы, основанные на пропорциональной модели регрессии опасности и конкурирующей модели регрессии, созданы для того, чтобы помочь врачам провести индивидуальные оценки и стратификации рисков, с тем чтобы объяснить влияние спорных факторов на прогноз.
Время для анализа выживаемости событий довольно распространено в клинических исследованиях. Данные о выживании измеряют промежуток времени от времени начала до возникновения события, представляющие интерес, но возникновение события, представляющие интерес, часто исключается другим событием. Если присутствует несколько типов конечных точек, они называются конкурирующими конечной точкой риска. В этом случае стандартный анализ опасности (т.е. модель пропорциональной причинности опасностей Кокса) часто не работает хорошо, потому что люди, испытывающие другой тип событий, подвергаются цензуре. Лица, которые испытывают конкурирующие события часто остаются в наборе рисков, так как конкурирующие риски, как правило, не являются независимыми. Поэтому Fine и Gray1 изучили оценку регрессионные модели для субраспределения конкурирующих рисков. В условиях конкурирующих рисков три различных типа событий могут быть дискриминированы.
Один из них измеряет общую выживаемость (ОС), демонстрируя прямую клиническую выгоду от новых методов лечения заболевания. ОС измеряет время выживания от времени происхождения (т.е. время постановки диагноза или лечения) до времени смерти по какой-либо причине и в целом оценивает абсолютный риск смерти, тем самым не различая причины смерти (например, смерть от рака (CSD) или неспецифическую смерть (не-CSD))2. Поэтому ОС считается наиболее важной конечной точкой. События, представляющие интерес, часто связаны с раком, в то время как не связанные с раком события, которые включают болезни сердца, дорожно-транспортные происшествия или другие не связанные с этим причины, считаются конкурирующими событиями. Злокачественные пациенты с благоприятным прогнозом, которые, как ожидается, выжить дольше, часто находятся на больший риск, не-CSD. То есть ОС будет разбавлена другими причинами смерти и не сможет правильно интерпретировать реальную эффективность клинического лечения. Таким образом, ОС не может быть оптимальной мерой для доступа к исходам болезни3. Такие предубеждения могут быть исправлены с помощью конкурирующей модели регрессии рисков.
Существует два основных метода конкурирующих данных о рисках: модели опасности, характерные для конкретных причин (модели Кокса) и модели опасности субраспределения (конкурирующие модели). В следующем протоколе мы представляем два метода генерации номограмм на основе модели опасности, специфичной для причин, и модели опасности субраспределения. Модель опасности, специфичная для конкретных причин, может быть вписана в модель пропорциональных опасностей Cox, которая рассматривает субъектов, которые испытывают конкурирующие события, как цензуре в момент, когда произошло событие конкуренции. В модели опасности субраспределения, которая была введена Fine and Gray1 в 1999 году, три различных типа событий могут быть дискриминированы, и лица, которые испытывают конкурирующие события остаются в опасности, установленной навсегда.
Номограмма является математическим представлением взаимосвязи между тремя или более переменными4. Медицинские номограммы рассматривают биологическое и клиническое событие как переменные (например, сорт опухоли и возраст пациента) и генерируют вероятности клинического события (например, рецидива рака или смерти), который графически изображается как статистическая прогностический модель для данного человека. Как правило, номограмма формулируется на основе результатов Кокспропорциональной модели опасностей 5,,6,,7,,8,,9,,10.
Однако при конкурирующих рисках номограмма, основанная на модели Cox, может не работать хорошо. Хотя несколько предыдущихисследований 11,12,13,14 применили конкурирующие номограммы риска для оценки вероятности CSD, несколько исследований описали, как установить номограмму на основе конкурирующих регрессии риска модели, и нет существующего пакета для достижения этой цели. Таким образом, метод, представленный ниже, обеспечит пошаговый протокол для создания конкретной номограммы конкурирующих рисков на основе конкурирующей модели регрессии риска, а также оценки оценки риска для оказания помощи врачам в принятии решений по лечению.
Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.
Протокол исследования был одобрен Комитетом по этике больницы Цзиньхуа, Медицинской школы Университета Чжэцзяна. В ходе этого эксперимента эти случаи были получены из базы данных эпиднадзора, эпидемиологии и конечных результатов (SEER). SEER — это база данных с открытым доступом, которая включает демографические данные, данные о заболеваемости и выживаемости из 18 регистров онкологических заболеваний населения. Мы зарегистрировались на сайте SEER и подписали гарантийное письмо о приобретении данных исследований (12296-Nov2018).
1. Источник данных
2. Установка и загрузка пакетов и импорт данных
ПРИМЕЧАНИЕ: Выполните следующие процедуры на основе программного обеспечения R (версия 3.5.3) с использованием пакетов rms 15 и cmprsk16 (http://www.r-project.org/).
3. Номограмма, основанная на модели регрессии коксовой пропорциональной опасности
4. Номограмма, основанная на модели регрессии конкурирующих рисков
5. Анализ подгрупп, основанный на оценке группового риска (GRS)
Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.
Характеристики выживания примерной когорты
В примере когорты в анализ было включено в общей сложности 8550 пациентов, имеющих право на участие в анализе, а среднее время последующей деятельности составило 88 месяцев (диапазон от 1 до 95 месяцев). В общей сложности 679 (7.94%) пациенты были моложе 40 лет и 7871 (92,06%) пациентов было старше 40 лет. В конце судебного разбирательства, 7483 (87,52%) пациенты были еще живы, 662 (7.74%) умер из-за рака молочной железы, и 405 (4,74%) пациенты умерли по друг...
Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.
Общая цель нынешнего исследования состояла в том, чтобы создать конкретную номограмму конкурирующих групп риска, которая могла бы описать реальные заболевания, и разработать удобную индивидуальную модель оценки для врачей, чтобы приблизиться к решениям лечения. Здесь мы предоставляем пошаговую основу для создания номограмм на основе модели регрессии Кокса и конкурирующих моделей регрессии рисков и дальнейшего выполнения анализа подгрупп. Чжан и др.18 внедрили подход к созданию номограммы конкуриру...
Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.
Исследование было поддержано грантами от общей программы Фонда естественных наук провинции Чжэцзян (грант номер LY19H160020) и ключевой программы Муниципального научно-технологического бюро провинции Цзиньхуа (номер гранта 2016-3-005, 2018-3-001d и 2019-3-013).
Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.
Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.
Запросить разрешение на повторное использование текста или иллюстраций этой статьи JoVE
Запросить разрешение