Создание модели номограммы регрессии конкурирующих рисков для данных о выживании
23 октября 2020 г.
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.
Это протокол для решения обычных грантов на основе конкурирующих регрессии риска модель, которая является более рациональным методом для применения, когда конкурирующие события, такие как дорожно-транспортных происшествий передаются в анализе выживания. Лица, которые испытали наши конкурирующие события часто напоминают о рисках, которые, как конкурирующие риски, как правило, не являются независимыми. Конкурирующий нормальный грант является более подходящим для оценки вероятности тестирования событий для лиц в анализе.
После установки RMS и конкурирующих пакетов риска R, загрузить их и импортировать данные когорты Для создания кокс пропорциональной модели регрессии опасностей, подходят модели к данным с помощью функции CPH затем разработать Кокс регрессии номограммы, принимая два года предсказал выживаемость в качестве примера. Используйте метапакет в R для расчета оценки риска и нарисовать лесной участок. После установки и загрузки пакетов R, получить оценку группового риска, или GRS и разделить когорту на три подгруппы.
Затем нарисуйте лесной участок, получив коэффициент опасности более низкий интервал компетенции и верхний интервал доверия с функцией CRR. Чтобы создать конкурирующая модель регрессии риска, начните с размещения прогностические переменные в матрицу. Используйте функцию Cbind, чтобы составить переменные по столбцам и поместить их в модель.
Затем используйте функцию номограммы для построения Cox Nome. Получите базовую кумулятивную функцию инцидентов, или CIF, и замените X-бета и X-точку конкурирующей модели регрессии риска. Замените общую точку X в катушке X, затем вычислите оценку X и вычислите номограмму.
Уравнение для X оценка и X железнодорожных отношений могут быть рассчитаны в соответствии с внутренней атрибуции конкурирующих моделей. Ноль CIF означает базовый CIF, который рассчитывается функцией прогнозировать CRR. В примере когорты в общей сложности 8, 550 пациентов, имеющих право были включены в анализ и среднее время последующей деятельности было 88 месяцев.
Совокупные случаи смерти опухоли и отсутствие смерти опухоли и конкурирующих событий были методом Каплан-Мейер, и конкурирующие функции регрессии риска, соответственно. Сумма кумулятивных случаев смерти опухоли и смерти от опухоли, рассчитанная методом Каплан-Мейера, была выше, чем сумма оценок всех причин смерти, которая равнялась кумулятивным случаям смерти от рака при использовании конкурирующих методов. Номограмма была построена с использованием модели пропорциональной регрессии Кокса на основе значительных факторов, которые включали семейное положение, расу, гистологический тип, дифференцированный класс, T-классификацию и N-классификацию.
Номограмма была также построена с использованием конкурирующей модели регрессии риска. Основываясь на оценке риска, когорта была классифицирована на три подгруппы: низкий риск, средний риск и высокий риск. Лесной участок использовался для четкого представления взаимодействия между оценкой группового риска и конкретным фактором.
При рассмотрении возраста только группа низкого риска показала худший прогноз для молодых женщин, указав, что молодой возраст может выступать в качестве защитного фактора прогноза в средних и группах высокого риска. При попытке этого протокола важно в полной мере понять различные модели выживания в 10 к анализу событий и инструменты должным образом освоены для индивидуального руководства. Производительность модели оценивается с точки зрения дискриминации и эффективности рациона калибра.
После этой процедуры кривая калибровки и те же пробелы могут быть производительности для проверки эффективности конкурирующих нормальных грантов.
Просмотрите полный транскрипт и получите доступ к тысячам научных видео
Обзор
В данном протоколе описывается построение номограмм с использованием регрессионной модели пропорциональных рисков Кокса и регрессионной модели конкурирующих рисков. Метод конкурирующих рисков особенно полезен при анализе данных о выживаемости с учетом конкурирующих событий.
Основные компоненты исследования
Область науки
- Анализ выживаемости
- Статистическое моделирование
- Конкурирующие риски
Теоретическая часть
- Конкурирующие события могут влиять на показатели выживаемости.
- Традиционные методы могут недостаточно учитывать эти конкурирующие риски.
- Модель пропорциональных рисков Кокса является стандартным подходом в анализе выживаемости.
- Номограммы обеспечивают визуальное представление прогнозов риска.
Цель исследования
- Разработать протокол создания номограмм на основе анализа выживаемости.
- Продемонстрировать применение регрессионных моделей конкурирующих рисков.
- Улучшить оценку вероятности выживания в присутствии конкурирующих событий.
Используемые методы
- Установите и загрузите пакеты RMS и competing risk для языка R.
- Импортируйте данные когорты для анализа.
- Постройте модель регрессии пропорциональных рисков Кокса с помощью функции CPH.
- Разработайте номограмму регрессии Кокса для прогнозирования показателей выживаемости.
Основные результаты
- Построение номограммы регрессии Кокса для оценки показателей двухлетней выживаемости.
- Расчет показателей риска с использованием пакета meta в среде R.
- Разделение когорты на подгруппы на основе групповых показателей риска.
- Визуализация результатов с помощью форест-графиков.
Заключение
- Регрессионная модель конкурирующих рисков предлагает более рациональный подход к анализу выживаемости.
- Номограммы позволяют эффективно передавать прогнозы рисков.
- Данный протокол может быть применен в различных исследованиях, связанных с конкурирующими рисками.
Часто задаваемые вопросы
Практическая значимость для отрасли
В онкологии и разработке сердечно-сосудистых препаратов точный анализ выживаемости имеет решающее значение для оценки терапевтической эффективности и безопасности. Конкурирующие события, такие как смертность, связанная с лечением, или смерти от причин, не связанных с заболеванием, могут искажать традиционные модели Каплана-Мейера и Кокса, что приводит к смещенным оценкам риска. Данный протокол позволяет командам по исследованиям и разработкам в биофармацевтике применять регрессионные модели конкурирующих рисков и номограммы для улучшения прогностической стратификации, повышения эффективности механистического снижения рисков и обоснования решений о продолжении или прекращении разработки (go/no-go) на доклиническом этапе и ранних стадиях клинических исследований.
Стратегическое применение в биофармацевтических исследованиях и разработках
Ранние этапы поиска и валидация мишени
- Научная ценность: позволяет проверять терапевтические гипотезы путем дифференциации смертности, специфичной для заболевания, от конкурирующих рисков, что повышает уверенность в выбранной мишени.
- Практическая ценность: способствует снижению биологических рисков за счет уточнения стратификации рисков в доклинических моделях, где события, не связанные с мишенью, могут маскировать эффекты лечения.
Скрининг и разработка анализа
- Научная ценность: облегчает подготовку валидированных биологических систем для последующих этапов анализа путем предоставления количественных конечных точек выживаемости с поправкой на конкурирующие риски.
- Практическая ценность: повышает стандартизацию и воспроизводимость анализа за счет использования баллов риска, полученных с помощью номограммы, что позволяет проводить согласованную оценку соединений в различных исследованиях.
Трансляционные и доклинические исследования
- Научная ценность: Способствует трансляционной преемственности за счет приведения доклинических конечных точек выживаемости в соответствие с клинической реальностью, в которой на результаты влияют конкурирующие события.
- Практическая ценность: Поддерживает принятие решений о дальнейшем продвижении с учетом рисков путем выявления подгрупп (низкого, среднего и высокого риска) на основе показателей группового риска, полученных с помощью моделей конкурирующих рисков.
Интеграция конвейера и рабочего процесса
Данный метод интегрируется в непрерывный процесс исследований — от валидации мишени до доклинической разработки, особенно в тех случаях, когда конечные точки выживаемости искажены неинформативным цензурированием или конкурирующими рисками.
- Фундаментальная биология: способствует проверке гипотез и уточнению сигнальных путей путем изоляции эффекта генетических или фармакологических воздействий на исходы, специфичные для конкретного заболевания.
- Скрининг: обеспечивает готовность и воспроизводимость анализа за счет визуализации отношений рисков и показателей риска групп в различных экспериментальных условиях с помощью форест-графиков.
- Аналитика: предоставляет количественные измерения зависимых переменных (кумулятивная заболеваемость, отношения рисков, показатели риска), что позволяет кросс-функциональным группам объективно сравнивать эффекты лечения.
- Трансляционные исследования: связывают этап открытия с доклинической валидацией, гарантируя, что анализ выживаемости отражает реальную сложность процессов при наличии конкурирующих событий.
- Корпоративное повторное использование: создает многократно используемую статистическую базу для анализа выживаемости в различных терапевтических областях, сокращая необходимость в избыточной разработке моделей.
Операционное и корпоративное влияние
- Научная ценность: Повышает прогностическую достоверность за счет снижения механистической неопределенности в данных о выживаемости путем надлежащего учета конкурирующих рисков.
- Операционная ценность: Улучшает стандартизацию и масштабируемость благодаря рабочим процессам на базе языка R (пакеты RMS, competing risk, meta), которые могут быть внедрены в различных группах.
- Стратегическая ценность: Оптимизирует принятие решений о продолжении или прекращении разработки (go/no-go) за счет выделения стратифицированных по риску подгрупп, что снижает вероятность неудач на поздних этапах из-за непредвиденной конкурирующей смертности.
- Влияние на портфель: Позволяет проводить приоритезацию кандидатов с поправкой на риск, основываясь на вероятностях выживаемости с учетом конкурирующих рисков, а не на грубых показателях частоты событий.
Особенности реализации
- Требуется опыт в анализе выживаемости и программировании на языке R, включая знакомство с функциями CPH, CRR и номограммами.
- Зависимость от среды R с установленными и правильно настроенными пакетами RMS, competing risk и meta.
- Необходима межкомандная стандартизация выбора переменных (например, семейное положение, раса, гистологический тип, классификация T/N) для обеспечения сопоставимости моделей.
- Требуется адаптация матриц прогностических переменных при применении модели к различным моделям заболеваний или доклиническим системам.
- Ограничение допущением о пропорциональности рисков; для подтверждения эффективности необходимо провести диагностику модели (калибровку, дискриминацию).
Часто задаваемые вопросы по биофармацевтике
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
