10,221 Views
•
04:57 min
•
October 23, 2020
DOI:
Bu protokol, trafik kazaları gibi rakip olaylar hayatta kalma analizinde geçildiğinde uygulanacak daha rasyonel bir yöntem olan rakip risk regresyon modeline dayalı normal hibelerle başa çıkmak için kullanılan protokoldür. Rakip etkinliklerimizi yaşamış olan bireyler genellikle, rakip riskler genellikle bağımsız olmadığı için riskleri hatırlatmaktadırlar. Rekabet normal hibe analiz de bireyler için olayları test olasılığını değerlendirmek için daha uygundur.
RMS’yi yükledikten ve risk R paketlerini yükledikten sonra, bunları yükleyin ve kohort verilerini içe aktarArak Cox orantılı tehlikelerre regresyon modelini oluşturmak için, modeli CPH işlevini kullanarak verilere uygun hale getirin ve iki yıl öngörülen sağkalım oranını örnek alın. Risk puanını hesaplamak ve bir orman arsaçizmek için R meta paketini kullanın. R paketlerini yükledikten ve yükledikten sonra grup risk puanını veya GRS’yi alın ve kohort’u üç alt gruba bölün.
Daha sonra orman arsasını çizin, tehlike oranı daha düşük yetkinlik aralığını ve CRR fonksiyonu ile üst güven aralığını elde edin. Rakip risk regresyon modelini oluşturmak için, prognostik değişkenleri bir matrisin içine yerleştirerek başlayın. Değişkenleri sütunlara göre birleştirip modele sığdırmak için Cbind işlevini kullanın.
Sonra Cox Nome oluşturmak için nomogram işlevini kullanın. Temel kümülatif olaylar işlevini veya CIF’i alın ve rakip risk regresyon modelinin X beta ve X noktasını değiştirin. X makarasındaki toplam X noktasını değiştirin, ardından X skorunu hesaplayın ve nomogramı çizin.
X skoru ve X demiryolu ilişkisi denklemi, rakip modelin içsel atıflarına göre hesaplanabilir. CIF sıfır, tahmin CRR işlevi tarafından hesaplanan temel CIF anlamına gelir. Örnek kohortta toplam 8, 550 uygun hasta analize dahil edilmiş ve ortanca takip süresi 88 ay olarak saptandı.
Tümör ölümü kümülatif insidansı ve tümör ölümü ve rakip olaylar Kaplan-Meier yöntemi ve rakip risk regresyon fonksiyonu ile sırasıyla. Kaplan-Meier yöntemi ile hesaplanan tümör ölümü ve tümör ölümü olmayan kümülatif ölüm insidansının toplamı, rakip bir yöntem kullanıldığında kansere özgü ölüm kümülatif olaylarına eşit olan tüm ölüm nedenlerinin tahminlerinin toplamından daha yüksekti. Medeni durum, ırk, histolojik tip, diferansiye sınıf, T-sınıflandırması ve N-sınıflandırması gibi önemli faktörlere dayalı Cox orantılı regresyon modeli kullanılarak bir nomogram oluşturuldu.
Bir nomogram da rakip risk regresyon modeli kullanılarak inşa edilmiştir. Risk skoruna göre kohort düşük risk, orta risk ve yüksek risk olmak üzere üç alt gruba ayrılmıştır. Orman çizimi, grup risk puanı ile belirli faktör arasındaki etkileşimi açıkça sunmak için kullanılmıştır.
Yaş düşünüldüğünde, sadece düşük risk grubu genç kadınlar için daha kötü bir prognoz gösterdi, genç yaş orta ve yüksek riskli gruplarda prognoz koruyucu bir faktör olarak hareket edebilir gösteren. Bu protokolü denerken olay analizi ne kadar 10 farklı hayatta kalma modellerini tam olarak anlamak önemlidir ve araçlar bireyselleştirilmiş kılavuzluk için uygun şekilde ustalaştırılır. Model performansı ayrımcılık ve kalibreli istihkak performansı açısından değerlendirilir.
Bu yordamı takiben, kalibrasyon eğrisi ve aynı boşluklar rakip normal hibe verimliliğini doğrulamak için performans olabilir konum.
Burada sunulan Cox orantılı tehlikeler regresyon modeli ve rakip risk regresyon modeli dayalı nomogramlar oluşturmak için bir protokoldür. Rekabet yöntemi, hayatta kalma analizinde rakip olaylar mevcut olduğunda uygulanacak daha rasyonel bir yöntemdir.
09:38
Establishing Dual Resistance to EGFR-TKI and MET-TKI in Lung Adenocarcinoma Cells In Vitro with a 2-step Dose-escalation Procedure
İlgili Videolar
8874 Views
08:59
Morphology-Based Distinction Between Healthy and Pathological Cells Utilizing Fourier Transforms and Self-Organizing Maps
İlgili Videolar
7116 Views
12:28
Establishing Cell Lines Overexpressing DR3 to Assess the Apoptotic Response to Anti-mitotic Therapeutics
İlgili Videolar
7401 Views
09:29
Studying Triple Negative Breast Cancer Using Orthotopic Breast Cancer Model
İlgili Videolar
17716 Views
07:40
A Data Integration Workflow to Identify Drug Combinations Targeting Synthetic Lethal Interactions
İlgili Videolar
4216 Views
07:40
A 3D Spheroid Model for Glioblastoma
İlgili Videolar
15050 Views
05:37
An R-Based Landscape Validation of a Competing Risk Model
İlgili Videolar
2095 Views
06:46
Competing-Risk Nomogram for Predicting Cancer-Specific Survival in Multiple Primary Colorectal Cancer Patients after Surgery
İlgili Videolar
296 Views
04:57
Establishing a Competing Risk Regression Nomogram Model for Survival Data
İlgili Videolar
10.2K Views
06:46
Competing-Risk Nomogram for Predicting Cancer-Specific Survival in Multiple Primary Colorectal Cancer Patients after Surgery
İlgili Videolar
296 Views
Read Article
Cite this Article
Wu, L., Ge, C., Zheng, H., Lin, H., Fu, W., Fu, J. Establishing a Competing Risk Regression Nomogram Model for Survival Data. J. Vis. Exp. (164), e60684, doi:10.3791/60684 (2020).
Copy