Cancer Research
A subscription to JoVE is required to view this content.
You will only be able to see the first 20 seconds.
The JoVE video player is compatible with HTML5 and Adobe Flash. Older browsers that do not support HTML5 and the H.264 video codec will still use a Flash-based video player. We recommend downloading the newest version of Flash here, but we support all versions 10 and above.
If that doesn't help, please let us know.
Создание модели номограммы регрессии конкурирующих рисков для данных о выживании
Summary October 23rd, 2020
Please note that all translations are automatically generated.
Click here for the English version.
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.
Transcript
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.
Please enter your institutional email to check if you have access to this content
has access to
BackLogin to access JoVE
We use/store this info to ensure you have proper access and that your account is secure. We may use this info to send you notifications about your account, your institutional access, and/or other related products. To learn more about our GDPR policies click here.
If you want more info regarding data storage, please contact gdpr@jove.com.
Please enter your email address so we may send you a link to reset your password.
We use/store this info to ensure you have proper access and that your account is secure. We may use this info to send you notifications about your account, your institutional access, and/or other related products. To learn more about our GDPR policies click here.
If you want more info regarding data storage, please contact gdpr@jove.com.
To receive a free trial, please fill out the form below.
We use/store this info to ensure you have proper access and that your account is secure. We may use this info to send you notifications about your account, your institutional access, and/or other related products. To learn more about our GDPR policies click here.
If you want more info regarding data storage, please contact gdpr@jove.com.
Thank You
Thank You
Thank You
