Bagaimana cara mendapatkan prediksi dalam hal waktu bertahan hidup dari model Cox PH?

Saya ingin mengembangkan model prediksi (Cox PH) untuk semua penyebab kematian dalam dataset peserta yang (hampir) semuanya meninggal pada akhir masa tindak lanjut (misalnya 1 tahun).

Alih-alih memprediksi risiko mutlak kematian pada titik waktu tertentu, saya ingin memprediksi waktu bertahan hidup (dalam beberapa bulan) untuk setiap individu.

Apakah mungkin untuk mendapatkan prediksi seperti itu dalam R (dari misalnya objek-coxph) dan, jika ya, bagaimana saya bisa melakukan itu?

Banyak terima kasih sebelumnya!

survival prediction cox-model rampok
sumber

Jawaban:

Model Cox Proportional Hazards tidak memodelkan bahaya yang mendasarinya, yang adalah apa yang Anda perlukan untuk memprediksi waktu bertahan hidup seperti itu - ini adalah kekuatan besar model dan salah satu kelemahan utamanya.

Jika Anda secara khusus tertarik untuk memperoleh estimasi kemungkinan bertahan hidup pada titik waktu tertentu, saya akan mengarahkan Anda ke model survival parametrik (alias model waktu kegagalan dipercepat). Ini diimplementasikan dalam survivalpaket untuk R, dan akan memberi Anda distribusi waktu survival parametrik, di mana Anda cukup mencolokkan waktu yang Anda minati dan mendapatkan kembali probabilitas bertahan hidup.

Fomite
sumber

Terima kasih atas jawaban anda. Saya tidak terlalu tertarik untuk memperoleh perkiraan probabilitas kelangsungan hidup pada waktu tertentu, tetapi lebih pada perkiraan waktu kelangsungan hidup untuk setiap individu. Jadi alih-alih misalnya 'probabilitas bertahan pada 1 tahun adalah 10%', saya ingin mendapatkan prediksi seperti 'perkiraan waktu bertahan hidup individu ini adalah 10 bulan'. Apakah mungkin untuk mendapatkan prediksi seperti itu dari model Cox PH atau AFT?

Rob

@ Rob Saya percaya ini masih tidak bisa diterapkan dalam model Cox PH. Ini sangat bisa dilakukan dengan model AFT, meskipun kompleksitas untuk mendapatkan kembali perkiraan kemungkinan akan tergantung pada berapa banyak kovariat yang Anda miliki.

Fomite

Terima kasih, saya akan melihat model AFT. Saya telah membaca tentang prediksi waktu bertahan hidup individu, tetapi tampaknya "kelangsungan hidup manusia sangat tidak pasti sehingga bahkan analisis statistik terbaik tidak dapat memberikan prediksi jumlah tunggal penggunaan nyata untuk pasien individu." ( tautan ) ..

Rob

@Rob Itu benar - semua teknik ini berbicara tentang tren dalam populasi . Mencoba prediksi akurat dari orang yang diberikan adalah sesuatu yang hilang, dan benar-benar bukan penggunaan alat yang tepat.

Fomite

Mengingat literatur yang tersedia saya temukan, saya pikir Anda benar mengenai prediksi waktu hidup individu. Namun, baik model Cox dan AFT tentu saja merupakan alat yang tepat untuk memprediksi risiko absolut individu pada titik waktu tertentu (misalnya, lihat buku oleh Harrell dan Steyerberg ).

Rob

@statBeginner Ya itu akan. Itu membutuhkan dua langkah:

x <- survfit(cox.ph.model, newdata = dataset)
dataset$Results <- summary(x)$table[,"median"]

tetapi saya tidak yakin apakah waktu rata-rata untuk bertahan hidup cukup akurat.

akshay
sumber

Saya setuju dengan @akshay bahwa waktu kelangsungan hidup rata-rata, meskipun bermanfaat, mungkin tidak sesuai untuk kasus-kasus individual terutama jika memprediksi waktu untuk suatu kejadian. Waktu bertahan hidup individu bisa sangat heterogen sehingga saya menyarankan agar berhati-hati menggunakan waktu kelangsungan hidup rata-rata untuk prediksi.

Seanosapien

Meskipun saya setuju dengan poin ini, kelangsungan hidup rata-rata secara klinis bermanfaat.

Anda mungkin tertarik dengan pekerjaan kami (dan lainnya) yang memandang menggunakan median sebagai dasar untuk interval bertahan hidup - kami pikir ini lebih berguna.

https://academic.oup.com/annonc/article/25/10/2014/2801274

Matt Williams
sumber

Berarti bertahan hidup mungkin tidak selalu ada tetapi median selalu ada.

Michael R. Chernick