Antag, at du ønsker at overveje effekten af en risikofaktor på den tid, at forekomsten af en begivenhed. For eksempel overvejer Arnlov et al (2010) virkningen af body mass inde. (BMI) og metabolisk syndrom på udviklingen af hjerte-kar-sygdom og død hos middelaldrende mænd. Foreningerne blev undersøgt ved hjælp af data fra en kohortundersøgelse af 1758 middelaldrende svenske mænd bosiddende i et amt med over 30 års opfølgning., Figuren nedenfor viser tiden til en større kardiovaskulær begivenhed efter BMI-kategori og tilstedeværelse (B) eller fravær (a) af metabolisk syndrom. Er der en forskel i disse overlevelseskurver?

Figur 2: Kaplan-Meier-kurverne for større kardiovaskulære hændelser i forskellige BMI-kategorier i personer uden MetS (En) og med MetS (B).

(Tal gengivet fra Arnlov, J et al., Virkningen af Body Mass inde.og det metaboliske syndrom på risikoen for hjerte-kar-sygdom og død hos middelaldrende mænd. Cirkulation 2010; 121; 230-236, oprindeligt offentliggjort online 12/28/2009; DOI 10.1161/CIRCULATIONAHA.109.88752)

forekomsten af en større kardiovaskulær begivenhed er et binært respons. Ville logistisk regression, med BMI som en forudsigelsesvariabel, være passende til at analysere disse data?,

svar

forholdet mellem tilstedeværelsen eller fraværet af en større kardiovaskulær hændelse og forudsigelsesvariablen kunne vurderes med logistisk regression på et bestemt tidspunkt, men dette ville ikke direkte sammenligne overlevelseskurverne. En overlevelsesanalyse ville sammenligne kurverne på grundlag af tid til begivenheden.

Overlevelsesanalysemetoder, såsom proportional fareregression, adskiller sig fra logistisk regression ved at vurdere en hastighed i stedet for en andel.,

Proportional hazards regression Også kaldet Cox-regression, modeller forekomsten eller hazard rate, antallet af nye tilfælde af sygdommen i forhold til befolkningstallet i risiko per tidsenhed. Hvis resultatet er død, er dette dødeligheden.
Farefunktion Farefunktionen er sandsynligheden for, at hvis en person overlever til t, vil vedkommende opleve begivenheden i det næste øjeblik.

logistisk regression i modsætning hertil overvejer andelen af nye tilfælde, der udvikler sig i en given tidsperiode, dvs.den kumulative forekomst., Logistisk regression skøn odds ratio; proportional hazards regression skøn hazard ratio.

forholdet mellem farefunktioner kan betragtes som et forhold mellem risikofunktioner, så den proportionale fareregressionsmodel kan betragtes som funktion af relativ risiko (mens logistiske regressionsmodeller er en funktion af et oddsforhold). Ændringer i en kovariat har en multiplikativ effekt på basisrisikoen. Modellen med hensyn til farefunktionen på tidspunktet t er:<|p>

\(\lambda \venstre ( t / {_ {1i}, {_ {2i},…, Right_{ki} \højre) =\lambda_{0} (t)e .p\venstre ( \beta_{1} {_ {1i}+\beta_{2} {_ {2i}+…,+\beta_{K}X_{Ki} \right )\)

Selv om der ikke særlig sandsynlighed model er valgt til at repræsentere overlevelse gange, proportional hazards regression har en vigtig antagelse: fare for ethvert individ er en fast del af den fare, for nogen anden person. (dvs. forholdsmæssige farer)., Varsel, hvis \(\lambda_0 (t)\) er fare funktion for et emne med alle prædiktor værdier lig nul og \(\lambda_1 (t)\) er fare funktion for et emne med andre værdier for de prædiktor-variable, så hazard ratio afhænger kun af indikator variabler og ikke på tidspunktet t. Denne antagelse betyder, at hvis en covariate fordobler risikoen for arrangementet på dag ét, er det også fordobler risikoen for arrangementet på en anden dag.,

proportionale faremodeller kan bruges til diskrete eller kontinuerlige målinger af begivenhedstid og kan inkorporere tidsafhængige kovariater (kovariater, hvis værdier, der kan ændre sig i observationsperioden). Ved hjælp af proportional fareregression kan kovariatjusterede fareforhold (eller risiko) produceres.

lad os vende tilbage til det oprindelige spørgsmål stillet af Arnlov og colleagues…do BMI og metabolisk syndrom påvirker udviklingen af hjerte-kar-sygdomme? Læs Arnlov et al., Virkningen af Body Mass Index, og det Metaboliske Syndrom på Risikoen for Hjerte-kar-Sygdom og Død i midaldrende Mænd Omsætning 2010;121;230-236, med særlig vægt på de statistiske metoder, resultater og konklusioner.

Sammenlign og kontrast den proportionale farer regression tilgang til en logistisk regression tilgang ved at læse Franco et al. Baner for at komme ind i det metaboliske syndrom: Framingham Heart Study. Cirkulation 2009; 120; 1943-1950; oprindeligt offentliggjort online Nov 2, 2009; American Heart Association. 7272 Greenville Avenue, Dallas, t.DOI: 10.,1161/CIRCULATIONAHA.109.855817

Du kan også sammenligne resultaterne af de to undersøgelser. Begge papirer er i Aflæsningsmappen i uge 14.

Bemærk! Hvis du ikke er bekendt med Kaplan-Meier kurver, læs Overlevelse Analyse kapitel i Forskningen Metoder II monografier fra Journal of Tropical Pædiatri

(tilgængelig fra http://www.oxfordjournals.org/our_journals/tropej/online/ma_chap12.pdf )