Помогите составить модель
 

Есть данные о клинических испытаниях препарата. Из них нужно выделить ту часть, на основе которой будет проведен статистический анализ эффективности и построить регрессионную модель.
имеются препарат А и препараты сравнения В и С
было проведено открытое рандомизированное сравнительное исследование препаратов А и В или С.
1. Подскажите, пожалуйста, что из следующих данных стоит использовать для статистических исследований.
- Финальный статус, по окончании терапии (умер, прогрессия болезни, побочные эффекты, отказался закончить, другое) - это, вероятно, будет использовано как результат у для регрессионной модели.
- результаты лабораторных тестов крови некоторых! пациентов
- данные о сроках приема сопутствующих препаратов
- рост, вес, возраст, раса, пол пациентов
- температура, давление, вес в дни осмотров
- хронические болезни, имеющиеся у пациентов
- сведения о сроках терапии, вводимом препарата, дозе препарата
- побочные действия и сроки их длительности.
2.Какую регрессионную модель лучше использовать при таком выборе факторов.

Заранее спасибо.

Заранее прошу прощения за вопрос, но все же какое руководство по планированию и анализу результатов клинических испытаний Вы уже изучили?

Дело в том, что Ваш вопрос не может получить ответа в том виде, в котором Вы его задали. Нужно знать - хотя бы - какова нулевая гипотеза и какова основная конечная точка, чтобы продолжать обсуждение.

То что планировали в начале исследования, то и исследуйте. Вы предоставили только данные, но нет информации, о том как они собирались, что за препараты. Стало интересно, а какую работу вы выполняете в данном исследовании,у вас в профиле написано
прикладная математика. Вы статистик или исследователь?

В любом случае, в данном исследовании вы должны использовать несколько статистических методов, выбор которых зависит от типа зависимой переменной (исход) и от целей (например, анализ эффекта взаимодействия, влияния искажающего фактора и т.д.).

И конечно же, начинайте читать литературу по биостатистике, в противном случае все рекомендации для вас по выбору статистического метода бессмыслены.

[Изображения доступны только зарегистрированным пользователям]

Нужно провести статистическое исследование данных, полученных в результате 3-ей фазы клинических испытаний. Проводилось открытое рандомизированное сравнительно исследование эффективности препарата А с препаратом В(или С).
Чем больше будет получено различных оценок, тем лучше.
Это может быть и анализ выживаемости. И в этом случае, при использовании модели Кокса, опять же, нужно решить, какие показатели учитывать(результаты анализов, побочные действия).
Так же на основании значимой части полученных данных(а вот каких, я в сомнении) нужно построить модель и проверить гипотезу о том, что данные из одного распределения, чтобы показать, что различия не являются статистически значимыми.
Поскольку я нигде не могу найти в открытом доступе информацию о том, какие же факторы значимо влияют на исход терапии, то обращаюсь к Вам за помощью!
П.С.Данное исследование мной проводится с целью защиты бакалаврской, в которой я должна отобразить широту своих знаний в области мат.статистики.

Чем больше различных оценок тем лучше соискателю бакалавриата, но не пациенту/врачу, ради чего, собственно, исследования и затеваются.
В исследованиях 3 фазы всегда есть основная конечная точка - какая в Вашем исследовании? Каков дизайн исследования? На основании каких данных рассчитывался объем выборки?

Т.е. проводилось исследование на не меньшую эффективность?

Иногда широта мешает глубине...

ЗЫ: Вы так и не ответили на вопрос какое руководство по планированию и анализу результатов клинических испытаний Вы уже изучили?

С факторами я уже определилась.
Решила провести анализ выживаемости с помощью модели пропорциональных рисков Кокса. Прочитала, что ho(t) - базовая интенсивность не оценивается. Нигде в литературе не смогла найти как же определяется модель, если мы не знаем ho(t). Подскажите, пожалуйста, как же все-таки использовать модель Кокса!

Будьте добры ответить на вопросы, заданные Вам ранее.

1. Да, правильно, базовая интенсивность не оценивается и не отображается при подсчете пропорциональных рисков в регрессии Кокса,
так как отношение рисков сравнивает пациентов подвергшихся и не подвергшихся воздействию изучаемого фактора.
HR(t)= ho(t)*exp(β1)/ho(t) = exp(β1)

Данная регрессия обычно используется для контроля эффекта конфаудинга и для оценки эффекта более, чем одной exposure variables.

2. ho(t) is a hazard in the unexposed group at time t. Т.е. если вы не знаете, что же ho(t) в вашем анализе, то что же вы, тогда сравниваете??
Да, кстати не забыли провести intention-to-treat analysis...

OlgaVr, на самом деле, Вы не совсем правы. Как написано во многой литературе, базовую функцию не оценивают. Но я таки смогла найти книги, в которых приведена оценка кумулятивной функции риска, функции выживания, полученные на основании оценки этой самой базовой функции. Например, метод Бреслоу.
Для своего анализа я решила строить модель Кокса с факторами, которые являются наличием/отсутсвием наиболее распространенных побочных действий. И таким образом, оценить насколько побочные действия влияют на исход. Ну и затем использовав метод Бреслоу заодно сравнить функции выживания в двух группах.
И тут у меня возникает вопрос: во всех статистических пакетах обязатально для функции выживания Каплана-Майера предусмотрено построение ДИ. Но как на основании этого ДИ мы будем оценивать адекватность полученной оценки функции выживания? Нужно ли для каждого заданного момента исхода события проверять, чтобы интервал не содержал ноль и уже на основании этого делать выводы или есть какой-то другой способ проверки?
П.С. Спасибо Вам, что отвечаете на мои вопросы. Выбирая себе тему бакалаврской, я не думала, что здесь столько нюансов!

[quote=lamapanama;1120063]OlgaVr, на самом деле, Вы не совсем правы. Как написано во многой литературе, базовую функцию не оценивают.[quote]

Где я не права??
Читаем заново мой пост, внимательно:

"Да, правильно, базовая интенсивность не оценивается и не отображается при подсчете пропорциональных рисков в регрессии Кокса,
так как отношение рисков сравнивает пациентов подвергшихся и не подвергшихся воздействию изучаемого фактора.
HR(t)= ho(t)*exp(β1)/ho(t) = exp(β1)

Данная регрессия обычно используется для контроля эффекта конфаудинга и для оценки эффекта более, чем одной exposure variables.
"
Вообщем то, это цитаты из книги B.Kirkwoow "Essential medical statistics".

Похоже вы совсем запутались. Для начала ответьте, что у вас ,ho(t) а что h1(t). Или напишите дизайн исследования.

Я хочу выявить значимо влияющие побочные эффекты на исход лечения.
Для этого я собираюсь составить модель Кокса и на ее основе оценить значимые побочные эффекты, и здесь, как Вы и говорите, оценка функции интенсивности риска ни к чему.
Убрать из полученной модели факторы, которые оказались не значимыми.
Затем данную выборку я делю на 2 группы, в зависимости от препарата, который применялся. Оценить функцию выживания, и здесь уже нужно знать оценки функции интенсивности, для двух групп. Затем с помощью, например, логрангового критерия, проверить гипотезу об отсутствии значимых различий в двух группах.
модель Кокса я собираюсь строить для всех выборки.
Правильно ли я рассуждаю?
Конечно, можно оценить различия в двух группах только с помощью метода Каплана-Майера, но поскольку это бакалаврская и я хочу добавить побольше методов, то я хочу и через модель Кокса придти к оценке функции выживания.
П.С. Ответьте, пожалуйста, но мой вопрос в предыдущем посте о ДИ, я в полной растерянности.

??? повторяю, что в регрессии Кокса вы получите отношение (=результат деления) рисков между пациентами, получавшими препарат А и получавшими препарат В, т.е. вы сможете сравнить во сколько раз увеличится/уменьшится риск при приеме препарата А или В. Отношение рисков можно скорректировать по переменным, которые являются строгими предикторами основного исхода.(Assmann et al.2001 Subgroup analysis and other (mis)uses of baseline data in clinical trials [Ссылки могут видеть только зарегистрированные пользователи. ]

Рекомендую прочитать B.Kirkwood “Essentials of Medical Statistics” , где очень понятно и читабельно представлены все основные современные статистические методы.
[Ссылки могут видеть только зарегистрированные пользователи. ]

Более подробно об анализе выживаемости, а также о методах подсчета и интерпретации ДИ читайте “Survival analysis, a practical approach” by Mahesh K.B. Parmar and D.Machin. Или здесь [Ссылки могут видеть только зарегистрированные пользователи. ]

Также пример РКИ [Ссылки могут видеть только зарегистрированные пользователи. ]

ЗЫ Читайте внимательно рекомендуемую литературу, а не бегайте по всем возможным форумам в надежде, что кто-нибудь решит задачу за вас.