🐙То, что мертво, умереть не может🐙
И речь сейчас пойдет не о втором сезоне «Дома дракона».
Хоть и не все вспомнят, но официальный девиз дома Грейджоев с Железных островов звучал «Мы не сеем», подчеркивая их пиратский нрав. А известная фраза относится к обряду посвящения Утонувшему богу.
Но также она относится к конкурирующим рискам при оценке времени до наступления события с помощью кривых Каплана-Мейера и лог-рангового теста.
Этому вопросу посвящена редакторская заметка в свежем номере EJVES.
Кривые дожития используются для оценки разницы по скорости наступления события в течение заданного промежутка времени. При этом не все пациенты наблюдаются одинаково долго: некоторым из них надоедает постоянно посещать контрольные визиты, другие становятся инвалидами и не могут больше ходить, а третьи - умирают. Это, так называемые, цензурированные случаи, для которых рассчитывается гипотетическая вероятность наступления оцениваемого исхода. Они обозначаются засечками на кривых. При этом статистике Каплана-Мейера неважно, что случилось с пациентом: даже для цензурированных по причине летального исхода случаев рассчитывается гипотетическая вероятность наступления исхода, что противоречит девизу Грейджоев.
Это и есть конкурирующий риск: смерть конкурирует с первичной конечной точкой.
Авторы приводят варианты кривых Каплана-Мейера с цензурированием при выбывании пациентов по неизвестной причине и по причине смерти. И, конечно, эти кривые ничем не отличаются.
В качестве альтернативы они предлагают использовать Gray’s test или cause specific hazard functions (разновидность пропорциональной регрессии Кокса). В отличие от Каплана-Мейера, Gray’s test с поправкой на общую смертность демонстрирует наличие достоверных различий по основному исходу, которых раньше не было.
От себя могу добавить, что проблему конкурирующих рисков может решить иерархическая модель анализа комбинированной конечной точки с учетом общей смертности: поочередное сравнение исходов в зависимости от их клинической значимости. Но такой анализ нужно закладывать в исходный дизайн исследования.
И речь сейчас пойдет не о втором сезоне «Дома дракона».
Хоть и не все вспомнят, но официальный девиз дома Грейджоев с Железных островов звучал «Мы не сеем», подчеркивая их пиратский нрав. А известная фраза относится к обряду посвящения Утонувшему богу.
Но также она относится к конкурирующим рискам при оценке времени до наступления события с помощью кривых Каплана-Мейера и лог-рангового теста.
Этому вопросу посвящена редакторская заметка в свежем номере EJVES.
Кривые дожития используются для оценки разницы по скорости наступления события в течение заданного промежутка времени. При этом не все пациенты наблюдаются одинаково долго: некоторым из них надоедает постоянно посещать контрольные визиты, другие становятся инвалидами и не могут больше ходить, а третьи - умирают. Это, так называемые, цензурированные случаи, для которых рассчитывается гипотетическая вероятность наступления оцениваемого исхода. Они обозначаются засечками на кривых. При этом статистике Каплана-Мейера неважно, что случилось с пациентом: даже для цензурированных по причине летального исхода случаев рассчитывается гипотетическая вероятность наступления исхода, что противоречит девизу Грейджоев.
Это и есть конкурирующий риск: смерть конкурирует с первичной конечной точкой.
Авторы приводят варианты кривых Каплана-Мейера с цензурированием при выбывании пациентов по неизвестной причине и по причине смерти. И, конечно, эти кривые ничем не отличаются.
В качестве альтернативы они предлагают использовать Gray’s test или cause specific hazard functions (разновидность пропорциональной регрессии Кокса). В отличие от Каплана-Мейера, Gray’s test с поправкой на общую смертность демонстрирует наличие достоверных различий по основному исходу, которых раньше не было.
От себя могу добавить, что проблему конкурирующих рисков может решить иерархическая модель анализа комбинированной конечной точки с учетом общей смертности: поочередное сравнение исходов в зависимости от их клинической значимости. Но такой анализ нужно закладывать в исходный дизайн исследования.