Espero que alguém possa me ajudar com qual modelo (fragilidade, estratos ou cluster) devo usar para meus dados. Como emparelhei dados, preciso levar isso em consideração ao modelar o Cox PH e não tenho certeza de qual modelo me dará um resultado mais preciso.
Meu estudo analisava o tempo que levou para uma pessoa se acalmar depois de ser submetida a um estímulo específico. Cada pessoa foi submetida a dois estímulos diferentes, em dias separados. Eles foram aleatoriamente designados qual estímulo foi o primeiro. Modelei isso com a análise de sobrevivência (tempo até o evento), mas agora preciso levar em consideração que os dados estão emparelhados.
Qualquer ajuda em relação a quando você usaria modelos de fragilidade, estratos ou cluster seria ótimo.
Respostas:
Este assunto é abordado por vários trabalhos, incluindo:
Aqui está um resumo muito breve (e não exaustivo) das diferenças entre as duas abordagens.
Abordagem estratificada
Para cada par, existe uma função de risco de linha de base não especificada. A idéia de probabilidade parcial é prontamente adaptada multiplicando-se as probabilidades parciais específicas de cada estrato.
Prós :
Contras :
Abordagem de fragilidade
A associação dentro do par é explicada por um efeito aleatório comum a ambos os membros do mesmo par. Portanto, há novamente um risco de linha de base diferente para cada par, mas eles não são totalmente não especificados; existe alguma estrutura. A estimativa é baseada na probabilidade marginal.
Prós :
Contras :
coxph()
ouparfm()
; no SAS, noproc phreg
);Como conclusão, a escolha depende da sua pesquisa. No entanto, a última referência da lista fornece algumas diretrizes:
Para situações em que o tamanho do grupo é cinco ou maior, é difícil justificar o uso do modelo de efeitos aleatórios em detrimento do modelo estratificado, sendo este último modelo muito mais facilmente implementado. A história muda para grupos menores que cinco e, para estudos com gêmeos em particular, os ganhos de eficiência são tais que preferimos usar um modelo de efeitos aleatórios em vez de um modelo estratificado. O modelo estratificado permanece válido, mas pode exigir de 20% a 30% a mais de observações para alcançar a mesma precisão.
fonte