Sugestão de modelo para uma regressão de Cox com covariáveis ​​dependentes do tempo

10

Estou modelando o efeito da gravidez no resultado de uma doença (morta-viva). Aproximadamente 40% das pacientes engravidaram após o diagnóstico, mas em momentos diferentes. Até agora, eu fiz gráficos de GC mostrando um claro efeito protetor da gravidez na sobrevida e também um modelo regular de Cox - no entanto, eles foram modelados usando apenas uma variável dicotomizada da gravidez e assumindo que o efeito está presente desde o momento do diagnóstico, o que é claramente irrealista desde o tempo médio até a gravidez é de 4 anos após o diagnóstico.

Que tipo de modelo absorveria o efeito de várias gestações em diferentes momentos após o diagnóstico? Seria correto modelar as gestações que interagem com o tempo (o que exigiria alguma reconstrução séria de dados - qualquer software automatizado que pudesse ajudar com isso?) Ou existe outra estratégia de modelagem preferida para esses problemas? Além disso, qual é a estratégia de plotagem preferida para esses problemas?

Misha
fonte
questão interessante (+1) ... este artigo recente pode ser útil
ocram
Interessante, mas eu acredito que o principal tema há tempo variando effects.//M
Misha
tempo-variando efeitos é o tema do papel ...
Ocram
11
Isso me lembra o exemplo "clássico" de análise de sobrevivência dos dados de transplante cardíaco: bit.ly/UFX71v - o que você precisa é de uma covariável com variação de tempo , não necessariamente de um coeficiente de variação de tempo . Você pode plotar seus dados usando curvas KM.
Boscovich
Com esse método, você também poderá lidar com o fato de que algumas mulheres podem ter tido mais de uma gravidez durante o acompanhamento.
Boscovich

Respostas:

4

O que você precisa aqui é de uma covariável variável no tempo e não necessariamente um coeficiente variável no tempo . Um exemplo conhecido que pode ajudá-lo com suas análises são os dados de transplante cardíaco de Stanford .

Para apresentar seus resultados, você pode usar o estimador clássico de Kaplan-Meier, que lida com covariáveis ​​variáveis ​​no tempo sem problemas (lembre-se, porém, de que é uma análise bruta - ou não ajustada, com todas as suas limitações conhecidas).

Como exemplo, o gráfico a seguir mostra a análise dos dados de Stanford HT ao contabilizar corretamente o status do transplante com variação temporal (painel superior) e sem contabilizá-lo (painel inferior).

insira a descrição da imagem aqui

Boscovich
fonte
Finalmente consegui fazer isso e recebo o seguinte gráfico
Misha
KM regular NÃO é a maneira correta de representar graficamente esses modelos. Pelo contrário, é uma extensão para o KM de Simon e Makuch que é implementada no Stata. stats.stackexchange.com/posts/46754
Misha
Você não pode usar o KM assim. Considere as gestações com, por exemplo, a idade como tempo subjacente: digamos que as mulheres tenham pelo menos 20 anos quando tiverem o segundo filho e pelo menos 22 quando tiverem o terceiro. Vamos assumir riscos constantes para todas as idades e todos os grupos (número de filhos nascidos). Então os grupos 2 e 3 morrerão na mesma taxa, mas a estimativa de 3 grupos (provavelmente) será maior a qualquer momento t, simplesmente porque os 3 grupos começam a morrer mais tarde. Esta é uma deturpação de dados.
19415 swmo
1

Cuidado com o viés imortal do tempo nesta situação. Seu grupo de grávidas inevitavelmente terá uma sobrevivência melhor do que o grupo de não grávidas, já que você não pode engravidar depois de morrer (pelo que sei!)

drstevok
fonte