在存在竞争风险的情况下对生存数据的分析
Peter C Austin1, Douglas S Lee2, Jason P Fine2
1From Institute for Clinical Evaluative Sciences, Toronto, Ontario, Canada (P.C.A., D.S.L.); Institute of Health Management, Policy and Evaluation, University of Toronto, Ontario, Canada (P.C.A., D.S.L.); Schulich Heart Research Program, Sunnybrook Research Institute, Toronto, Ontario, Canada (P.C.A.); Department of Medicine, University of Toronto, Ontario, Canada (D.S.L.); Peter Munk Cardiac Center, Department of Medicine, and the Joint Department of Medical Imaging, University Health Network, Toronto, Ontario, Canada (D.S.L.); Department of Biostatistics, University of North Carolina, Chapel Hill, NC (J.P.F.); and Department of Statistics & Operations Research, University of North Carolina, Chapel Hill (J.P.F.). peter.austin@ices.on.ca.
在生存分析中,竞争风险是常见的. 使用累积发病率函数,而不是Kaplan-Meier方法,以准确估计存在竞争风险的结果发病率.
科学领域:
- 生物统计学
- 流行病学
- 临床研究
背景情况:
- 在生存数据分析中经常存在竞争风险.
- 竞争性风险事件可以防止主要事件的发生.
- 例如,心血管死亡研究中的非心血管死亡.
研究的目的:
- 突出适当方法分析与竞争风险的生存数据的重要性.
- 将累积发病率函数与Kaplan-Meier方法进行原始发病率估计.
- 讨论竞争风险数据的回归建模策略.
主要方法:
- 累积发病率函数 (CIF) 和Kaplan-Meier (KM) 生存函数的比较.
- 讨论两种回归建模方法:因果特异性危险和分发危险 (累积发病率).
- 使用心力衰竭患者因特定原因死亡率数据的插图.
主要成果:
- 卡普兰-梅尔方法高估了存在竞争风险的发生率.
- 特定原因的危险模型估计了风险人群中事件发生率的共变效应.
- 分布危险模型估计了对累积发病率 (绝对风险) 的共变效应.
结论:
- 累计发病率函数是估计具有竞争风险的原始发病率的适当方法.
- 特定原因的危险模型适用于病因研究.
- 在临床预后和风险预测方面,分发危险模型更好.
相关概念视频
Comparing the Survival Analysis of Two or More Groups
Introduction To Survival Analysis
The primary goal of survival analysis is to estimate survival time—the time...
Assumptions of Survival Analysis
Cancer Survival Analysis
Kaplan-Meier Approach
Survival Tree
Building a Survival Tree
Constructing a...


