Yarışan risklerin varlığında zamana-bağlı kovaryete sahip sağkalım verilerinin analizinde kullanılan istatistiksel yöntemlerin değerlendirilmesi
Küçük Resim Yok
Tarih
2024
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Ege Üniversitesi
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Sağkalım analizinde, birden fazla olayın ele alındığı durumlarda yarışan riskler dikkatle incelenmelidir. Sağlık çalışmalarında hastalığın seyrini izlemek için hem zamana bağlı ölçümler hem de hastalık süreciyle ilgili veriler kullanılmaktadır. Özellikle kronik hastalıkların takibi ve yönetiminde hastalardan elde edilen verilere dayalı olarak yarışan risklerin dinamik bir şekilde kestirilmesi önemlidir. Dinamik kestirimler, hastanın beklenen nüks veya ölüm riskinin zamanla nasıl değiştiğini anlamak için kullanılır. Yarışan risklerin dinamik kestirimi için iki yaygın yaklaşım bulunmaktadır: Joint model ve Landmark yaklaşımı. Bu yöntemlerin aynı çalışmada karşılaştırıldığı bir çalışmaya rastlanılmamıştır. Sağlık alanında yapılan çalışmalarda hem boylamsal veriler hem de yarışan risklerle sıkça karşılaşıldığı için uygun analiz yönteminin belirlenmesi önemlidir. Bu amaçla yöntemler arasında hastaya özgü risk kestirimleri bakımından fark olup olmadığı ve örneklem büyüklüklerinin yöntemlerin kestirim sonuçlarını etkileyip etkilemediği araştırılmıştır. Joint model ve Landmark yaklaşımı kullanılarak yarışan risklerin kümülatif insidans olasılıkları dinamik bir şekilde kestirilmiştir. Bu kestirimler gerçek bir veri setinde ve simülasyon çalışmasında farklı örneklem büyüklüklerine sahip veri setlerinde karşılaştırılmıştır. Tüm analizler R istatistiksel yazılım paketi (v4.3.1; R Core Team 2023) kullanılarak gerçekleştirilmiştir. Tüm bireyler üzerinden yapılan karşılaştırmalar değerlendirildiğinde Landmark yaklaşımının Joint model ile tüm landmark zamanlarında benzer sonuçlar vermediği saptanmıştır. Ayrıca yöntemler dinamik kestirimlerin hesaplanma süresi bakımından karşılaştırıldığında Landmark yaklaşımının hesaplanma süresinin daha kısa olduğu tespit edilmiştir. Genel anlamda düşünüldüğünde Landmark yaklaşımının Joint modele alternatif bir yöntem olarak kullanılmasının mümkün olmadığı söylenebilir.
In survival analysis, it is important to carefully consider competing risks when dealing with multiple events. In health studies, time-dependent measurements and data related to the progression of the disease are used to monitor the illness. Specifically, in the management of chronic diseases, it is crucial to dynamically predict competing risks using data from patients. Dynamic predictions help to understand how a patient's risk of recurrence or mortality changes over time. There are two common approaches for dynamically predicting competing risks: the Joint model and the Landmark approach. However, there have been no studies comparing these methods within the same study. Given the frequent occurrence of longitudinal data and competing risks in health studies, it is important to identify the appropriate analysis method. To achieve this, an investigation was conducted to determine if there were any differences in patient-specific risk predictions between the two methods and if sample size affected the results. Using the Joint model and the Landmark approach, the cumulative incidence probabilities of competing risks were predicted dynamically. These predictions were then compared across different datasets with varying sample sizes, including a real dataset and a simulation study. All analyses were performed using the R statistical software package (v4.3.1; R Core Team 2023). When comparing all individuals, it was observed that the Landmark approach did not yield similar results to the Joint model at any landmark times. Furthermore, when comparing the computation time for dynamic prediction, it was determined that the Landmark approach had a shorter time. It has been determined that the Landmark approach cannot be used as an alternative method to the Joint model in general.
In survival analysis, it is important to carefully consider competing risks when dealing with multiple events. In health studies, time-dependent measurements and data related to the progression of the disease are used to monitor the illness. Specifically, in the management of chronic diseases, it is crucial to dynamically predict competing risks using data from patients. Dynamic predictions help to understand how a patient's risk of recurrence or mortality changes over time. There are two common approaches for dynamically predicting competing risks: the Joint model and the Landmark approach. However, there have been no studies comparing these methods within the same study. Given the frequent occurrence of longitudinal data and competing risks in health studies, it is important to identify the appropriate analysis method. To achieve this, an investigation was conducted to determine if there were any differences in patient-specific risk predictions between the two methods and if sample size affected the results. Using the Joint model and the Landmark approach, the cumulative incidence probabilities of competing risks were predicted dynamically. These predictions were then compared across different datasets with varying sample sizes, including a real dataset and a simulation study. All analyses were performed using the R statistical software package (v4.3.1; R Core Team 2023). When comparing all individuals, it was observed that the Landmark approach did not yield similar results to the Joint model at any landmark times. Furthermore, when comparing the computation time for dynamic prediction, it was determined that the Landmark approach had a shorter time. It has been determined that the Landmark approach cannot be used as an alternative method to the Joint model in general.
Açıklama
Anahtar Kelimeler
Biyoistatistik, Biostatistics
