Compare dos curvas de supervivencia para datos emparejados


12

Quiero comparar dos métodos diferentes para detectar el cambio de estado en un análisis de supervivencia. Se sigue a un grupo de sujetos durante un período más largo (muchos años), y se han utilizado dos métodos de examen para examinar si se ha producido un cambio de estado; Se utilizó un método para examinar cada sujeto dos veces al año y el segundo método para examinar cada sujeto una vez al año. La pregunta es si estos dos métodos difieren sistemáticamente en su capacidad para detectar un cambio de estado.

La prueba en la que pensé es una prueba de rango logarítmico para ver si las curvas de Kaplan-Meier de los dos métodos difieren. Me pregunto si es un problema que las curvas de supervivencia estén "emparejadas" (es decir, los dos métodos se usan en los mismos sujetos) al realizar la prueba de log-rank. ¿Es una violación de la suposición en la prueba de log-rank, o tal vez es solo una prueba ineficiente ya que no tiene en cuenta que las dos curvas están relacionadas? ¿Alguien tiene una sugerencia para un análisis alternativo que tenga en cuenta la dependencia dentro de las observaciones?


Tal vez esto no sea un problema, tal vez haya terminado de pensar.

Bueno, no sé el momento real del cambio de estado, solo los puntos de tiempo cuando los métodos han detectado un cambio de estado. Un pensamiento que tuve fue establecer el tiempo de supervivencia en el punto medio del intervalo de tiempo entre el último examen cuando no se detectó el cambio de estado y el examen cuando se detectó el cambio de estado. Eso podría compensar la desventaja del método que se usa para examinar a los sujetos solo una vez al año en contraste con el método que se usa dos veces al año. Y luego construya las curvas de supervivencia a partir de estos datos.


1
De posible interés: un procedimiento sin distribución para comparar las curvas características operativas del receptor de un experimento emparejado . En este artículo, los autores presentan un método para comparar dos técnicas para diagnosticar melanoma. El problema que veo en su contexto es que tiene tripletes y, por lo tanto, no está claro cuál es una comparación justa entre los métodos. Creo que debe proporcionar información sobre cómo está construyendo las curvas de supervivencia. (Xyo,yyo1,yyo2)

De hecho, la diferencia de la curva de Kaplan-Meier supone independencia, y eso no es apropiado. Se puede observar la importancia de la diferencia de proporciones o construir una prueba correlacionada del mismo tipo.
Carl

Respuestas:


1

Si desea comparar el rendimiento del modelo de los dos modelos de supervivencia, el cálculo de las estadísticas C (Harrell's C, Survival ROC ...) podría ser un enfoque más razonable. Calcule las estadísticas C de los dos modelos de supervivencia y compárelos (se puede obtener el valor p).

https://rpubs.com/kaz_yos/survival-auc

El enlace muestra varias herramientas para el estadístico C para el modelo de supervivencia.

Al usar nuestro sitio, usted reconoce que ha leído y comprende nuestra Política de Cookies y Política de Privacidad.
Licensed under cc by-sa 3.0 with attribution required.