İstatistik Sözlüğü → Küme-Sağlam Cox (Marjinal ve Frailty Modeli)
Küme-Sağlam Cox (Marjinal ve Frailty Modeli)analiz
Aynı kişiden, aileden ya da merkezden birden çok olay süresinin bulunduğu verilerde, bu gözlemlerin birbirine bağımlılığını hesaba katarak Cox regresyonunu kestiren; standart hataları küme düzeyinde düzelten ya da kümeler arası farkı bir kırılganlık (frailty) terimiyle modelleyen yöntem.
Kavram
Sıradan Cox regresyonu her olay süresinin birbirinden bağımsız olduğunu varsayar. Oysa aynı hastanın iki gözü, aynı ailenin kardeşleri, aynı hastanede tedavi edilen hastalar ya da bir kişinin tekrarlayan enfeksiyonları birbirine benzer: bazı kümeler ortak, ölçülmemiş nedenlerle bütünüyle daha yüksek risk taşır. Bu bağımlılık yok sayılırsa kestirilen standart hatalar genellikle olduğundan küçük çıkar ve etkiler gerçekte olduğundan daha kesin görünür.
Bu analiz iki yaklaşım sunar. Marjinal (küme-sağlam) Cox modeli katsayıları sıradan Cox gibi kestirir, ancak standart hataları küme düzeyinde sandviç kestiricisiyle düzeltir; tehlike oranları evren ortalaması (marjinal) anlamındadır. Paylaşılan gamma kırılganlık modeli ise her kümeye, tüm üyelerinin tehlikesini aynı oranda çarpan ortak bir rastgele etki verir: h_ij(t) = u_i · h₀(t) · exp(βx_ij). Kırılganlık varyansı θ kümeler arası farklılığın büyüklüğünü gösterir; θ = 0 bağımlılık olmadığı anlamına gelir. Bu modelde tehlike oranları koşulludur: aynı kümenin üyeleri arasında karşılaştırmayı anlatır ve çoğu zaman marjinal tehlike oranından daha uç değerler alır.
Marjinal model, bağımlılığın yapısı hakkında varsayım yapmaz ama küme sayısı az olduğunda (ör. 30-40'ın altında) sandviç standart hataları kendileri belirsizleşir. Kırılganlık modeli kümeler arası farkı açıkça kestirir, ancak kırılganlığın gamma dağıldığı varsayımına dayanır. Her iki modelde de orantılı tehlikeler varsayımı geçerlidir.
Ne zaman kullanılır?
- Aynı kümeden (kişi, aile, okul, hastane, merkez) birden çok olay süresi gözlendiğinde ya da bir kişide olay tekrarlandığında.
- Amaç evren ortalaması etkiyi doğru standart hatayla vermekse küme-sağlam marjinal model; kümeler arası risk farklılığının kendisi ilgi konusuysa ya da küme içi karşılaştırma isteniyorsa gamma kırılganlık modeli tercih edilir.
- Veri ağırlıklı, tabakalı bir örneklem tasarımından geliyorsa Survey-PHREG; kovaryatlar izlem sırasında değişiyorsa zamana bağlı Cox regresyonu (kişi içi sağlam standart hatalarla) kullanılır.
Gündelik bir örnek
Bir diş hastanesi, 120 hastaya yerleştirilen 350 implantın başarısızlığa kadar geçen süresini izliyor; hastaların çoğunda birden fazla implant var. Aynı hastanın implantları ortak etkenler (kemik yapısı, ağız hijyeni, sigara) nedeniyle benzer risk taşır. Küme-sağlam model, implant tipinin tehlike oranını hastaya göre düzeltilmiş standart hatayla verir. Gamma kırılganlık modeli ise ayrıca θ'yı kestirir; θ büyükse bazı hastalar tüm implantlarında belirgin biçimde daha yüksek risk taşıyordur.
MerQur'da parametreler
Küme (zorunlu)
Kavram: Küme, birbirine bağımlı olduğu düşünülen gözlemleri bir araya getiren kimliktir. Marjinal modelde standart hatalar bu kümelere göre düzeltilir; kırılganlık modelinde her kümeye ortak bir rastgele etki verilir.
Gündelik örnek: İmplant örneğinde küme hasta kimliğidir: aynı hastanın tüm implantları aynı kümeye girer. Model, aynı hastanın üç implantını üç bağımsız hastanın implantı gibi saymaz.
Ne işe yarar: Marjinal modelde küme-sağlam sandviç SE'nin kümeleri, gamma modelde ortak rastgele etkinin kümeleri.
Sonuca etkisi: Marjinal modelde yalnız SE, t, p ve GA (sd = C - 1); gamma modelde katsayı, θ ve küme kırılganlık tahminleri.
Doğrulama verisinde: Zorunlu alan olduğundan ayrı koşu yok; tüm koşularda kullanıldı (kidney: 38 küme).
Model (Küme-sağlam marjinal Cox / + paylaşılan gamma frailty)
Kavram: Marjinal model yalnız standart hataları düzeltir ve evren ortalaması tehlike oranları verir. Paylaşılan gamma kırılganlık modeli ise kümeler arası risk farkını θ ile açıkça kestirir; θ = 0 testinin anlamlı çıkması küme içi bağımlılığın varlığını, Kendall τ ise aynı kümedeki iki olay süresinin ne kadar ilişkili olduğunu gösterir.
Gündelik örnek: Marjinal model 'ortalama bir hastada A tipi implantın başarısızlık tehlikesi B'nin 1,5 katı' der. Kırılganlık modeli 'aynı hastanın A ve B implantları karşılaştırıldığında tehlike oranı 1,9' gibi koşullu bir sonuç verir ve θ ile hastalar arası riskin ne kadar değiştiğini gösterir.
Ne işe yarar: Yalnızca küme-sağlam marjinal Cox ya da ek olarak paylaşılan gamma frailty. θ marjinal olabilirlikten, β ve kırılganlıklar EM ile (Breslow) kestirilir.
Sonuca etkisi: Gamma seçilince koşullu katsayı tablosu, θ, θ = 0 olabilirlik oranı testi, Kendall τ ve küme kırılganlık tablosu eklenir; marjinal tablo değişmez.
Doğrulama verisinde: kidney marjinal: age 0.00203188 (SE 0.00819733), sex_male 0.829314 (SE 0.489954). Gamma, yalnız rx: θ = 1.98025, LR = 9.95773, rx 0.713737 (SE 0.272399). rats: θ = 0.917765, LR = 13.2222.
Temel tehlike tabakası
Kavram: Temel tehlike tabakası, her tabakaya kendi taban tehlikesini tanır ama kovaryatların etkisini tabakalar arasında ortak kabul eder. Orantılı tehlikeler varsayımını bozan ya da etkisi kestirilmek istenmeyen bir değişken için kullanılır.
Gündelik örnek: Üst ve alt çene implantlarının başarısızlık riski zaman içinde farklı seyrediyorsa çene konumu tabaka yapılır. İmplant tipinin tehlike oranı iki çene için ortak kestirilir.
Ne işe yarar: Marjinal ve gamma modelde ayrı temel tehlike tabakaları.
Sonuca etkisi: Katsayı ve SE değişir; tabaka etkisi kestirilmez.
Doğrulama verisinde: kidney, disease tabakası: age katsayısı tabakasız 0.00203188, tabakalı 0.00743149 (SE 0.00844918); sex_male 0.829314 ve 1.48647 (SE 0.343255).
Bağ (ties) yöntemi (Efron / Breslow)
Kavram: Aynı zamanda birden fazla olay olduğunda (bağ) kısmi olabilirliğin nasıl hesaplanacağını belirler. Efron yaklaşımı genellikle daha doğrudur; bağ az olduğunda Breslow ile neredeyse aynı sonucu verir.
Gündelik örnek: İmplant başarısızlıkları yalnız kontrol ayına göre kaydedildiyse aynı ayda birkaç başarısızlık görülür. Bu bağlar azsa iki yöntem arasındaki fark ancak üçüncü ondalıkta görünür.
Ne işe yarar: Marjinal modelde bağ yaklaşımı; gamma frailty her zaman Breslow kullanır.
Sonuca etkisi: Marjinal katsayı ve SE; gamma kısmı etkilenmez.
Doğrulama verisinde: kidney Breslow: age 0.00218152 (SE 0.00805087), sex_male 0.820995 (SE 0.488769). Blind Treat_Laser: Efron -0.425026, Breslow -0.424672.
Kategorik referans (ilk düzey / son düzey)
Kavram: Metin olarak kodlanmış kategorik bir değişkende alfabetik olarak ilk ya da son düzeyin temel düzey olmasını sağlar. Temel düzey değişince katsayının işareti tersine döner ve tehlike oranı karşıt grupla ifade edilir; modelin kendisi değişmez.
Gündelik örnek: İmplant tipi 'A / B' olarak kodlandıysa ilk düzey referansta B'nin A'ya göre tehlike oranı, son düzey referansta A'nın B'ye göre tehlike oranı verilir; ikisi birbirinin tersidir (ör. 0,67 ve 1,5).
Ne işe yarar: Metin kovaryatta temel düzey.
Sonuca etkisi: Parametreleme; model aynıdır.
Doğrulama verisinde: kidney sex için son düzey referansta sex_male yerine karşıt kukla çıkar; Blind: ilk düzeyde Treat_Others 0.425026, son düzeyde Treat_Laser -0.425026.
Ek çıktılar: Artıkları veri setine kaydet
Kavram: Marjinal modelin her gözlem için martingale, deviance ve dfbeta artıklarını veri setine ekler. Dfbeta, bir gözlem çıkarıldığında katsayıların ne kadar değiştiğini gösterir ve etkili gözlemleri bulmaya yarar.
Gündelik örnek: Bir hastanın implantlarının dfbeta değerleri çok büyükse, implant tipinin etkisi büyük ölçüde o tek hastaya dayanıyor olabilir. Bu hasta çıkarılarak analiz tekrarlanır ve sonucun ne kadar değiştiğine bakılır.
Ne işe yarar: Marjinal modelin martingale, deviance ve dfbeta artıklarını veri setine ekler.
Sonuca etkisi: Sonuç tablolarını değiştirmez.
Doğrulama verisinde: Tablolar aynı kalır; 304 yeni değer eklenir.
→ Cox modeli artıkları (martingal, sapma, Cox-Snell, dfbeta)
Güven Düzeyi (%90 / %95 / %99 / Diğer, özel değer)
Kavram: Tehlike oranlarının güven aralığının düzeyini belirler. Marjinal modelde aralık, küme sayısına bağlı serbestlik dereceli t dağılımıyla kurulur; bu nedenle küme sayısı az olduğunda aralık belirgin biçimde genişler.
Gündelik örnek: 350 implant olsa da yalnız 120 hasta (küme) olduğundan belirsizlik hasta sayısına göre hesaplanır. Aynı çalışma yalnız 25 hastayla yapılsaydı implant tipinin tehlike oranı için %95 aralık çok daha geniş çıkardı.
Ne işe yarar: Marjinal HR aralığı t(C-1) kantiliyle, gamma HR aralığı z kantiliyle.
Sonuca etkisi: Yalnız aralık sınırları.
Doğrulama verisinde: %90, %99, %97.5 ve %80 koşularında yalnızca aralık sınırları değişir.
Gerçek veride örnek
Veri: Böbrek kateter enfeksiyonu (McGilchrist ve Aisbett 1991), R survival kidney
Değişkenler: süre time (gün), olay status, küme id (hasta), prediktörler age ve sex_k (cinsiyet)
- Soru: Böbrek diyalizi kateter enfeksiyonlarında (38 hasta, hasta başına 2 enfeksiyon süresi; 76 gözlem, 58 olay) yaş ve cinsiyet enfeksiyon tehlikesini etkiliyor mu?
- Neden küme-sağlam: Aynı hastanın iki süresi bağımsız değildir; marjinal Cox katsayıları olağan biçimde kestirir, SH'yi hasta (küme) düzeyinde sandviç tahminciyle (C/(C-1) düzeltmeli, t(37)) düzeltir.
- Sonuç: Erkek cinsiyet katsayısı 0.8293 (SH 0.4900, p = 0.0989), HR = 2.29 [0.849, 6.185]; yaş 0.0020 (SH 0.0082, p = 0.806). Hiçbir prediktör %5 düzeyinde anlamlı değildir.
- Genel test: Global Wald χ²(2) = 2.91, p = 0.233; Wald F(2, 37) = 1.45, p = 0.247.
- Sınırlılık: Marjinal model kümeler arası heterojenliği (kırılganlık) modellemez; paylaşılan gamma frailty seçeneği koşullu katsayı ve θ verir. Küme sayısı (38) küçük olduğundan SH kestirimi belirsizdir.
- APA: Küme-sağlam Cox modelinde erkek cinsiyet, HR = 2.29, %95 GA [0.85, 6.18], p = .099, ve yaş, HR = 1.00, p = .806, enfeksiyon tehlikesiyle anlamlı ilişkili bulunmamıştır.
İlgili kavramlar
Bağ yöntemi (Efron, Breslow, kesin)Kırılganlık (frailty) modeliKüme-sağlam (kümelenmiş) standart hatalarCox modeli artıkları (martingal, sapma, Cox-Snell, dfbeta)GEE çalışma korelasyonu ve marjinal modelKendall tau korelasyonuTabakalı analiz (tabaka değişkeni)Referans kategori (karşılaştırma düzeyi)
Örneklerdeki sayılar MerQur'un bağımsız, kamuya açık doğrulama verileri üzerindeki çıktılarıdır; ayrıntılar için MerQur Teknik Not'a bakınız.