«survival» 태그된 질문

생존 분석은 시간 대 이벤트 데이터, 일반적으로 시간 대 사망 또는 실패 시간을 모델링합니다. 검열 된 데이터는 생존 분석에 일반적인 문제입니다.

1
Anova ()와 drop1 ()이 GLMM에 다른 답변을 제공 한 이유는 무엇입니까?
GLMM 형식이 있습니다. lmer(present? ~ factor1 + factor2 + continuous + factor1*continuous + (1 | factor3), family=binomial) 를 사용할 때 자동차 패키지 또는에서 사용할 때 drop1(model, test="Chi")와 다른 결과를 얻습니다 . 후자의 두 사람도 같은 대답을합니다.Anova(model, type="III")summary(model) 조작 된 데이터를 사용 하여이 두 가지 방법이 일반적으로 다르지 않다는 것을 알았습니다. …
10 r  anova  glmm  r  mixed-model  bootstrap  sample-size  cross-validation  roc  auc  sampling  stratification  random-allocation  logistic  stata  interpretation  proportion  r  regression  multiple-regression  linear-model  lm  r  cross-validation  cart  rpart  logistic  generalized-linear-model  econometrics  experiment-design  causality  instrumental-variables  random-allocation  predictive-models  data-mining  estimation  contingency-tables  epidemiology  standard-deviation  mean  ancova  psychology  statistical-significance  cross-validation  synthetic-data  poisson-distribution  negative-binomial  bioinformatics  sequence-analysis  distributions  binomial  classification  k-means  distance  unsupervised-learning  euclidean  correlation  chi-squared  spearman-rho  forecasting  excel  exponential-smoothing  binomial  sample-size  r  change-point  wilcoxon-signed-rank  ranks  clustering  matlab  covariance  covariance-matrix  normal-distribution  simulation  random-generation  bivariate  standardization  confounding  z-statistic  forecasting  arima  minitab  poisson-distribution  negative-binomial  poisson-regression  overdispersion  probability  self-study  markov-process  estimation  maximum-likelihood  classification  pca  group-differences  chi-squared  survival  missing-data  contingency-tables  anova  proportion 
3
로그 정규 생존 함수의 평균 생존 시간
지수 또는와 이블 분포의 평균 생존 시간을 찾는 방법을 보여주는 많은 공식을 찾았지만 로그 정규 생존 함수에 대한 운이 상당히 적습니다. 다음과 같은 생존 기능이 주어집니다. S(t)=1−ϕ[ln(t)−μσ]S(t)=1−ϕ[ln⁡(t)−μσ]S(t) = 1 - \phi \left[ {{{\ln (t) - \mu } \over \sigma }} \right] 평균 생존 시간을 어떻게 찾습니까? 내가 이해하는 것처럼 는 …
10 survival 
2
Cox 모델을 사용하여 R에서 ROC 분석을 수행하는 방법
몇 가지 Cox 회귀 모델을 만들었으며 이러한 모델의 성능을보고 싶을 것입니다. ROC- 곡선 또는 c- 통계량은이 기사와 유사하게 유용 할 수 있다고 생각했습니다. JN Armitage och JH van der Meulen, "Royal College of Surgeons Charlson Score의 관리 데이터를 사용하여 수술 환자의 병적 상태 확인", British Journal of Surgery, vol. 97, …
10 r  survival  roc 
2
파라 메트릭 모델에서 비례 위험 가정 테스트
Cox PH 모델의 맥락에서 비례 위험 가정을 테스트하는 것을 알고 있지만 파라 메트릭 모델과 관련하여 아무런 문제가 없었습니까? 특정 파라 메트릭 모델의 PH 가정을 테스트 할 수있는 방법이 있습니까? 파라 메트릭 모델이 세미-파라 메트릭 콕스 모델과 약간 다르다는 것이 주어져야합니까? 예를 들어 Gompertz 사망률 곡선 (아래 참조)을 맞추려면 PH 가정을 …
2
R의 coxph ()는 반복 측정을 어떻게 처리합니까?
문맥 R의 coxph ()가 주제 (또는 원하는 경우 환자 / 고객)에 대한 반복 입력을 허용하고 처리하는 방법을 이해하려고합니다. 어떤 사람들은 이것을 Long 형식이라고 부르고 어떤 사람들은 이것을 '반복 된 측정치'라고 부릅니다. 예를 들어 다음의 답변 섹션에 ID 열이 포함 된 데이터 세트를 참조하십시오. 시변 공변량이있는 Cox 모델을위한 최상의 패키지 또한 …
2
사례 관리 연구에서 생존율 추세
생존 분석을 수행하는 부적절한 방법으로 거부 된 기사를 제출했습니다. 심판은 "시간 추세에 대한 생존 분석에는보다 정교한 검열 방법이 필요하다"이외의 다른 세부 사항이나 설명은 남기지 않았다. 질문: 지난 수십 년 동안 흡연자들의 사망 위험이 줄었습니까? 데이터: 독일의 흡연자 25.000 명 이들은 1995 년에서 2014 년 사이에 언제라도 코호트에 등록되었다. 각 흡연자는 …
4
R의 이산 시간 이벤트 기록 (생존) 모델
R에 이산 시간 모델을 맞추려고하지만 어떻게 해야할지 모르겠습니다. 종속 변수를 각 시간 관찰마다 하나씩 다른 행 glm으로 구성하고 logit 또는 cloglog 링크와 함께 함수를 사용할 수 있다는 것을 읽었습니다. 이런 의미에서, 나는 세 개의 열이 있습니다 : ID, Event(각 시간 경과시 1 또는 0) 및 Time Elapsed(관측 시작부터 ) 그리고 …
10 r  survival  pca  sas  matlab  neural-networks  r  logistic  spatial  spatial-interaction-model  r  time-series  econometrics  var  statistical-significance  t-test  cross-validation  sample-size  r  regression  optimization  least-squares  constrained-regression  nonparametric  ordinal-data  wilcoxon-signed-rank  references  neural-networks  jags  bugs  hierarchical-bayesian  gaussian-mixture  r  regression  svm  predictive-models  libsvm  scikit-learn  probability  self-study  stata  sample-size  spss  wilcoxon-mann-whitney  survey  ordinal-data  likert  group-differences  r  regression  anova  mathematical-statistics  normal-distribution  random-generation  truncation  repeated-measures  variance  variability  distributions  random-generation  uniform  regression  r  generalized-linear-model  goodness-of-fit  data-visualization  r  time-series  arima  autoregressive  confidence-interval  r  time-series  arima  autocorrelation  seasonality  hypothesis-testing  bayesian  frequentist  uninformative-prior  correlation  matlab  cross-correlation 
1
R 선형 회귀 범주 형 변수 "숨김"값
이것은 여러 번 나온 예제 일뿐이므로 샘플 데이터가 없습니다. R에서 선형 회귀 모델 실행 : a.lm = lm(Y ~ x1 + x2) x1연속 변수입니다. x2범주 형이며 "낮음", "중간"및 "높음"의 세 가지 값이 있습니다. 그러나 R이 제공하는 출력은 다음과 같습니다. summary(a.lm) Estimate Std. Error t value Pr(>|t|) (Intercept) 0.521 0.20 1.446 …
10 r  regression  categorical-data  regression-coefficients  categorical-encoding  machine-learning  random-forest  anova  spss  r  self-study  bootstrap  monte-carlo  r  multiple-regression  partitioning  neural-networks  normalization  machine-learning  svm  kernel-trick  self-study  survival  cox-model  repeated-measures  survey  likert  correlation  variance  sampling  meta-analysis  anova  independence  sample  assumptions  bayesian  covariance  r  regression  time-series  mathematical-statistics  graphical-model  machine-learning  linear-model  kernel-trick  linear-algebra  self-study  moments  function  correlation  spss  probability  confidence-interval  sampling  mean  population  r  generalized-linear-model  prediction  offset  data-visualization  clustering  sas  cart  binning  sas  logistic  causality  regression  self-study  standard-error  r  distributions  r  regression  time-series  multiple-regression  python  chi-squared  independence  sample  clustering  data-mining  rapidminer  probability  stochastic-processes  clustering  binary-data  dimensionality-reduction  svd  correspondence-analysis  data-visualization  excel  c#  hypothesis-testing  econometrics  survey  rating  composite  regression  least-squares  mcmc  markov-process  kullback-leibler  convergence  predictive-models  r  regression  anova  confidence-interval  survival  cox-model  hazard  normal-distribution  autoregressive  mixed-model  r  mixed-model  sas  hypothesis-testing  mediation  interaction 
3
중복을 처리하는 랜덤 효과 모델
반복 이진 결과를 사용하여 이벤트 시간 분석을 처리하려고합니다. 이벤트 시간은 일 단위로 측정되지만 현재는 시간을 주 단위로 이산한다고 가정합니다. 반복되는 이진 결과를 사용하여 Kaplan-Meier 추정량을 근사하고 싶지만 공변량을 허용하고 싶습니다. 이것은 원형 교차로처럼 보일 것이지만 이것이 서수 결과와 반복되는 사건으로 어떻게 확장되는지 탐구하고 있습니다. 3 주에 검열 된 사람의 경우 …
2
카플란-마이어 곡선은 콕스 회귀와는 달리
R에서는 암 환자의 생존 데이터 분석을하고 있습니다. CrossValidated 및 기타 장소에서 생존 분석에 대해 매우 유용한 내용을 읽었으며 Cox 회귀 결과를 해석하는 방법을 이해했다고 생각합니다. 그러나 하나의 결과로 여전히 버그가 발생합니다 ... 생존과 성별을 비교하고 있습니다. Kaplan-Meier 곡선은 여성 환자에게 유리합니다 (추가 한 범례가 올바른지 여러 번 확인했습니다. 최대 생존률이 …
4
콕스 위험 모델 생존 곡선을 어떻게 해석합니까?
콕스 비례 위험 모델의 생존 곡선을 어떻게 해석합니까? 이 장난감 예 age에서 kidney데이터의 변수에 대한 cox 비례 위험 모델이 있고 생존 곡선을 생성 한다고 가정 합니다. library(survival) fit <- coxph(Surv(time, status)~age, data=kidney) plot(conf.int="none", survfit(fit)) grid() 예를 들어, 시간 에 어떤 진술이 참입니까? 또는 둘 다 잘못 되었습니까?200200200 진술 1 : …
1
지수 분포의 ML 추정 (검열 된 데이터 포함)
Survival Analysis에서는 rv 의 생존 시간 이 기하 급수적으로 분포 된 것으로 가정합니다 . 이제 i_1 rv의 의 "결과" 가 있다고 생각 합니다. 이러한 결과의 일부만이 실제로 "완전히 실현"됩니다. 즉, 나머지 관측치는 여전히 "살아 있습니다".엑스나는XiX_i엑스1, ... ,엑스엔x1,…,xnx_1,\dots,x_n엑스나는XiX_i 분포 의 속도 모수 에 대해 ML 추정을 수행 하려면 실현되지 않은 관측 …
2
사소한 기능에 대한 적합도를 평가하는 방법
분류 및 회귀에 대한 지식이 있지만 생존 분석을 처음 접하는 사람입니다. 회귀 분석을 위해 MSE 및 R 제곱 통계가 있습니다. 그러나 생존 모델 A가 어떤 종류의 그래픽 플롯 (KM 곡선) 외에 생존 모델 B보다 우수하다고 말할 수 있습니까? 가능한 경우 차이점을 예를 들어 설명하십시오 (예 : R의 rpart 패키지). 한 …
1
R을 사용하여 시간 의존적 공변량으로 생존 데이터를 생성하는 방법
시간 의존적 공변량을 포함하는 Cox 비례 위험 모델에서 생존 시간을 생성하고 싶습니다. 모델은 h ( t |엑스나는) =h0( t ) 특급( γ엑스나는+ α미디엄나는( t ) )h(티|엑스나는)=h0(티)특급⁡(γ엑스나는+α미디엄나는(티))h(t|X_i) =h_0(t) \exp(\gamma X_i + \alpha m_{i}(t)) 여기서 는 Binomial (1,0.5) 및 됩니다.엑스나는엑스나는X_i미디엄나는( t ) =β0+β1엑스나는+β2엑스나는티미디엄나는(티)=β0+β1엑스나는+β2엑스나는티m_{i}(t)=\beta_0 + \beta_1 X_{i} + \beta_2 X_{i} t 실제 매개 …
당사 사이트를 사용함과 동시에 당사의 쿠키 정책과 개인정보 보호정책을 읽고 이해하였음을 인정하는 것으로 간주합니다.
Licensed under cc by-sa 3.0 with attribution required.