Introduktion til overlevelsesanalyse - Cox regression III

More documents

Recommendations

Info

u n i v e r s i t y o f c o p e n h a g e n d e p a r t m e n t o f b i o s t a t i s t i c s 4) Fortsat: Måske øges / reduceres effekten lineært med tiden svarende til modellen λ i (t) = λ 0 (t) exp(β(t)X i ) = λ 0 (t) exp((β 1 + β 2 t)X i ) som kan beskrives vha. den tidsafhængige variabel X 2 (t) = t × X β 1 X + β 2 X 2 (t) = β 1 X + β 2 tX = (β 1 + β 2 t)X. For at kunne formulere en sådan model er vi nødt til at undersøge hvordan den tidsafhængige effekt ser ud. (Vi undersøger dette næste gang vha. residualer). Håndteringen af tidsafhængige variable i R kræver lidt programmering (men er principielt simpelt nok). Se KK kapitel 6. 40 / 44
u n i v e r s i t y o f c o p e n h a g e n d e p a r t m e n t o f b i o s t a t i s t i c s Øvelser PBC-data (Primary Biliary Cirrhosis). Vi vil her forsøge at beskrive risikoen for død (status=2) vha følgende forklarende variable: Alder, køn, edema, bilirubin, prothrombin time, albumin. 1) Aktivér datasættet pbc i survival-pakken. Find eventuelt beskrivelser af dette datasæt ved at søge på nettet. 2) Formulér en passende model: Overvej i hvilken form de kontinuerte variable skal inkluderes. Vurdér hvordan edema skal inkluderes (lav evt. et trendtest). 3) Afhænger effekten af edema af køn 4) Afhænger effekten af de kontinuerte variable af køn Kan man forestille sig andre mulige interaktioner I så fald, udfør et passende test. 41 / 44
Page 1 and 2: u n i v e r s i t y o f c o p e n h
Page 39: u n i v e r s i t y o f c o p e n h

Introduktion til overlevelsesanalyse - Cox regression III

You also want an ePaper? Increase the reach of your titles

Delete template?

Save as template?