比较配对数据的两条生存曲线

机器算法验证 生存 配对数据
2022-03-10 23:55:50

我想比较两种不同的方法来检测生存分析中的状态变化。对一组受试者进行较长时间(多年)的跟踪,并采用了两种检查方法来检查是否发生了状态变化;一种方法用于每年检查每个科目两次,第二种方法用于每年检查每个科目一次。问题是这两种方法在检测状态变化的能力上是否存在系统差异。

我想到的测试是对数秩检验,看看这两种方法的 Kaplan-Meier 曲线是否不同。我想知道在执行对数秩检验时,生存曲线是“成对的”(即两种方法用于同一受试者)是否是一个问题。它是否违反了对数秩检验中的假设,或者它可能只是一个低效的检验,因为它没有说明两条曲线是相关的?有没有人建议进行替代分析以解释观察结果中的依赖性?


也许这不是问题,也许我想多了。

嗯,我不知道状态变化的真实时间,只知道方法检测到状态变化的时间点。我的一个想法是将生存时间设置为未检测到状态变化时的最后一次检查与检测到状态变化时的检查之间的时间间隔的中点。与每年使用两次的方法相比,这可以弥补每年只检查一次受试者的方法的缺点。然后根据这些数据构建生存曲线。

1个回答

如果要比较两个生存模型的模型性能,计算 C 统计量(Harrell's C,survival ROC ...)可能是更合理的方法。计算两个生存模型的 C 统计量并进行比较(可以获得 p 值)。

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

该链接显示了用于生存模型的 C 统计量的各种工具。