쌍을 이룬 데이터에 대한 두 개의 생존 곡선 비교 데 사용되고 두 번째 방법은

생존 분석에서 상태 변화를 감지하는 두 가지 방법을 비교하고 싶습니다. 한 그룹의 피험자들이 더 오랜 기간 (수년) 동안 추적되고 있으며 상태 변화가 발생했는지 여부를 조사하기 위해 두 가지 검사 방법이 사용되었습니다. 한 가지 방법은 일 년에 두 번 각 대상을 검사하는 데 사용되고 두 번째 방법은 일 년에 한 번 각 대상을 검사하는 데 사용되었습니다. 문제는이 두 가지 방법이 상태 변화를 감지하는 능력이 체계적으로 다른지 여부입니다.

내가 생각한 테스트는 두 방법의 Kaplan-Meier 곡선이 다른지 확인하기위한 로그 순위 테스트입니다. 로그 순위 테스트를 수행 할 때 생존 곡선이 “페어링”(즉, 두 가지 방법이 동일한 주제에 사용되는) 문제인지 궁금합니다. 로그 순위 테스트에서 가정을 위반합니까? 아니면 두 곡선이 관련되어 있음을 설명하지 않기 때문에 비효율적 인 테스트입니까? 관측에 대한 의존성을 설명하는 대안 분석에 대한 제안이 있습니까?


어쩌면 이것은 문제가되지 않을 수도 있습니다.

글쎄, 나는 상태 변경의 진정한 시간을 모른다. 메서드가 상태 변경을 감지 한 시점 만. 상태 변경이 감지되지 않은 마지막 검사와 상태 변경이 감지 된 검사 사이의 시간 간격의 중간 지점으로 생존 시간을 설정해야한다고 생각했습니다. 그것은 일년에 두 번 사용되는 방법과 대조적으로 일년에 한 번만 대상을 검사하는 데 사용되는 방법의 단점을 보완 할 수 있습니다. 그런 다음이 데이터로부터 생존 곡선을 구성하십시오.



답변

두 생존 모델의 모델 성능을 비교하려면 C 통계 (Harrell ‘s C, survival ROC …) 계산이 더 합리적인 방법 일 수 있습니다. 두 생존 모델의 C- 통계량을 계산하고 비교하십시오 (p- 값을 얻을 수 있음).

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

이 링크는 생존 모델에 대한 C- 통계를위한 다양한 도구를 보여줍니다.