सर्वाइवल डेटा के लिए एक प्रतिस्पर्धी जोखिम प्रतिगमन नोमोग्राम मॉडल की स्थापना
Summary
यहां प्रस्तुत कॉक्स आनुपातिक खतरों प्रतिगमन मॉडल और प्रतिस्पर्धी जोखिम प्रतिगमन मॉडल के आधार पर नोमोग्राम बनाने के लिए एक प्रोटोकॉल है । प्रतिस्पर्धी विधि अस्तित्व विश्लेषण में मौजूद होने पर लागू करने के लिए एक अधिक तर्कसंगत तरीका है।
Abstract
कयोजना-मेयर विधि और कॉक्स आनुपातिक खतरों प्रतिगमन मॉडल अस्तित्व के ढांचे में सबसे आम विश्लेषण कर रहे हैं । ये लागू करने और व्याख्या करने के लिए अपेक्षाकृत आसान हैं और नेत्रहीन चित्रित किया जा सकता है। हालांकि, जब प्रतिस्पर्धी घटनाओं (जैसे, हृदय और मस्तिष्क दुर्घटनाओं, उपचार से संबंधित मौतें, यातायात दुर्घटनाएं) मौजूद हैं, तो मानक अस्तित्व के तरीकों को सावधानी के साथ लागू किया जाना चाहिए, और वास्तविक दुनिया के डेटा की सही व्याख्या नहीं की जा सकती है। विभिन्न प्रकार की घटनाओं को अलग करना वांछनीय हो सकता है जो विफलता का कारण बन सकते हैं और विश्लेषण में उन्हें अलग ढंग से व्यवहार कर सकते हैं। यहां, प्रतिस्पर्धी प्रतिगमन मॉडल का उपयोग करने के लिए महत्वपूर्ण शकुन कारकों या जोखिम कारकों की पहचान करने पर ध्यान केंद्रित जब प्रतिस्पर्धी घटनाओं मौजूद हैं । इसके अतिरिक्त, एक आनुपातिक खतरा प्रतिगमन मॉडल और एक प्रतिस्पर्धी प्रतिगमन मॉडल के आधार पर नोमोग्राम चिकित्सकों व्यक्तिगत आकलन और जोखिम स्तरीकरण करने में मदद करने के लिए पूर्वानुमान पर विवादास्पद कारकों के प्रभाव की व्याख्या करने के लिए स्थापित कर रहे हैं ।
Introduction
नैदानिक अध्ययनों में घटना अस्तित्व विश्लेषण का समय काफी आम है। अस्तित्व डेटा ब्याज की घटना की घटना तक शुरू समय से समय अवधि को मापने, लेकिन ब्याज की घटना की घटना अक्सर एक और घटना से पहले से ही है । यदि एक से अधिक प्रकार के अंत बिंदु मौजूद हैं, तो उन्हें प्रतिस्पर्धी जोखिम अंत बिंदु कहा जाता है। इस मामले में, मानक जोखिम विश्लेषण (यानी, कॉक्स आनुपातिक कारण-विशिष्ट खतरों मॉडल) अक्सर अच्छी तरह से काम नहीं करता है क्योंकि किसी अन्य प्रकार की घटना का अनुभव करने वाले व्यक्तियों को सेंसर किया जाता है। जो व्यक्ति एक प्रतिस्पर्धी घटना का अनुभव अक्सर जोखिम सेट में रहते हैं, क्योंकि प्रतिस्पर्धी जोखिम आमतौर पर स्वतंत्र नहीं होते हैं। इसलिए, फाइन और ग्रे 1 नेप्रतिस्पर्धी जोखिम के उप वितरण के लिए प्रतिगमन मॉडल अनुमान का अध्ययन किया। एक प्रतिस्पर्धी जोखिम सेटिंग में, तीन विभिन्न प्रकार की घटनाओं के साथ भेदभाव किया जा सकता है ।
एक रोग के लिए नए उपचार विधियों से प्रत्यक्ष नैदानिक लाभ का प्रदर्शन करके समग्र अस्तित्व (ओएस) का उपाय करता है। ओएस किसी भी कारण से मृत्यु के समय मूल (यानी निदान या उपचार का समय) से जीवित रहने के समय को मापता है और आम तौर पर मृत्यु के पूर्ण जोखिम का मूल्यांकन करता है, जिससे मृत्यु के कारणों (जैसे, कैंसर-विशिष्ट मृत्यु (सीएसडी) या गैर-कैंसर-विशिष्ट मृत्यु (गैर-सीएसडी)2में अंतर करने में विफल रहा है । इसलिए ओएस को सबसे महत्वपूर्ण एंडपॉइंट माना जाता है। ब्याज की घटनाओं अक्सर कैंसर से संबंधित हैं, जबकि गैर कैंसर विशिष्ट घटनाओं, जो हृदय रोग, यातायात दुर्घटनाओं या अंय असंबंधित कारणों में शामिल हैं, प्रतिस्पर्धी घटनाओं माना जाता है । एक अनुकूल पूर्वानुमान के साथ घातक रोगियों, जो लंबे समय तक जीवित रहने की उम्मीद कर रहे हैं, अक्सर गैर सीएसडी का एक बड़ा खतरा है । यही है, ओएस मौत के अन्य कारणों से पतला हो जाएगा और नैदानिक उपचार की वास्तविक प्रभावशीलता की सही व्याख्या करने में विफल रहेगा। इसलिए, ओएस रोग3के परिणामों तक पहुंचने के लिए इष्टतम उपाय नहीं हो सकता है। इस तरह के पूर्वाग्रहों को प्रतिस्पर्धी जोखिम प्रतिगमन मॉडल द्वारा ठीक किया जा सकता है ।
प्रतिस्पर्धी जोखिम डेटा के लिए दो मुख्य तरीके हैं: कारण-विशिष्ट जोखिम मॉडल (कॉक्स मॉडल) और उपवितरण जोखिम मॉडल (प्रतिस्पर्धी मॉडल)। निम्नलिखित प्रोटोकॉल में, हम कारण-विशिष्ट जोखिम मॉडल और उपवितरण जोखिम मॉडल के आधार पर नोमोग्राम उत्पन्न करने के लिए दो तरीके पेश करते हैं। कारण विशिष्ट खतरा मॉडल कॉक्स आनुपातिक खतरों मॉडल है, जो विषयों जो समय है कि प्रतिस्पर्धी घटना हुई पर सेंसर के रूप में प्रतिस्पर्धी घटना का अनुभव व्यवहार करता है में फिट किया जा सकता है । 1999 में फाइन और ग्रे1 द्वारा पेश किए गए उप-वितरण जोखिम मॉडल में, तीन अलग-अलग प्रकार की घटनाओं के साथ भेदभाव किया जा सकता है, और जो व्यक्ति प्रतिस्पर्धी घटना का अनुभव करते हैं, वे हमेशा के लिए जोखिम पर बने रहते हैं।
नोमोग्राम तीन या अधिक चरों के बीच संबंधों का गणितीय प्रतिनिधित्व है4. मेडिकल नोमोग्राम जैविक और नैदानिक घटना को चर (जैसे, ट्यूमर ग्रेड और रोगी आयु) के रूप में मानते हैं और एक नैदानिक घटना (जैसे, कैंसर पुनरावृत्ति या मृत्यु) की संभावनाएं उत्पन्न करते हैं जिसे किसी दिए गए व्यक्ति के लिए सांख्यिकीय शकुन मॉडल के रूप में चित्रित किया गया है। आम तौर पर, कॉक्स आनुपातिक खतरों मॉडल5,6, 7,8,,7,,9,10के परिणामों के आधार पर एक नोमोग्राम तैयार किया जाता है।,,
हालांकि, जब प्रतिस्पर्धी जोखिम मौजूद हैं, कॉक्स मॉडल पर आधारित एक नोमोग्राम अच्छा प्रदर्शन करने में विफल हो सकता है । हालांकि पिछले कईअध्ययनों 11,,12,,13,,14 ने सीएसडी की संभावना का अनुमान लगाने के लिए प्रतिस्पर्धी जोखिम नोमोग्राम लागू किया है, कुछ अध्ययनों ने बताया है कि प्रतिस्पर्धी जोखिम प्रतिगमन मॉडल के आधार पर नोमोग्राम कैसे स्थापित किया जाए, और इसे पूरा करने के लिए कोई मौजूदा पैकेज उपलब्ध नहीं है। इसलिए, नीचे प्रस्तुत विधि एक प्रतिस्पर्धी जोखिम प्रतिगमन मॉडल के साथ-साथ उपचार निर्णय लेने में चिकित्सकों की सहायता के लिए जोखिम स्कोर अनुमान के आधार पर एक विशिष्ट प्रतिस्पर्धी जोखिम नोमोग्राम स्थापित करने के लिए एक कदम-दर-कदम प्रोटोकॉल प्रदान करेगी।
Protocol
Representative Results
Discussion
वर्तमान अध्ययन का समग्र लक्ष्य एक विशिष्ट प्रतिस्पर्धी जोखिम नोमोग्राम स्थापित करना था जो वास्तविक दुनिया के रोगों का वर्णन कर सकता है और चिकित्सकों के लिए उपचार निर्णयों का दृष्टिकोण करने के लिए एक…
Divulgazioni
The authors have nothing to disclose.
Acknowledgements
अध्ययन झेजियांग प्रांत प्राकृतिक विज्ञान फाउंडेशन (अनुदान संख्या LY19H160020) और जिन्हुआ नगर विज्ञान & प्रौद्योगिकी ब्यूरो (अनुदान संख्या 2016-3-005, 2018-3-001d और 2019-3-013) के प्रमुख कार्यक्रम के सामान्य कार्यक्रम से अनुदान द्वारा समर्थित किया गया था ।
Riferimenti
- Fine, J. P., Gray, R. J. A proportional hazards model for the subdistribution of a competing risk. Journal of the American Statistical Association. 94 (446), 496-509 (1999).
- Fu, J., et al. Real-world impact of non-breast cancer-specific death on overall survival in resectable breast cancer. Cancer. 123 (13), 2432-2443 (2017).
- Kim, H. T. Cumulative incidence in competing risks data and competing risks regression analysis. Clinical Cancer Research. 13, 559-565 (2007).
- Balachandran, V. P., Gonen, M., Smith, J. J., DeMatteo, R. P. Nomograms in oncology: more than meets the eye. Lancet Oncology. 16 (4), 173-180 (2015).
- Han, D. S., et al. Nomogram predicting long-term survival after d2 gastrectomy for gastric cancer. Journal of Clinical Oncology. 30 (31), 3834-3840 (2012).
- Karakiewicz, P. I., et al. Multi-institutional validation of a new renal cancer-specific survival nomogram. Journal of Clinical Oncology. 25 (11), 1316-1322 (2007).
- Liang, W., et al. Development and validation of a nomogram for predicting survival in patients with resected non-small-cell lung cancer. Journal of Clinical Oncology. 33 (8), 861-869 (2015).
- Valentini, V., et al. Nomograms for predicting local recurrence, distant metastases, and overall survival for patients with locally advanced rectal cancer on the basis of European randomized clinical trials. Journal of Clinical Oncology. 29 (23), 3163-3172 (2011).
- Iasonos, A., Schrag, D., Raj, G. V., Panageas, K. S. How to build and interpret a nomogram for cancer prognosis. Journal of Clinical Oncology. 26 (8), 1364-1370 (2008).
- Chisholm, J. C., et al. Prognostic factors after relapse in nonmetastatic rhabdomyosarcoma: a nomogram to better define patients who can be salvaged with further therapy. Journal of Clinical Oncology. 29 (10), 1319-1325 (2011).
- Brockman, J. A., et al. Nomogram Predicting Prostate Cancer-specific Mortality for Men with Biochemical Recurrence After Radical Prostatectomy. European Urology. 67 (6), 1160-1167 (2015).
- Zhou, H., et al. Nomogram to Predict Cause-Specific Mortality in Patients With Surgically Resected Stage I Non-Small-Cell Lung Cancer: A Competing Risk Analysis. Clinical Lung Cancer. 19 (2), 195-203 (2018).
- Fu, J., et al. De-escalating chemotherapy for stage II colon cancer. Therapeutic Advances in Gastroenterology. 12, 1756284819867553 (2019).
- Chen, D., Li, J., Chong, J. K. Hazards regression for freemium products and services: a competing risks approach. Journal of Statistical Computation and Simulation. 87 (9), 1863-1876 (2017).
- . rms: Regression Modeling Strategies. R package version 5.1-2 Available from: https://CRAN.R-project.org/package=rms (2018)
- . cmprsk: Subdistribution Analysis of Competing Risks. R package version 2.2-7 Available from: https://CRAN.R-project.org/package=cmprsk (2014)
- Scrucca, L., Santucci, A., Aversa, F. Regression modeling of competing risk using R: an in depth guide for clinicians. Bone Marrow Transplantation. 45 (9), 1388-1395 (2010).
- Zhang, Z., Geskus, R. B., Kattan, M. W., Zhang, H., Liu, T. Nomogram for survival analysis in the presence of competing risks. Annals in Translational Medicine. 5 (20), 403 (2017).
- Geskus, R. B. Cause-specific cumulative incidence estimation and the fine and gray model under both left truncation and right censoring. Biometrics. 67 (1), 39-49 (2011).
- Fu, J., et al. Young-onset breast cancer: a poor prognosis only exists in low-risk patients. Journal of Cancer. 10 (14), 3124-3132 (2019).
- de Glas, N. A., et al. Performing Survival Analyses in the Presence of Competing Risks: A Clinical Example in Older Breast Cancer Patients. Journal of the National Cancer Institute. 108 (5), (2016).
