Etablere en konkurrerende risiko regresjon Nomogram modell for overlevelse data

Summary

Presentert her er en protokoll for å bygge nomograms basert på Cox proporsjonale farer regresjon modell og konkurrerende risiko regresjon modell. Den konkurrerende metoden er en mer rasjonell metode for å søke når konkurrerende hendelser er til stede i overlevelsesanalysen.

Abstract

Kaplan-Meier-metoden og Cox proporsjonale farer regresjonsmodell er de vanligste analysene i overlevelsesrammeverket. Disse er relativt enkle å bruke og tolke og kan avbildet visuelt. Men når konkurrerende hendelser (f.eks. kardiovaskulære og cerebrovaskulære ulykker, behandlingsrelaterte dødsfall, trafikkulykker) er til stede, bør standard overlevelsesmetoder brukes med forsiktighet, og virkelige data kan ikke tolkes riktig. Det kan være ønskelig å skille mellom ulike typer hendelser som kan føre til svikt og behandle dem annerledes i analysen. Her fokuserer metodene på å bruke den konkurrerende regresjonsmodellen til å identifisere betydelige prognostiske faktorer eller risikofaktorer når konkurrerende hendelser er til stede. I tillegg er nomograms basert på en proporsjonal fareregresjonsmodell og en konkurrerende regresjonsmodell etablert for å hjelpe klinikere med å gjøre individuelle vurderinger og risikostratifiseringer for å forklare virkningen av kontroversielle faktorer på prognosen.

Introduction

Tiden for å hendelsesoverlevelsesanalyse er ganske vanlig i kliniske studier. Overlevelsesdata måler tidsperioden fra starttiden til forekomsten av hendelsen av interesse, men forekomsten av hendelsen av interesse er ofte utelukket av en annen hendelse. Hvis mer enn én type sluttpunkt er til stede, kalles de konkurrerende risikosluttpunkter. I dette tilfellet fungerer standard fareanalyse (det vil vil vil at Cox proporsjonal årsaksspesifikke farer modell) ofte ikke fungerer bra fordi personer som opplever en annen type hendelse er sensurert. Personer som opplever en konkurrerende hendelse forblir ofte i risikosettet, da de konkurrerende risikoene vanligvis ikke er uavhengige. Derfor studerte Fine og Gray¹ regresjonsmodellestimering for underfordelingen av en konkurrerende risiko. I en konkurrerende risikosetting kan tre ulike typer hendelser diskrimineres.

Man måler total overlevelse (OS) ved å demonstrere en direkte klinisk fordel ved nye behandlingsmetoder for en sykdom. OS måler overlevelsestiden fra opprinnelsestidspunktet (f.eks. tidspunktet for diagnose eller behandling) til dødstidspunktet på grunn av enhver årsak og vurderer generelt den absolutte risikoen for død, og dermed unnlater å differensiere dødsårsakene (f.eks. kreftspesifikk død (CSD) eller ikke-kreftspesifikk død (ikke-CSD))². OS anses derfor som det viktigste endepunktet. Hendelsene av interesse er ofte kreftrelaterte, mens de ikke-kreftspesifikke hendelsene, som inkluderer hjertesykdom, trafikkulykker eller andre urelaterte årsaker, anses som konkurrerende hendelser. Ondartede pasienter med en gunstig prognose, som forventes å overleve lenger, har ofte større risiko for ikke-CSD. Det vil si at operativsystemet vil bli fortynnet av andre dødsårsaker og unnlater å tolke den virkelige effektiviteten av klinisk behandling på riktig måte. Derfor kan OS ikke være det optimale tiltaket for å få tilgang til resultatene av sykdom³. Slike skjevheter kan korrigeres av den konkurrerende risikoregresjonsmodellen.

Det finnes to hovedmetoder for konkurrerende risikodata: årsaksspesifikke faremodeller (Cox-modeller) og modeller for subdistribusjonsfare (konkurrerende modeller). I følgende protokoll presenterer vi to metoder for å generere nomograms basert på årsaksspesifikk faremodell og subdistribusjonsfaremodellen. Den årsaksspesifikke faremodellen kan gjøres for å passe inn i Cox proporsjonal faremodell, som behandler personer som opplever den konkurrerende hendelsen som sensurert på det tidspunktet den konkurrerende hendelsen skjedde. I subdistribusjonsfaremodellen som ble introdusert av Fine og Gray^{1 i} 1999, kan tre forskjellige typer hendelser diskrimineres, og personer som opplever en konkurrerende hendelse forblir i faresettet for alltid.

Et nomogram er en matematisk representasjon av forholdet mellom tre eller flere variabler⁴. Medisinske nomograms anser biologisk og klinisk hendelse som variabler (f.eks. tumorgrad og pasientalder) og genererer sannsynligheten for en klinisk hendelse (f.eks. tilbakefall av kreft eller død) som er grafisk avbildet som en statistisk prognostisk modell for en gitt person. Vanligvis er et nomogram formulert basert på resultatene av Cox proporsjonale farer modell^5,6^,77,8,9,10.

Men når konkurrerende risiko er til stede, kan et nomogram basert på Cox-modellen mislykkes i å fungere bra. Selv om flere tidligere^{studier 11,12,13,14 har} brukt konkurrerende risiko nomogram for å estimere sannsynligheten for CSD, få studier har beskrevet hvordan å etablere nomogram basert på en konkurrerende risiko regresjon modell, og det er ingen eksisterende pakke tilgjengelig for å oppnå dette. Derfor vil metoden som presenteres nedenfor, gi en trinnvis protokoll for å etablere et bestemt konkurrerende risikonmogram basert på en konkurrerende risikoregresjonsmodell, samt en risikovurdering for å hjelpe klinikere i behandlingsbeslutninger.

Protocol

Forskningsprotokollen ble godkjent av etikkkomiteen ved Jinhua Hospital, Zhejiang University School of Medicine. For dette eksperimentet ble sakene hentet fra databasen Overvåking, epidemiologi og sluttresultater (SEER). SEER er en åpen tilgang database som inkluderer demografiske, forekomst og overlevelse data fra 18 befolkningsbaserte kreftregistre. Vi registrerte oss på SEER-nettstedet og signerte et sikkerhetsbrev for å innhente forskningsdataene (12296-nov2018). 1. Datakilde <li…

Representative Results

Overlevelsesegenskaper for eksempelkohortenI eksempelkohorten ble totalt 8550 kvalifiserte pasienter inkludert i analysen, og median oppfølgingstid var 88 måneder (område, 1 til 95 måneder). Totalt 679 (7,94 %) pasienter var yngre enn 40 år og 7871 (92,06 %) pasienter var eldre enn 40. Ved slutten av studien var 7483 (87,52 %) pasientene fortsatt var i live, var 662 (7,74 %) døde på grunn av brystkreft, og 405 (4,74 %) pasienter døde på grunn av andre årsaker (konkurrerende risiko). <p …

Discussion

Det overordnede målet med den nåværende studien var å etablere et bestemt konkurrerende risikonogram som kunne beskrive virkelige sykdommer og å utvikle en praktisk individuell vurderingsmodell for klinikere å nærme seg behandlingsbeslutninger. Her gir vi en trinnvis veiledning for å etablere nomograms basert på Cox regresjonsmodell og konkurrerende risikoregresjonsmodell og ytterligere utføre undergruppeanalyse. Zhang et al.¹⁸ introduserte en tilnærming for å skape et konkurrerende ri…

Materials

no

no

no