RİSK FARKININ MANTEL-HAENSZEL TAHMİNİ – Epidemiyolojide Biyoistatistiksel Yöntemler – Biyoistatistikler – Epidemiyoloji – Biyoistatistikler Nedir? – İstatistik Fiyatları – Ücretli İstatistik
Kapalı Kohort Verileri için Risk Farkı Yöntemleri
Kapalı kohort verilerini analiz etmek için risk farkı yöntemleri, risk oranına dayalı olanlara benzer. Aslında, önceki bölüm ve şimdiki bölüm o kadar ortak noktaya sahiptir ki, burada 6. Bölüm’dekiyle neredeyse aynı olan bir dil kullanmak mümkündür.
TEK 2 × 2 TABLO İÇİN ASEMPTOTİK KOŞULSUZ YÖNTEMLER
Tabakalanmamış analiz için gözlemlenen sayılar Tablo 4.1’de verilmiştir. İkameyi π1 = π2 + RD yaparak, ortak olasılık fonksiyonu (4.1), RD ve lik2 parametrelerinin bir fonksiyonu olan bir olasılık elde etmek için yeniden parametrelendirilebilir. Bu, koşulsuz maksimum olasılık denklemlerine yol açar.
Örnek 7.1 (Reseptör Seviyesi-Meme Kanseri) Bu örnek için veriler Tablo 4.5 (a) ‘dan alınmıştır. Risk farkının tahmini RD = .264, var (RD) = (.0798) 2 ve RD için% 95 güven aralığı [.107, .420] ‘dir. Wald ilişkilendirme testi Xw2 = 12.40 (p <.001) ve Örnek 4.2’den olabilirlik oranı ilişkilendirme testi X2 = 11.68’dir (p = .001) olur.
J (2 × 2) TABLOLARI İÇİN ASEMPTOTİK KOŞULSUZ YÖNTEMLER
Şimdi tabakalı 2 × 2 tablolar için asimptotik koşulsuz yöntemleri ele alıyoruz. Jnci tabaka için veri düzeni Tablo 5.1’de verilmiştir ve risk farkı RD j = π1j −π2j’dir (j = 1,2, …, J). J tablolarının herbiri ayrı ayrı kullanılarak analiz edilebilir.
Bu, J + 1unknownsRDveπˆ2j (j = 1, 2,…, J) içindeki J + 1dizimlerinden oluşan bir sistemdir. Bu denklemlere bir çözüm Ek B’de açıklanan genel yöntemler kullanılarak elde edilebilir. Bölüm 6.2’deki risk oranı için olduğu gibi, (7.3) ve (7.4) ‘ü çözen πˆ2j’nin 0≤πˆ2j ≤1 kısıtlarını gereksiz şekilde karşılayacağının garantisi yoktur.
Kısıtlamalar karşılanmadığında, olasılığı en üst düzeye çıkarmak için alternatif yöntemler kullanılmalıdır. RD ve πˆ2 j tahmin edildiğinde, πˆ1 j = πˆ2 j + RD elde edilir. Yerleştirilen sayımlar aˆ1j, aˆ2j, bˆ1j ve bˆ2j (5.5) ‘de olduğu gibi tanımlanmıştır. Maksimum olasılık denklemlerini olarak yeniden yazabiliriz.
Örnek 7.2 (Reseptör Seviyesi-Meme Kanseri) Bu örnek için veriler Tablo 5.3’ten alınmıştır. Tablo 7.1, önceki bölümdeki yöntemleri kullanarak hastalığın evresine göre tabakaya özgü bir analiz vermektedir. % 95 güven aralıkları oldukça geniştir ve her biri diğer iki katman için risk farkı tahminlerini içerir, bu da homojenliğin varlığını gösterir.
Maksimum olasılık tahminleri RD = .161, πˆ21 = .084, πˆ22 = .233 ve πˆ23 = .656’dır ve uyan sayılar Tablo 7.2’de verilmiştir. Gözlenen ve. yerleştirilmiş satır marjinal toplamları uyuşmuyor. Tablo 5.5, 6.2 ve 7.2’deki uygun sayılar Tablo 5.3’teki gözlemlenen sayılarla karşılaştırıldığında, uyum iyiliği açısından olasılık oranı, risk oranı ve risk farkı modelleri arasında seçim yapmak için çok az şey olduğu görülmektedir.
- V = 59.47 + 75.35 + 38.90 = 173.72 ve var (RD) = 1 / 173.72 = (.0759) için RD için% 95 güven aralığı [.013, .310] ‘dur.
- Vˆ0 = 105.29 + 85.87 + 36.25 = 227.41 ile Wald ilişkilendirme testi Xw2 = (.161) 2 (227.41) = 5.92 (p = .01) şeklindedir.
Örnek 5.1’den, ilişkinin olasılık oranı testi X2 = 5.64’tür (p = .02). Homojenliğin olasılık oranı testi X h2 = .856 (p = .65) ve dolayısıyla homojenlik lehine önemli kanıtlar var.
Tehlike ve Risk Analizi
Risk analizi ve risk DEĞERLENDİRMESİ arasındaki fark
Risk analizi Nedir
Risk Analizi DEĞERLENDİRME Tablosu
Risk analizi Yapan firmalar
Risk değerlendirme Analizi Nedir
Risk Analizi Eğitimi
RİSK DEĞERLENDİRMESİ
RİSK FARKININ MANTEL-HAENSZEL TAHMİNİ
Risk farkının Mantel-Haenszel tahmini şu şekildedir ve bu nedenle RDmh, tabakaya özgü risk farkı tahminlerinin ağırlıklı ortalamasıdır. Sato (1989), hem büyük tabakalı hem de seyrek tabakalı koşullar altında geçerli olan bir var (RDmh) tahmini verir.
Örnek 7.3 (Reseptör Seviyesi-Meme Kanseri) Yukarıdaki yöntemlere göre,
- RDmh = (14.79 – 9.14) /34.05 = .166 22
- (RDmh) = [.166 (1.12) + 6.49] / (34.05) = (.0759) ve RD için% 95 güven aralığı [.0171, .315].
J (2 × 2) TABLOLARI İÇİN AĞIRLIKLI EN AZ KARE YÖNTEMLERİ
Ağırlıklı en küçük kareler yöntemi için, j. Tabakanın ağırlığı şöyle tanımlanır:
Risk farkı formülleri, wˆ j’nin yukarıdaki gibi tanımlanması ve RD’nin log (O R) ‘nin yerini alması dışında (5.33) – (5.37) ile aynıdır.
Örnek 7.4 (Reseptör Seviyesi-Meme Kanseri) Wˆ ls = 76.47 + 74.74 + 40.41 = 191.62’ye göre, risk farkının WLS tahmini, var’dan (RDls) = 1 / 191.62 = (.0722),% 95 güven RD için aralık [.013, .296] ‘dır. İlişkilendirme testi X2 = (.154) 2 (227.41) = 5.42 (p = .02),
ls burada W = 0ls = 227.41, Örnek 7.2’den gelir. Homojenlik testi. Xh2 = 76.47 (.076 – .154) 2 + 74.74 (.179 – .154) 2 + 40.41 (.257 – .154) 2 = .946 (p = .62).
ÖRNEK VE ÖNERİLERİN ÖZETİ
Tablo 7.3, asimptotik koşulsuz (AU), Mantel-Haenszel (MH) ve ağırlıklı en küçük kareler (WLS) yöntemlerine dayanan tabakalı reseptör seviyesi-meme kanseri analizlerinin sonuçlarını özetlemektedir. Her üç yöntem de benzer sonuçlar verir.
RD, RDmh ve RDl’lerin özellikleri, Bölüm 6.5’te (Greenland ve Robins, 1985b) açıklandığı gibi RR, RRmh ve RRl’lerin özelliklerine benzerdir ve bu nedenle ilgili öneriler yapılır.
Sağkalım Analizi
Bölüm 3–7’de, kapalı kohort çalışmalarından elde edilen verileri analiz etmek için yöntemler sunulmuştur. Bölüm 2.2.1’de açıklandığı gibi, kapalı kohort tasarımının temel özellikleri, tüm deneklerin aynı maksimum gözlem süresine sahip olması ve örneğin takip sırasında kaybedilmesi veya çalışmadan çekilmesi nedeniyle hiçbir öznenin gözlemlenemez olmamasıdır. Bu varsayımlar çok kısıtlayıcıdır ve pratikte nadiren karşılanır.
Kolektif olarak hayatta kalma analizi olarak adlandırılan kohort verilerini analiz etmek için daha genel yöntemler mevcuttur. Bu bölümde, sansür, hayatta kalma fonksiyonları, tehlike fonksiyonları, orantılı tehlike varsayımı ve rekabet eden riskler gibi hayatta kalma analizindeki bazı temel fikirleri tartışıyoruz.
Açık kohort çalışmalarında karıştırmanın karşı olgusal bir tanımı Ek G’de verilmiştir. Sağkalım analizi üzerine ek materyaller için başvurulabilecek pek çok kitap vardır; Kalbfleisch ve Prentice (1980), Lawless (1982), Cox ve Oakes (1984) ), Lee (1992), Collett (1994), Marubini ve Valsecchi (1995), Parmar ve Machin (1995), Klein-baum (1996), Klein ve Moeschberger (1997) ve Hosmer ve Lemeshow (1999).
AÇIK KUZEY ÇALIŞMALARI VE SANSÜR
Kohort çalışmaları genellikle belirli bir son nokta göz önünde bulundurularak tasarlanır. Somutluk adına, son noktayı belirli bir hastalık olarak kabul ediyoruz. Takip sırasında bir denek ya hastalığı geliştirir ya da geliştirmez. Hastalık ortaya çıkarsa, kohort çalışması söz konusu olduğunda o kişi için takip sona erer.
Bu denek için takip süresi, takibin başlangıcından hastalığın başlangıcına kadar geçen süre olarak tanımlanır, daha sonra ne olursa olsun. Hastalık gelişmezse, denek gözlenemez hale gelene veya çalışmanın bitiş tarihine (bitiş tarihine) ulaşana kadar (hangisi önce gelirse) takip devam eder.
Bu durumda, takip süresi, takip başlangıcından önceki iki olaydan birine kadar geçen süre olarak tanımlanır. Deneklerin farklı maksimum gözlem sürelerine sahip olduğu bir kohort çalışmasına açık kohort çalışması olarak atıfta bulunuyoruz.
Risk Analizi DEĞERLENDİRME Tablosu Risk Analizi Eğitimi Risk analizi Nedir Risk analizi ve risk DEĞERLENDİRMESİ arasındaki fark Risk analizi Yapan firmalar Risk değerlendirme Analizi Nedir RİSK DEĞERLENDİRMESİ Tehlike ve Risk Analizi