StataNow較新之區(qū)間刪失多事件數(shù)據(jù)的邊際Cox PH模型

時間：2025-01-03作者：北京天演融智軟件有限公司瀏覽：14

需要從多種類型的事件(如糖尿病和高血壓的發(fā)病)中分析事件時間嗎？不知道確切的事件發(fā)生時間？使用新的stmgintcox命令來分析這種區(qū)間刪失的多事件數(shù)據(jù)，并考慮不同事件之間的事件時間可能存在的相關(guān)性。評估比例風險假設(shè)。對所有事件的共同協(xié)變量效應(yīng)進行強有力的檢驗。對協(xié)變量生存函數(shù)、風險函數(shù)和其他函數(shù)作圖以及更多！該命令現(xiàn)在是StataNow?的一部分。




區(qū)間刪失多事件數(shù)據(jù)通常出現(xiàn)在縱向研究中，因為每個研究對象可能經(jīng)歷幾種類型的事件，并且這些事件不會被直接觀測到，但已知會在一定時間間隔內(nèi)發(fā)生。這種數(shù)據(jù)類型出現(xiàn)在許多領(lǐng)域，包括醫(yī)學、流行病學、生物學、社會學等。例如，研究慢性疾病的流行病學家可能會在不同的醫(yī)生就診過程中收集患有多種疾?。ㄈ缧呐K病和代謝性疾?。┑幕颊叩臄?shù)據(jù)。同樣，社會學家可能會定期進行調(diào)查，記錄重大生活事件，如工作變化和婚姻。在生態(tài)學中，研究人員可以通過定期觀察來監(jiān)測動物的繁殖周期，如筑巢和分娩。在這些研究中，研究人員通常對評估某些因素對事件時間的影響感興趣。然而，分析區(qū)間刪失多事件數(shù)據(jù)是具有挑戰(zhàn)性的，因為沒有一個事件時間是被精確觀測到的，而且不同事件時間之間的依賴結(jié)構(gòu)往往是未知的。




邊際比例風險模型可以用來分析區(qū)間刪失的多事件數(shù)據(jù)。這些模型不需要對不同事件之間的依賴結(jié)構(gòu)進行建模，就可以提供較穩(wěn)健的推斷。它們還產(chǎn)生了可以解釋為群體平均效應(yīng)的參數(shù)。此外，它們比隨機效應(yīng)模型較快。



在Stata 17中，我們引入了tintcox命令來擬合單變量區(qū)間刪失事件時間數(shù)據(jù)的真正半?yún)?shù)Cox模型。在Stata 18中，我們擴展了stintcox的功能以支持時變協(xié)變量( TVCs )。新的stmgintcox命令適用于區(qū)間刪失多事件數(shù)據(jù)的邊際比例風險模型。您可以將此命令用于每個事件數(shù)據(jù)的單個或多個記錄，并且它支持所有事件或特定事件的TVC。它還提供了靈活的方法來*具有特定事件協(xié)變量的模型。在擬合模型后，可以使用比經(jīng)典的多元Wald檢驗較強大的檢驗來估計和檢驗協(xié)變量在所有事件時間上的平均效應(yīng)。您還可以生成特定事件的預測，創(chuàng)建協(xié)變量調(diào)整后的幸存者和其他函數(shù)，并在stmgintcox之后生成擬合優(yōu)度圖。


示例

為每個事件間隔的單次記錄刪失數(shù)據(jù)擬合模型

考慮一個基于Xu，Zeng，和 Lin ( 2023 )描述的社區(qū)動脈粥樣硬化風險(ARIC )研究模擬的虛擬數(shù)據(jù)集。該數(shù)據(jù)集包含200名受試者，美國每4個社區(qū)中就有一個。參與者隨時間推移進行隨訪，并在多次隨訪檢查中對糖尿病和高血壓進行評估。由于受試者只是定期接受檢查，因此沒有觀察到這些疾病的確切發(fā)病時間，但眾所周知，這些疾病發(fā)生在醫(yī)生就診的間隔時間內(nèi)。ltime和rtime兩個變量分別通過記錄事件發(fā)生前的最后一次檢查時間和事件發(fā)生后的**次檢查時間來捕捉這一信息。




我們希望找出影響糖尿病和高血壓發(fā)病時間的因素。感興趣的因素包括三個人口統(tǒng)計學變量race，性別(male)和 community-以及五個基線危險因素：年齡( age )，體重指數(shù)( bmi )，血糖水平( glucose )，收縮壓( sysbp )和舒張壓( diabp )。該數(shù)據(jù)集包含每個受試者的每個事件的一條記錄，事件時間信息記錄為間隔數(shù)據(jù)，稱為每個事件間隔的單記錄刪失數(shù)據(jù)。以下是91和92名受試者數(shù)據(jù)集的一個子集：


我們可以擬合一個邊際Cox比例風險模型，其中糖尿病和高血壓的發(fā)病時間取決于上述因素。在每個事件一條記錄的格式中，必須*id()、event()和interval()選項。該命令執(zhí)行密集的計算，可能需要較長的運行時間。

系數(shù)表上方的標題給出了刪失信息的匯總。在糖尿病的輸出中，我們注意到白人患糖尿病的風險較低。此外，較高的體重指數(shù)和升高的血糖水平與較高的糖尿病風險相關(guān)。在高血壓的輸出中，我們看到收縮壓和舒張壓越高，患高血壓的風險就越大。







事件特定協(xié)變量擬合模型

述模型可以看出，體重指數(shù)和血糖水平是糖尿病的關(guān)鍵危險因素，而不是高血壓的關(guān)鍵危險因素。另一方面，收縮壓和舒張壓是高血壓的重要因素，但不是糖尿病的重要因素。因此，我們可以使用不同的協(xié)變量集合來模擬這兩個事件。我們還使用了nolog選項來隱藏迭代日志，favorspeed選項來加速計算。


因為age, male, community, 和 race 是兩個事件的共同協(xié)變量，我們也可以通過使用共同協(xié)變量和特定事件協(xié)變量的組合來*模型：

上述兩種規(guī)格都會給我們相同的結(jié)果。







估計和檢驗協(xié)變量在所有事件中的平均效應(yīng)

在擬合了上述模型后，假設(shè)我們想檢驗age 對所有事件的影響都為零的假設(shè)。我們可以使用estat common命令估計 age在所有事件中的較優(yōu)加權(quán)平均效應(yīng)，并進行z檢驗，以確定在原假設(shè)下這種平均效應(yīng)是否為零。



我們不能拒絕原假設(shè)，即所有事件的age加權(quán)平均效應(yīng)為零（p值為0.518）。當不同事件之間的效果相似時，該檢驗比傳統(tǒng)的多元Wald檢驗較強大，后者可以用test命令執(zhí)行

繪制生存函數(shù)







我們可以用stcurve來繪制估計的生存函數(shù)。默認情況下，帶有生存選項的stcurve命令在每個事件的協(xié)變量總體均值上評估 survival 函數(shù)，并將兩個事件的生存函數(shù)繪制為子圖。

我們可以添加sepevents選項，要求在單獨的圖形上顯示每個事件的估計幸存者函數(shù)。

 

如果我們希望比較不同社區(qū)的糖尿病患者的平均生存曲線，我們可以使用at()選項為community *多個值，并在event()選項中*事件值標簽" Diabetes "。

上述生存曲線表明，F(xiàn)orsyth (藍線)和 Minneapolis (綠線)的普通人患糖尿病的風險相似，而 Washington (黃線)和 Jackson (紅線)的普通人患糖尿病的風險較低。




通過擬合優(yōu)度圖評估模型整體擬合情況

我們可以使用estat gofplot命令生成特定事件的擬合優(yōu)度圖，并直觀地評估整體模型的擬合情況。estat gofplot根據(jù)每個事件的Cox - Snell - like殘差計算累積風險函數(shù)的經(jīng)驗估計值，并將由此產(chǎn)生的累積風險率與殘差本身進行繪圖。如果模型擬合數(shù)據(jù)，則這些圖預計將保持在參考線附近。

默認情況下，estat gofplot將所有特定事件的擬合優(yōu)度圖顯示為單個圖中的子圖。左側(cè)的圖表明邊際Cox比例風險模型很好的擬合了對糖尿病的數(shù)據(jù)。右邊的圖表明，邊際Cox模型對高血壓的數(shù)據(jù)擬合得較好，由于離群值偏離參考線，所以尾部除外。




每個事件間隔的多次記錄刪失數(shù)據(jù)擬合模型

間刪失數(shù)據(jù)也可以以每個事件的多條記錄格式記錄。在這種格式中，受試者的每個事件可能包含多個記錄，每個記錄有多個檢查時間，每個檢查時間都有潛在的TVC。在這里，我們使用了之前數(shù)據(jù)集的擴展版本。包含了所有的基線協(xié)變量以及四個時變協(xié)變量：bmi，glucose，sysbp和diabp。并記錄檢查時間(time)及自上次檢查以來是否發(fā)生了事件(status)。以下是受試者91和92的數(shù)據(jù)集子集：


我們使用stmgintcox擬合邊際Cox比例風險模型，其中事件(糖尿病、高血壓)發(fā)生的時間取決于基線協(xié)變量age, male, community和 race 以及TVCs bmi，glucose，sysbp和diabp。在每個事件的多記錄格式中，必須*id()、event()、time()和status()選項。我們還包括detail選項，以獲得每個事件的詳細審查信息。

在考慮了隨時間變化的危險因素后，我們發(fā)現(xiàn)血糖水平升高、較高的體重指數(shù)和收縮壓升高患糖尿病的風險較高。白人患糖尿病的風險較低。此外，收縮壓和舒張壓水平的升高與患高血壓的風險增加有關(guān)。




 
參考文獻
Xu, Y., D. Zeng, and D. Lin. 2023. Marginal proportional hazards models for multivariate interval-censored data. Biometrika 110: 815–830.
 
The ARIC investigators. 1989. The Atherosclerosis Risk in Communities (ARIC) study: Design and objectives. American Journal of Epidemiology 129: 687–702. 


北京天演融智軟件有限公司（科學軟件網(wǎng)）是Stata軟件在中國的授權(quán)經(jīng)銷商，為中國的軟件用戶提供優(yōu)質(zhì)的軟件銷售和培訓服務(wù)。 



北京天演融智軟件有限公司專注于pscad,gams,spsspro,stata,matlab,mathematica,nvivo等, 歡迎致電 18510103847

• 詞條

  詞條說明

• GMS軟件MODFLOW-USG Transport中新Recharge選項

  您是否需要在地下水模擬系統(tǒng)(GMS)中的MODFLOW-USG運輸模型中改進補給選項? 在GMS 10.8中，我們?yōu)镸ODFLOW-USG?Transport Recharge程序包添加了兩個選項。Concentrations (CONC)選項和Use Seep Elevation (SEEPELEV)?選項現(xiàn)在已被添加至主對話框。當用戶需要某些物種的濃度和/或滲透高度時，較容

• ATLAS.ti軟件功能及應(yīng)用視頻免費教程

  ATLAS.ti是一個強大的用于定性分析文本、圖形、音頻和視頻數(shù)據(jù)的平臺。**的工具幫您安排、重新裝配和管理您的素材，到目前為止，還沒有一個系統(tǒng)的方法可以這么做。ATLAS.ti讓您專注于素材本身。不管您的領(lǐng)域是人類學、經(jīng)濟學、犯罪學還是醫(yī)學，ATLAS.ti都可以滿足您定性分析的需求。鑒于軟件國內(nèi)教程較少，為此科學軟件網(wǎng)為大家?guī)砹吮拒浖瓘S的教學視頻，并添加了字幕，教程完全免費，歡迎大家登錄

• 在線考試介紹

  在線考試平臺的需求分析：系統(tǒng)總體需求在線考試平臺需要完成以下業(yè)務(wù)功能：系統(tǒng)登陸、系統(tǒng)管理、門戶管理、考試管理、統(tǒng)計分析。這里主要介紹考試管理業(yè)務(wù)，主要包括題庫管理、試卷管理、練習安排和考試安排等，此模塊是在線考試平臺的**模塊，具有學員考試管理，學員練習和管理試卷等功能?？荚嚬芾砟K是系統(tǒng)、教師和學員共同使用的三個模塊。為學校、培訓機構(gòu)以及大型企業(yè)庫管理和在線考試服務(wù)；支持用戶學生、教師、課程、部

• 西城mathematica費用

  西城Mathematica費用科學軟件網(wǎng)是您在尋找Mathematica科學計算軟件服務(wù)的良好選擇。我們代理銷售眾多軟件**，并秉承為高校、科研機構(gòu)和企業(yè)提供優(yōu)質(zhì)科研軟件及服務(wù)的宗旨。 Mathemaica是一款功能強大的科學計算軟件，被譽為世界通用計算系統(tǒng)中的*。Mathematica的主要功能與特點讓其成為科學計算領(lǐng)域的**。它支持廣泛的數(shù)值和符號計算，如代數(shù)、微積分、線性代數(shù)等，解決各類