Вопросы с тегом «survival»

У меня есть GLMM формы: lmer(present? ~ factor1 + factor2 + continuous + factor1*continuous + (1 | factor3), family=binomial) Когда я использую drop1(model, test="Chi"), я получаю другие результаты, чем если бы я использовал Anova(model, type="III")из пакета автомобиля или summary(model). Последние два дают одинаковые ответы. Используя кучу сфабрикованных данных, я обнаружил, …

10 r  anova  glmm  r  mixed-model  bootstrap  sample-size  cross-validation  roc  auc  sampling  stratification  random-allocation  logistic  stata  interpretation  proportion  r  regression  multiple-regression  linear-model  lm  r  cross-validation  cart  rpart  logistic  generalized-linear-model  econometrics  experiment-design  causality  instrumental-variables  random-allocation  predictive-models  data-mining  estimation  contingency-tables  epidemiology  standard-deviation  mean  ancova  psychology  statistical-significance  cross-validation  synthetic-data  poisson-distribution  negative-binomial  bioinformatics  sequence-analysis  distributions  binomial  classification  k-means  distance  unsupervised-learning  euclidean  correlation  chi-squared  spearman-rho  forecasting  excel  exponential-smoothing  binomial  sample-size  r  change-point  wilcoxon-signed-rank  ranks  clustering  matlab  covariance  covariance-matrix  normal-distribution  simulation  random-generation  bivariate  standardization  confounding  z-statistic  forecasting  arima  minitab  poisson-distribution  negative-binomial  poisson-regression  overdispersion  probability  self-study  markov-process  estimation  maximum-likelihood  classification  pca  group-differences  chi-squared  survival  missing-data  contingency-tables  anova  proportion 

Я нашел множество формул, показывающих, как найти среднее время выживания для экспоненциального распределения или распределения Вейбулла, но мне значительно меньше везет для лог-нормальных функций выживания. Учитывая следующую функцию выживания: S( t ) = 1 - ϕ [ ln( т ) - μσ]S(T)знак равно1-φ[пер⁡(T)-μσ]S(t) = 1 - \phi \left[ {{{\ln (t) …

10 survival 

Я создал несколько моделей регрессии Кокса, и мне хотелось бы посмотреть, насколько хорошо работают эти модели, и я подумал, что, возможно, ROC-кривая или c-статистика могут быть полезны, как в этой статье: JN Armitage och JH van der Meulen, «Идентификация сопутствующей патологии у хирургических пациентов с использованием административных данных с помощью …

10 r  survival  roc 

Я слышал об анализе выживания и анализе данных о жизни, но не совсем понимаю общую картину. Мне было интересно, какие темы они затрагивают? Это чистая статистика или просто применение статистики по какой-то конкретной области? Является ли анализ даты жизни частью анализа выживания? Спасибо и всего наилучшего!

10 survival  mathematical-statistics 

Мне известно о тестировании предположения о пропорциональной опасности в контексте моделей Кокса PH, но я не встречал ничего, связанного с параметрическими моделями? Есть ли реальный способ проверить предположение PH некоторых параметрических моделей? Кажется, что следует учитывать, что параметрические модели лишь немного отличаются от полупараметрических моделей Кокса? Например, если бы я …

10 survival  assumptions  proportional-hazards 

контекст Я пытаюсь понять, как R coxph () принимает и обрабатывает повторяющиеся записи для субъектов (или пациента / клиента, если вы предпочитаете). Некоторые называют это длинным форматом, другие называют это «повторными измерениями». Посмотрите, например, набор данных, который включает столбец идентификатора в разделе Ответы по адресу: Лучшие пакеты для моделей Кокса …

10 r  repeated-measures  survival  cox-model  frailty 

Я представил статью, которая была отклонена из-за неправильного способа анализа выживания. Рефери не оставил никаких других подробностей или объяснений, кроме: «Анализ выживания по временным тенденциям требует более сложных способов цензуры». Вопрос: Снизился ли избыточный риск смерти среди курильщиков за последние десятилетия? Данные: 25 000 курильщиков в Германии. Они были зачислены …

10 regression  survival  incidence-rate-ratio  interval-censoring 

Я пытаюсь вписать модель с дискретным временем в R, но я не уверен, как это сделать. Я читал, что вы можете организовать зависимую переменную в разных строках, по одной для каждого временного наблюдения, и использовать glmфункцию со ссылкой logit или cloglog. В этом смысле, у меня есть три колонки: ID, …

10 r  survival  pca  sas  matlab  neural-networks  r  logistic  spatial  spatial-interaction-model  r  time-series  econometrics  var  statistical-significance  t-test  cross-validation  sample-size  r  regression  optimization  least-squares  constrained-regression  nonparametric  ordinal-data  wilcoxon-signed-rank  references  neural-networks  jags  bugs  hierarchical-bayesian  gaussian-mixture  r  regression  svm  predictive-models  libsvm  scikit-learn  probability  self-study  stata  sample-size  spss  wilcoxon-mann-whitney  survey  ordinal-data  likert  group-differences  r  regression  anova  mathematical-statistics  normal-distribution  random-generation  truncation  repeated-measures  variance  variability  distributions  random-generation  uniform  regression  r  generalized-linear-model  goodness-of-fit  data-visualization  r  time-series  arima  autoregressive  confidence-interval  r  time-series  arima  autocorrelation  seasonality  hypothesis-testing  bayesian  frequentist  uninformative-prior  correlation  matlab  cross-correlation 

Это всего лишь пример, с которым я сталкивался несколько раз, поэтому у меня нет примеров данных. Запуск модели линейной регрессии в R: a.lm = lm(Y ~ x1 + x2) x1является непрерывной переменной x2является категориальным и имеет три значения, например, «Низкий», «Средний» и «Высокий». Однако вывод, заданный R, будет выглядеть примерно …

10 r  regression  categorical-data  regression-coefficients  categorical-encoding  machine-learning  random-forest  anova  spss  r  self-study  bootstrap  monte-carlo  r  multiple-regression  partitioning  neural-networks  normalization  machine-learning  svm  kernel-trick  self-study  survival  cox-model  repeated-measures  survey  likert  correlation  variance  sampling  meta-analysis  anova  independence  sample  assumptions  bayesian  covariance  r  regression  time-series  mathematical-statistics  graphical-model  machine-learning  linear-model  kernel-trick  linear-algebra  self-study  moments  function  correlation  spss  probability  confidence-interval  sampling  mean  population  r  generalized-linear-model  prediction  offset  data-visualization  clustering  sas  cart  binning  sas  logistic  causality  regression  self-study  standard-error  r  distributions  r  regression  time-series  multiple-regression  python  chi-squared  independence  sample  clustering  data-mining  rapidminer  probability  stochastic-processes  clustering  binary-data  dimensionality-reduction  svd  correspondence-analysis  data-visualization  excel  c#  hypothesis-testing  econometrics  survey  rating  composite  regression  least-squares  mcmc  markov-process  kullback-leibler  convergence  predictive-models  r  regression  anova  confidence-interval  survival  cox-model  hazard  normal-distribution  autoregressive  mixed-model  r  mixed-model  sas  hypothesis-testing  mediation  interaction 

Я пытаюсь иметь дело с анализом времени на событие, используя повторяющиеся двоичные результаты. Предположим, что время до события измеряется днями, но на данный момент мы делим время на недели. Я хочу приблизить оценку Каплана-Мейера (но учесть ковариаты), используя повторяющиеся двоичные результаты. Это может показаться окольным путем, но я исследую, как …

9 mixed-model  survival  random-effects-model  recurrent-events 

В R я делаю анализ данных выживаемости больных раком. Я читал очень полезные материалы об анализе выживания в CrossValidated и других местах и ​​думаю, что понял, как интерпретировать результаты регрессии Кокса. Тем не менее, один результат по-прежнему меня беспокоит ... Я сравниваю выживание против пола. Кривые Каплана-Мейера явно соответствуют пациенткам …

9 r  survival  cox-model  kaplan-meier 

Как вы интерпретируете кривую выживания из модели пропорционального риска Кокса? В этом игрушечном примере предположим, что у нас есть модель пропорционального риска Кокса для ageпеременной в kidneyданных, и сгенерируем кривую выживания. library(survival) fit <- coxph(Surv(time, status)~age, data=kidney) plot(conf.int="none", survfit(fit)) grid() Например, в момент , какое утверждение верно? или оба не …

9 r  survival  cox-model  likelihood  machine-learning  deep-learning  generative-models  machine-learning  reinforcement-learning  q-learning  regression  multicollinearity  convergence  beta-distribution  bernoulli-distribution  machine-learning  self-study  pattern-recognition  neural-networks  stochastic-processes  linear 

В Survival Analysis вы предполагаете, что время выживания rv распределено экспоненциально. Учитывая теперь , что у меня есть х 1 , ... , х п «результаты» н.о.р. с.в. X я . Только некоторая часть этих результатов фактически «полностью реализована», то есть остальные наблюдения все еще «живы».ИксяXiX_iИкс1, … , ХNx1,…,xnx_1,\dots,x_nИксяXiX_i Если …

9 maximum-likelihood  references  survival  censoring  exponential-family 

Я новичок в анализе выживания, хотя у меня есть некоторые знания в области классификации и регрессии. Для регрессии мы имеем статистику MSE и R square. Но как мы можем сказать, что модель выживания A превосходит модель выживания B помимо каких-то графических графиков (кривая КМ)? Если возможно, объясните разницу с примером …

9 regression  survival  goodness-of-fit  cart  rpart 

Я хочу сгенерировать время выживания из модели пропорциональных рисков Кокса, которая содержит зависящий от времени ковариат. Модель h ( t | Xя) = ч0( т ) опыт( γИкся+ α мя( т ) )h(t|Xi)=h0(t)exp⁡(γXi+αmi(t))h(t|X_i) =h_0(t) \exp(\gamma X_i + \alpha m_{i}(t)) где генерируется из бинома (1,0.5) и m i ( t ) …

9 r  survival  cox-model  time-varying-covariate