u*****8
发帖数: 180 | 1 我要用cox proportional hazard模型分析鸦片类药物导致药物中毒的hazard risk。每
个病人的用药历史被分为多个episode9（比如说一个episode是08年1月到3月，另一个
是08年9月到09年5月）.我把每个episode做成一个独立的time-to-event,假设每个人每
次episode的baseline risk 一样。
请问: 我是不是应该把属于同一个人的几个episode看作clustered data,因为存在
correlation。
多谢 |
A*******s
发帖数: 3942 | 2 recurrent event? 可以用frailty model。
【在 u*****8 的大作中提到】
: 我要用cox proportional hazard模型分析鸦片类药物导致药物中毒的hazard risk。每
: 个病人的用药历史被分为多个episode9（比如说一个episode是08年1月到3月，另一个
: 是08年9月到09年5月）.我把每个episode做成一个独立的time-to-event,假设每个人每
: 次episode的baseline risk 一样。
: 请问: 我是不是应该把属于同一个人的几个episode看作clustered data,因为存在
: correlation。
: 多谢
|
u*****8
发帖数: 180 | 3 多谢解答。
这里不是recurrent event.。 我就测第一次中毒。求教这样的话怎么搞？
因为病人会有很常间隔不用鸦片药物，所以才分成数个episode。但是我只测量首次中
毒，假设中毒只和中毒发生时刻所在的那次episode的剂量相关。
【在 A*******s 的大作中提到】
: recurrent event? 可以用frailty model。
|
A*******s
发帖数: 3942 | 4 你的意思是每个病人最多只有一个event，其他episode/observation都是consored？
应该还是可以用frailty. 或者用三文治夹一夹也可以。
【在 u*****8 的大作中提到】
: 多谢解答。
: 这里不是recurrent event.。 我就测第一次中毒。求教这样的话怎么搞？
: 因为病人会有很常间隔不用鸦片药物，所以才分成数个episode。但是我只测量首次中
: 毒，假设中毒只和中毒发生时刻所在的那次episode的剂量相关。
|
u*****8
发帖数: 180 | 5 谢谢指点。
是这个意思，每个病人至多一个event,其他的censored. 一个event之后，病人中过毒
后面中毒的概率很不一样，所以只算第一次。
我尝试用你说的方法作一些。
谢。
【在 A*******s 的大作中提到】
: 你的意思是每个病人最多只有一个event，其他episode/observation都是consored？
: 应该还是可以用frailty. 或者用三文治夹一夹也可以。
|
k*******a
发帖数: 772 | 6 这个感觉是 time dependent hazard risk |
A*******s
发帖数: 3942 | 7 嗯，听你这么一说有道理。按lz的描述，如果是model time to first 中毒 since
very beginning, 可以将历次服药的历史当成time dependent variables。难点在于估
计functional forms of time dependent internal variables.
【在 k*******a 的大作中提到】
: 这个感觉是 time dependent hazard risk
|
u*****8
发帖数: 180 | 8 两位高见。
实际上我尝试了把dose作为一个time dependent covariate. 难点也就是像你说的，怎
么设置这个参数。 我用90天的平均计量。
但是有个缺陷就是，用90天平均计量，会低估一些短episode (比如说一个人最近的
episode只用20天，高剂量，结果中毒了，但是90天的平均计量就变成一个低剂量），
这样不准确。
所以我既设置了个90天剂量做time dependent covariate做了个模型，又想用各自独立
的episode作为time-to-event measure来做一个我称作episode-based模型。
如果觉得我的做法不妥，请务必赐教。
【在 A*******s 的大作中提到】
: 嗯，听你这么一说有道理。按lz的描述，如果是model time to first 中毒 since
: very beginning, 可以将历次服药的历史当成time dependent variables。难点在于估
: 计functional forms of time dependent internal variables.
|
A*******s
发帖数: 3942 | 9 functional form只能靠domain knowledge来估计，数量上是没啥好方法的。除非你只
关心prediction不关心其他的inference，但是internal time dependent variable很
多情况都不能拿来做prediction。
你的情况可能exponential weighted moving average更合理一些。
还有，如果你仔细看看partial likelihood的形式，你的time dependent model和所谓
的episode-based model是可以等效的。（刚仔细想了一下，这段话说错了。请lz自行
忽略）
【在 u*****8 的大作中提到】
: 两位高见。
: 实际上我尝试了把dose作为一个time dependent covariate. 难点也就是像你说的，怎
: 么设置这个参数。 我用90天的平均计量。
: 但是有个缺陷就是，用90天平均计量，会低估一些短episode (比如说一个人最近的
: episode只用20天，高剂量，结果中毒了，但是90天的平均计量就变成一个低剂量），
: 这样不准确。
: 所以我既设置了个90天剂量做time dependent covariate做了个模型，又想用各自独立
: 的episode作为time-to-event measure来做一个我称作episode-based模型。
: 如果觉得我的做法不妥，请务必赐教。
|
y*****w
发帖数: 1350 | 10 A joint model of longitudinal and survival data? Google it. |
