Pertanyaan yang diberi tag «survival»

Saya telah membaca komentar yang bagus mengenai bagaimana menangani nilai yang hilang sebelum menerapkan SVD, tetapi saya ingin tahu cara kerjanya dengan contoh sederhana: Movie1 Movie2 Movie3 User1 5 4 User2 2 5 5 User3 3 4 User4 1 5 User5 5 1 5 Mengingat matriks di atas, jika saya …

8 r  missing-data  data-imputation  svd  sampling  matlab  mcmc  importance-sampling  predictive-models  prediction  algorithms  graphical-model  graph-theory  r  regression  regression-coefficients  r-squared  r  regression  modeling  confounding  residuals  fitting  glmm  zero-inflation  overdispersion  optimization  curve-fitting  regression  time-series  order-statistics  bayesian  prior  uninformative-prior  probability  discrete-data  kolmogorov-smirnov  r  data-visualization  histogram  dimensionality-reduction  classification  clustering  accuracy  semi-supervised  labeling  state-space-models  t-test  biostatistics  paired-comparisons  paired-data  bioinformatics  regression  logistic  multiple-regression  mixed-model  random-effects-model  neural-networks  error-propagation  numerical-integration  time-series  missing-data  data-imputation  probability  self-study  combinatorics  survival  cox-model  statistical-significance  wilcoxon-mann-whitney  hypothesis-testing  distributions  normal-distribution  variance  t-distribution  probability  simulation  random-walk  diffusion  hypothesis-testing  z-test  hypothesis-testing  data-transformation  lognormal  r  regression  agreement-statistics  classification  svm  mixed-model  non-independent  observational-study  goodness-of-fit  residuals  confirmatory-factor  neural-networks  deep-learning 

Saya sedang memeriksa tren (antara 1998 dan 2011) dalam tingkat kematian di antara pasien dengan penyakit Crohn. Setiap pasien (kasus) telah dimasukkan selama tahun 1998 hingga 2011. Pada saat inklusi, setiap pasien telah dicocokkan dengan kontrol yang sehat dengan usia dan jenis kelamin yang sama. Saya menganalisis tren tingkat kematian. …

8 regression  multiple-regression  survival  poisson-regression 

Saya mengalami masalah dengan memeriksa asumsi untuk variabel kontinu dalam model bahaya proporsional. Jika variabel adalah faktor dengan banyak level, maka saya bisa menggunakan tes logrank atau memeriksa apakah log (-log) transformasi kurva survival adalah paralel. Tetapi bagaimana jika suatu variabel kontinu? Apakah metode itu masih valid? Apakah tes Schoenfeld …

8 survival  cox-model  assumptions  hazard 

Saya melakukan analisis survival dalam R dengan survivalpaket. Saya pikir saya bekerja dengan data terpotong kiri, tapi saya tidak sepenuhnya yakin bagaimana menanganinya. Saya memiliki kohort pasien yang didiagnosis antara 1990 dan 2012. Semua pasien memiliki waktu diagnosis yang jelas (waktu masuk). Namun, hasil yang menarik (penyakit spesifik yang memburuk) …

8 r  survival  cox-model  truncation 

Saya menjalankan kurva survival sensor interval dengan R, JMP dan SAS. Mereka berdua memberi saya grafik yang sama, tetapi tabelnya sedikit berbeda. Ini adalah tabel yang diberikan JMP padaku. Start Time End Time Survival Failure SurvStdErr . 14.0000 1.0000 0.0000 0.0000 16.0000 21.0000 0.5000 0.5000 0.2485 28.0000 36.0000 0.5000 0.5000 …

8 r  survival  sas  jmp  interval-censoring 

Saya mencoba menjalankan regresi Cox pada dataset 2.000.000 sampel baris sebagai berikut hanya menggunakan R. Ini adalah terjemahan langsung dari PHREG di SAS. Sampel tersebut mewakili struktur dataset asli. ## library(survival) ### Replace 100000 by 2,000,000 test <- data.frame(start=runif(100000,1,100), stop=runif(100000,101,300), censor=round(runif(100000,0,1)), testfactor=round(runif(100000,1,11))) test$testfactorf <- as.factor(test$testfactor) summ <- coxph(Surv(start,stop,censor) ~ relevel(testfactorf, …

8 r  logistic  survival  sas  cox-model 

Dataset saya berisi dua (agak berkorelasi kuat) variabel (runtime algoritma) dan (jumlah node yang diperiksa, apa pun). Keduanya sangat berkorelasi dengan desain, karena algoritma dapat mengelola kira-kira node per detik.tttnnnccc Algoritma dijalankan pada beberapa masalah, tetapi dihentikan jika solusi belum ditemukan setelah beberapa waktu habis . Jadi data disensor dengan …

8 survival  cdf  censoring 

Saya telah meneliti paket tikus , dan saya belum menemukan cara untuk menggunakan beberapa imputasi untuk membuat model Cox, kemudian memvalidasi model itu dengan fungsi paket rmsvalidate() . Berikut adalah beberapa contoh kode dari apa yang saya miliki sejauh ini, menggunakan kumpulan data veteran: library(rms) library(survival) library(mice) remove(veteran) data(veteran) veteran$trt=factor(veteran$trt,levels=c(1,2)) …

8 r  survival  cox-model  data-imputation  rms 

Sebagai tindak lanjut saran Model untuk regresi Cox dengan kovariat bergantung waktu di sini adalah plot Kaplan Meier yang menjelaskan sifat tergantung waktu dari kehamilan. Dengan kata lain, dataset sekarang dipecah menjadi dataset panjang dengan banyak baris sesuai dengan jumlah kehamilan. Grafik KM, dan juga model cox yang diperluas, tampaknya …

8 r  data-visualization  survival 

Saya memiliki percobaan yang akan menghasilkan pengamatan waktu sampai suatu peristiwa terjadi. Beberapa sifat dasar adalah itu Kami menghitung jumlah peristiwa yang terjadi di beberapa titik .t1, . . . ,tnt1,...,tnt_1,...,t_n Waktu acara disensor interval, antara ,( t - 1 , t ](t-1,t](t-1,t] Individu tidak akan meninggalkan persidangan antara , …

8 survival 

Saya berharap seseorang dapat membantu saya dengan model mana (kelemahan, strata atau cluster) yang harus saya gunakan untuk data saya. Saya telah memasangkan data sehingga saya perlu memperhitungkannya saat memodelkan Cox PH dan tidak yakin model mana yang akan memberi saya hasil yang lebih akurat. Penelitian saya mengamati waktu yang …

8 survival  cox-model  frailty  paired-data 

Bagaimana saya harus menginterpretasikan istilah interaksi berikut 2 prediktor berkelanjutan dalam output dari model bahaya proporsional Cox? Rasio Bahaya untuk interaksi X dan Y adalah> 1, yang berarti log-nya (koefisien asli) adalah 0-1 (~ 0,16). Masing-masing item memiliki HR kurang dari satu, dan koefisien X = -0,18 dan Y = …

8 survival  interaction 

Saya punya pertanyaan yang ingin saya sampaikan kepada komunitas. Baru-baru ini saya diminta untuk memberikan analisis statistik untuk studi prognostik penanda tumor . Saya terutama menggunakan dua referensi ini untuk memandu analisis saya: McShane LM, et al. Rekomendasi pelaporan untuk studi prognostik penanda tumor (REMARK). J Natl Cancer Inst. 2005 …

8 predictive-models  survival  epidemiology  biostatistics  cox-model 

Asumsi bahaya proporsional pada dasarnya mengatakan bahwa tingkat bahaya tidak berbeda dengan waktu. Yaitu, . Kapan kita bisa menganggap ini? Bagaimana jika rasio bahaya pada berbagai waktu adalah: dan ? Bisakah kita membuat asumsi bahaya proporsional? Kami juga memilikiHR(t)≡HRHR(t)≡HR\text{HR}(t) \equiv \text{HR}2.4,2.36,2.272.4,2.36,2.272.4, 2.36, 2.272.032.032.03log[h(t|x)]=log[h0(t)]+β1x1+⋯+βpxplog⁡[h(t|x)]=log⁡[h0(t)]+β1x1+⋯+βpxp \log[h(t|\textbf{x})] = \log[h_{0}(t)] + \beta_{1}x_1 + \dots …

8 survival 

Saya mencoba menggunakan randomSurvivalForestpaket Runtuk memprediksi acara berikutnya dalam serangkaian acara (menggunakan res <- predict(fit,v)), tetapi yang saya dapatkan adalah total% yang selamat dan kemudian bahaya kumulatif untuk setiap individu di res$ensemble. Bisakah saya menggunakan ini untuk memprediksi / menghasilkan nilai yang cocok dengan yang ada di dalamnya res$time?

8 r  time-series  survival  predictive-models