Perguntas com a marcação «survival»

Eu tenho um GLMM do formulário: lmer(present? ~ factor1 + factor2 + continuous + factor1*continuous + (1 | factor3), family=binomial) Quando uso drop1(model, test="Chi"), obtenho resultados diferentes dos que utilizo Anova(model, type="III")na embalagem do carro ou summary(model). Estes dois últimos dão as mesmas respostas. Usando um monte de dados fabricados, …

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 

Eu encontrei muitas fórmulas mostrando como encontrar o tempo médio de sobrevivência para uma distribuição exponencial ou Weibull, mas estou tendo consideravelmente menos sorte para as funções de sobrevivência log-normal. Dada a seguinte função de sobrevivência: S(t)=1−ϕ[ln(t)−μσ]S(t)=1−ϕ[ln⁡(t)−μσ]S(t) = 1 - \phi \left[ {{{\ln (t) - \mu } \over \sigma }} …

10 survival 

Eu criei alguns modelos de regressão de Cox e gostaria de ver o desempenho desses modelos e pensei que talvez uma curva ROC ou uma estatística c possa ser útil semelhante ao uso deste artigo: JN Armitage e JH van der Meulen, “Identificando comorbidades em pacientes cirúrgicos usando dados administrativos …

10 r  survival  roc 

Ouvi falar de análise de sobrevivência e análise de dados da vida, mas não entendi bem. Eu queria saber quais tópicos eles estão cobrindo? É estatística pura, ou apenas aplicação de estatística em alguma área específica? A análise da data de vida é parte da análise de sobrevivência? Obrigado e …

10 survival  mathematical-statistics 

Estou ciente de testar a suposição de riscos proporcionais no contexto dos modelos Cox PH, mas não encontrei nada relacionado a modelos paramétricos? Existe uma maneira viável de testar a suposição de PH de certos modelos paramétricos? Parece que deve ser dado que os modelos paramétricos são apenas ligeiramente diferentes …

10 survival  assumptions  proportional-hazards 

Contexto Estou tentando entender como o coxph (R) aceita e lida com entradas repetidas para assuntos (ou paciente / cliente, se você preferir). Alguns chamam isso de formato longo, outros chamam de 'medidas repetidas'. Veja, por exemplo, o conjunto de dados que inclui a coluna ID na seção Respostas em: …

10 r  repeated-measures  survival  cox-model  frailty 

Enviei um artigo que foi rejeitado devido à maneira inadequada de realizar a análise de sobrevivência. O árbitro não deixou outros detalhes ou explicações além de: "a análise da sobrevivência nas tendências do tempo requer maneiras mais sofisticadas de censurar". A questão: O risco excessivo de morte entre fumantes foi …

10 regression  survival  incidence-rate-ratio  interval-censoring 

Estou tentando ajustar um modelo de tempo discreto no R, mas não sei como fazê-lo. Eu li que você pode organizar a variável dependente em linhas diferentes, uma para cada observação no tempo, e usar a glmfunção com um link logit ou cloglog. Neste sentido, tem três colunas: ID, Event(1 …

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 

Este é apenas um exemplo que encontrei várias vezes, portanto não tenho dados de amostra. Executando um modelo de regressão linear em R: a.lm = lm(Y ~ x1 + x2) x1é uma variável contínua. x2é categórico e possui três valores, por exemplo, "Baixo", "Médio" e "Alto". No entanto, a saída …

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 

Estou tentando lidar com uma análise de tempo para evento usando resultados binários repetidos. Suponha que o tempo do evento seja medido em dias, mas, no momento, discretizamos o tempo em semanas. Quero aproximar um estimador de Kaplan-Meier (mas permitir covariáveis) usando resultados binários repetidos. Parece uma maneira indireta, mas …

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

Em R, estou fazendo análise de dados de sobrevivência de pacientes com câncer. Eu tenho lido coisas muito úteis sobre análise de sobrevivência no CrossValidated e em outros lugares e acho que entendi como interpretar os resultados da regressão de Cox. No entanto, um resultado ainda me incomoda ... Estou …

9 r  survival  cox-model  kaplan-meier 

Como você interpreta uma curva de sobrevivência a partir do modelo de risco proporcional cox? Neste exemplo de brinquedo, suponha que tenhamos um modelo de risco proporcional ao cox na agevariável dos kidneydados e gere a curva de sobrevivência. library(survival) fit <- coxph(Surv(time, status)~age, data=kidney) plot(conf.int="none", survfit(fit)) grid() Por exemplo, …

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 

Na Análise de Sobrevivência, você assume que o tempo de sobrevivência de um rv seja distribuído exponencialmente. Considerando agora que eu tenho "resultados" do do iid rv . Apenas uma parte desses resultados é de fato "plenamente realizada", ou seja, as demais observações ainda estão "vivas".x 1 , … , …

9 maximum-likelihood  references  survival  censoring  exponential-family 

Sou iniciante na análise de sobrevivência, embora tenha algum conhecimento em classificação e regressão. Para regressão, temos estatísticas quadradas de MSE e R. Mas como podemos dizer que o modelo de sobrevivência A é superior ao modelo de sobrevivência B, além de algum tipo de gráfico (curva KM)? Se possível, …

9 regression  survival  goodness-of-fit  cart  rpart 

Quero gerar tempo de sobrevivência a partir de um modelo de riscos proporcionais de Cox que contenha covariáveis ​​dependentes do tempo. O modelo é h(t|Xi)=h0(t)exp(γXi+αmi(t))h(t|Xi)=h0(t)exp⁡(γXi+αmi(t))h(t|X_i) =h_0(t) \exp(\gamma X_i + \alpha m_{i}(t)) onde é gerado a partir do binômio (1,0,5) e .XiXiX_imi(t)=β0+β1Xi+β2Xitmi(t)=β0+β1Xi+β2Xitm_{i}(t)=\beta_0 + \beta_1 X_{i} + \beta_2 X_{i} t Os valores …

9 r  survival  cox-model  time-varying-covariate