Çok Merkezli Rekabetçi Risk Analizi
Multicenter Competing Risks Analysis · Ayrıca şöyle bilinir: multicenter CRA, multi-site competing risks, multicenter cumulative incidence analysis, polycentric competing risks study
Çok merkezli rekabetçi risk analizi, birden fazla klinik merkezde uygulanan ve diğer karşılıklı olarak dışlayıcı olayların — rekabetçi risklerin — meydana gelmesini engelleyebileceği durumlarda belirli bir ilgi olayının olasılığını tahmin etmeye yönelik bir zaman-olay yöntemidir. Farklı sahalardan veri havuzlayarak, nadir olayları modellemek için gereken örneklem büyüklüklerine ulaşır ve kümülatif insidans ile kovaryant etkilerdeki merkez düzeyindeki değişimi değerlendirmeye olanak tanır.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Çok merkezli rekabetçi risk analizi şu durumlarda kullanılır: (1) birincil sonlanım bir veya daha fazla alternatif olay tarafından engellenebilir (örn. nedene özgü mortalite, greft kaybı ve greft kaybından önce ölüm rekabetçi bir risk olduğunda); (2) tek merkezli örneklem büyüklükleri olay oranı için yetersizdir; ve (3) hasta popülasyonları veya sağlık sistemleri genelinde genelleştirilebilirlik bir çalışma amacıdır. Bu tasarım, nadir hastalıklar, pazarlama sonrası güvenlik çalışmaları ve kayıt tabanlı karşılaştırmalı etkinlik araştırmaları için özellikle değerlidir. Tüm hastaların rekabetçi riskler olmadan aynı tür olayı yaşadığı durumlarda KULLANMAYIN — standart sağkalım analizi yeterlidir. Etiyolojik sorular için Fine-Gray modelini KULLANMAYIN; bunun yerine nedene özgü tehlike modellerini kullanın. Merkez heterojenliğini analizde GÖZ ARDI ETMEYİN.
Güçlü yönler & sınırlılıklar
- Rekabetçi olayların varlığında ilgi olayının mutlak olasılığını doğru bir şekilde tahmin eder, Kaplan-Meier'in aşırı tahmin yanlılığından kaçınır.
- Merkezler arası havuzlama, nadir sonuçları incelemek ve alt gruplardaki kovaryant etkilerini tahmin etmek için yeterli güç sağlar.
- Kümülatif insidans, kalite iyileştirme ve karşılaştırmalı etkinlik analizlerini destekleyen merkez düzeyindeki değişimin değerlendirilmesine olanak tanır.
- Olgun istatistiksel teori (Aalen-Johansen tahmin edicisi, Fine-Gray modeli) ve yaygın olarak bulunan yazılımlar (R cmprsk, SAS, Stata stcompet) tarafından iyi desteklenir.
- Tek başına tehlike oranlarından daha klinik olarak anlamlı olan mutlak olasılıklar olarak doğrudan yorumlanabilir sonuçlar sağlar.
- Merkezler arasında olay tanımlarının ve takip kurallarının sıkı bir şekilde uyumlaştırılmasını gerektirir; küçük tanım farklılıkları bile havuzlanmış tahminleri yanlı hale getirebilir.
- Kümelenme ayarlama yöntemleri (tabakalama, frailty modelleri) analitik karmaşıklık katar ve sonuçları etkileyen kararlar gerektirir.
- Fine-Gray modelinin alt dağılım tehlikesi karmaşık bir yoruma sahiptir ve nedene özgü tehlikeyi tahmin etmez; her iki model de tipik olarak rapor edilmelidir.
- Kurumlar arası veri paylaşımı, çalışmayı geciktirebilecek veya sınırlayabilecek gizlilik, düzenleyici ve lojistik engelleri ortaya çıkarır.
- Regresyon modellerinin orantılılık varsayımları, her olay türü ve merkez için doğrulanmalıdır.
SSS
Kaplan-Meier'i neden kullanamam ve rekabetçi olayları sansürlenmiş olarak ele alamam?
Kaplan-Meier, sansürlenmiş bireylerin gözlem altında olanlarla aynı gelecekteki riske sahip olduğunu varsayar. Rekabetçi olaylar bu varsayımı ihlal eder çünkü başka bir nedenden ölen bir hasta gerçekten birincil olayı yaşayamaz. Bunları sansürlenmiş olarak ele almak, birincil olayın kümülatif insidansını aşırı tahmin eder. Aalen-Johansen tahmin edicisi ve Fine-Gray modeli, rekabetçi olaylar tarafından emilen olasılık kütlesini açıkça hesaba katarak bundan kaçınır.
Fine-Gray modeli ile nedene özgü Cox modeli arasında ne zaman seçim yapmalıyım?
Birincil sorunuz mutlak risk — belirli özelliklere sahip bir hastanın belirli bir zamana kadar rekabetçi riskleri de hesaba katarak olayı yaşama olasılığı — olduğunda Fine-Gray alt dağılım tehlike modelini kullanın. Soru etiyolojik — bir risk faktörünün, rekabetçi olaylardan bağımsız olarak, olaya yol açan biyolojik süreci hızlandırıp hızlandırmadığı — olduğunda nedene özgü Cox modellerini kullanın. Çoğu çok merkezli klinik çalışmada her ikisi de rapor edilmelidir.
Merkez etkilerini nasıl hesaba katmalıyım?
En yaygın yaklaşımlar tabakalama (her merkezin kendi temel tehlikesine izin verme), bir kovaryant olarak bir merkez sabit etkisinin dahil edilmesi, merkez düzeyinde kümelenmiş sağlam sandviç standart hataları ve rastgele etkili frailty modelleridir. Merkezden merkeze temel tehlikelerin önemli ölçüde farklılaşması beklendiğinde tabakalama tercih edilir; merkez sayısı fazla olduğunda ve merkez etkileri bilimsel ilgi alanındaysa frailty modelleri tercih edilir.
Çok merkezli bir rekabetçi risk çalışması için ne kadar örneklem büyüklüğü gereklidir?
Örneklem büyüklüğü, birincil olayın beklenen kümülatif insidansına (genel olay oranına değil), modeldeki kovaryant sayısına ve kümelenme derecesine bağlıdır. Nedene özgü Cox regresyonundan elde edilen genel kurallar (kovaryant başına yaklaşık 10-15 olay) bir başlangıç noktası sağlar, ancak rekabetçi olay oranları önemliyse Fine-Gray modeli kullanılarak simülasyon tabanlı güç hesaplamaları tercih edilir.
Bireysel hasta verilerini havuzlamak yerine federasyonlu veya dağıtılmış analiz kullanabilir miyim?
Evet. Meta-analitik yaklaşımlar (merkez düzeyindeki özet istatistikleri analiz etme ve tahminleri havuzlama) ve yerel olarak gradyanları veya yeterli istatistikleri hesaplayan federasyonlu öğrenme çerçeveleri, veri paylaşımının yasal veya lojistik olarak uygulanamaz olduğu durumlarda geçerlidir. Ancak, Fine-Gray modeli için federasyonlu yaklaşımlar özel algoritmalar gerektirir ve bireysel hasta verilerini havuzlamaya göre bazı verimlilik kayıpları yaşanabilir.
Kaynaklar
- Fine, J. P., & Gray, R. J. (1999). A proportional hazards model for the subdistribution of a competing risk. Journal of the American Statistical Association, 94(446), 496–509. DOI: 10.1080/01621459.1999.10474144 ↗
- Austin, P. C., Lee, D. S., & Fine, J. P. (2016). Introduction to the analysis of survival data in the presence of competing risks. Circulation, 133(6), 601–609. DOI: 10.1161/CIRCULATIONAHA.115.017719 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Multicenter Competing Risks Analysis. ScholarGate. https://scholargate.app/tr/epidemiology/multicenter-competing-risks-analysis
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Cox Orantılı TehlikelerEpidemiyoloji↔ karşılaştır
- Kaplan-Meier AnaliziEpidemiyoloji↔ karşılaştır
- Çok Merkezli Kohort ÇalışmasıEpidemiyoloji↔ karşılaştır
- Çok Merkezli Cox Orantılı TehlikelerEpidemiyoloji↔ karşılaştır