Rakip Riskler
Rakip riskler, bir deneğin birkaç karşılıklı dışlayıcı olay türünden birini deneyimleyebildiği durumlarda ortaya çıkmaktadır ve bir olayın meydana gelmesi, başka bir olayın gözlemlenme olasılığını engellemekte veya değiştirmektedir — örneğin, incelenen neden dışındaki bir nedenden kaynaklanan ölüm, deneği o olayın gerçekleşme olasılığından çıkarmaktadır. Standart tek olaylı sağkalım yöntemleri bu durumda yanıltıcı olabilmektedir, bu nedenle rakip risk analizi özel olarak tasarlanmış tahminciler kullanmaktadır.
Tanım
Rakip risk, meydana gelmesi temel ilgi alanındaki olayın olasılığını engelleyen veya temelden değiştiren bir olaydır; rakip risk analizi, diğer olayları hesaba katarak, esas olarak nedene özgü tehlikeler ve kümülatif insidans fonksiyonu aracılığıyla her bir olay türünün zaman içindeki olasılığını tahmin etmektedir.
Kapsam
Bu konu, diğer olaylar rakip olduğunda saf Kaplan-Meier tahmininin bir olayın riskini neden abarttığını, nedene özgü tehlike ile kümülatif insidans fonksiyonu arasındaki ayrımı ve nedene özgü Cox modelleri ile Fine-Gray alt dağılım modelini içeren regresyon yaklaşımlarını kapsamaktadır. Bu, metodolojik bir referans materyalidir ve klinik bir rehberlik niteliği taşımamaktadır.
Temel sorular
- Rakip olayları sıradan sansürleme olarak ele almak, bir olayın tahmini olasılığını neden yanlı hale getirmektedir?
- Nedene özgü tehlike ve kümülatif insidans fonksiyonu, tanımladıkları şeyler açısından nasıl farklılık göstermektedir?
- Nedene özgü Cox modeli ile Fine-Gray alt dağılım modeli ne zaman kullanılmalıdır?
- Rakip risk sonuçları nasıl yorumlanmakta ve raporlanmaktadır?
Anahtar kavramlar
- Karşılıklı dışlayıcı olay türleri
- Nedene özgü tehlike
- Kümülatif insidans fonksiyonu (KİF)
- Alt dağılım tehlikesi
- Fine-Gray modeli
- Gray testi
- Bağımsız sansürleme ihlali
- Bir eksi Kaplan-Meier aşırı tahmini
Mekanizmalar
Rakip olaylar sıradan sansürleme (censoring) olarak ele alındığında, bağımsız sansürleme varsayımı ihlal edilmektedir ve Kaplan-Meier tahmininin birden çıkarılması, ilgi konusu olayın olasılığını abartmaktadır, çünkü sansürlenmiş deneklerin hala o olayı yaşayabileceğini zımnen varsaymaktadır. Kümülatif insidans fonksiyonu ise, diğer olayların da meydana geldiği gerçek dünyada belirli bir zamana kadar her bir spesifik olayın olasılığını tahmin etmekte ve olay türleri arasında toplanarak herhangi bir olayın toplam olasılığını vermektedir. İki regresyon çerçevesi kovaryat etkilerini ele almaktadır: hala olaydan arınmış olanlar arasındaki her bir olayın tehlikesini modelleyen ve etiyolojik soruları yanıtlayan nedene özgü Cox modelleri ve kümülatif insidansa doğrudan bağlı olan alt dağılım tehlikesini modelleyen ve tahmin için uygun olan Fine-Gray modeli. Kümülatif insidansın grup karşılaştırması Gray testi kullanılarak yapılmaktadır (Fine & Gray, 1999; Gray, 1988; Putter et al., 2007; Austin et al., 2016).
Klinik önem
Rakip riskler, örneğin diğer nedenlerden kaynaklanan ölümün incelenen sonuçla rekabet ettiği yaşlı veya daha hasta popülasyonlarda yaygın olarak görülmektedir; bunları göz ardı etmek, o sonucun riskini önemli ölçüde abartabilmekte ve karşılaştırmaları bozabilmektedir. Bunu fark etmek, prognostik çalışmaları değerlendirmek için önemlidir; bu madde metodolojiyi tanımlamaktadır ve bireysel klinik kararlar için bir temel teşkil etmemektedir.
Epidemiyoloji
Rakip risk durumları, birden fazla başarısızlık nedeninin bir arada bulunduğu kardiyoloji, onkoloji, transplantasyon ve geriatri alanlarında sıkça görülmektedir; büyük klinik dergilerdeki metodolojik eğitimler, farkındalık arttıkça uygun analizi teşvik etmiştir (Austin et al., 2016).
Kanıt ve kılavuzlar
Rakip risk analizinin kendisi için klinik kılavuzlar bulunmamaktadır; metodolojik referanslar kümülatif insidans için Gray testi (Gray, 1988), Fine-Gray alt dağılım modeli (Fine & Gray, 1999), biyoistatistik ve klinik kitlelere yönelik eğitimler (Putter et al., 2007; Austin et al., 2016) ve sağkalım analizi metinleridir (Klein & Moeschberger, 2003).
Tarihçe
Kümülatif insidans fonksiyonu ve nedene özgü tehlikeler, çoklu azalma (multiple decrement) üzerine aktüeryal ve biyoistatistiksel çalışmalarda uzun bir geçmişe sahiptir, ancak modern uygulama, kümülatif insidans için Gray'in 1988 K-örnek testi ve Fine-Gray'in 1999 alt dağılım tehlike modeli tarafından şekillendirilmiştir; bunlar birlikte pratik tahmin, test ve regresyon sağlamıştır. 2000'li ve 2010'lu yıllardaki eğitimler bu yöntemleri rutin klinik araştırmalara taşımıştır (Putter et al., 2007; Austin et al., 2016).
Tartışmalar
- Nedene özgü tehlikeye karşı alt dağılım (Fine-Gray) modeli?
- Nedene özgü modeller, risk altındaki kişiler arasında bir olayın oranı hakkındaki etiyolojik soruları ele alırken, Fine-Gray modelleri tahmin için kümülatif insidansı hedeflemektedir; analistler hangisinin raporlanacağı konusunda tartışmakta ve çoğu, birini seçmek yerine her ikisinin de sunulmasını önermektedir.
Öne çıkan isimler
- Jason P. Fine
- Robert J. Gray
- Hein Putter
- Peter C. Austin
İlgili konular
Temel eserler
- fine-gray-1999
- gray-1988
Sıkça sorulan sorular
- Rakip riskler varken neden sadece bir Kaplan-Meier eğrisi kullanamam?
- Rakip olayları sansürleme olarak ele almak, bağımsızlık varsayımını ihlal etmekte ve Kaplan-Meier tahmininin birden çıkarılmasının olayın olasılığını abartmasına neden olmaktadır; bunun yerine kümülatif insidans fonksiyonu kullanılmalıdır.
- Nedene özgü tehlike ile kümülatif insidans fonksiyonu arasındaki fark nedir?
- Nedene özgü tehlike, hala olaydan arınmış denekler arasındaki belirli bir olayın oranıdır ve etiyolojik soruları yanıtlamaktadır; oysa kümülatif insidans fonksiyonu, rakip olayların varlığında belirli bir zamana kadar o olayın gerçek olasılığını vermektedir.