Esnek Parametrik Sağkalım Modeli (Royston-Parmar)

Yaygın bir başlangıç kuralı, 100'den az olay için 1 düğüm (df = 2), 100-500 olay için 2 veya 3 düğüm (df = 3-4) ve daha büyük veri kümeleri için 4 veya 5 düğüme kadar kullanmaktır. Düğümler tipik olarak olay-zamanı dağılımının eşit aralıklı yüzdelik dilimlerine yerleştirilir. Küçük bir df değerleri ızgarasında AIC'ye göre modelleri karşılaştırın ve bir duyarlılık analizi rapor edin — sonuçlar bitişik düğüm konfigürasyonlarına karşı sağlam olmalıdır.

Cox regresyonu, temel riski tamamen belirtilmemiş (parametrik olmayan) bırakır, bu sağlamdır ancak ek düzeltme olmadan herhangi bir zaman noktasında sağkalım fonksiyonunu doğrudan tahmin edemeyeceğiniz ve ekstrapolasyonun anlamlı olmadığı anlamına gelir. Royston-Parmar modeli, temel çizgiyi bir spline ile tamamen parametrikleştirir, böylece pürüzsüz mutlak sağkalım tahminleri, kısıtlı ortalama sağkalım süresi ve iyi tanımlanmış ekstrapolasyonlar elde edersiniz — düğüm konfigürasyonlarını ve bağlantı fonksiyonlarını seçme maliyetiyle.

Evet. Her kovaryatı spline temel fonksiyonlarıyla etkileşime sokarak zamana bağlı log-risk-oranı tahminleri elde edersiniz, bu da risk oranının takip boyunca sorunsuz bir şekilde değişmesine olanak tanır. Bu, orantısızlığın tabakalama veya açık zaman-etkileşim terimleri eklenerek ele alınması gereken standart Cox modeline göre önemli bir avantajdır.

Orantılı-riskler (PH) bağlantısı varsayılandır çünkü katsayıları Cox modeli risk oranlarıyla doğrudan karşılaştırılabilir. Hızlandırılmış başarısızlık-zamanı (AFT) bağlantısı, bilimsel sorunun sağkalımın ne kadar uzatıldığıyla ilgili olduğu durumlarda bazen daha doğal olan zaman-oranı yorumları verir. Orantılı-olasılıklar (PO) bağlantısı bir log-lojistik modele yakınsar. Pratikte, verilere en iyi uyan (en düşük AIC) ve hedef kitle için en yorumlanabilir olan bağlantıyı seçin.