Paylaşılan Kırılganlık Modeli (Shared Frailty Model) Kümelenmiş Sağkalım Verileri İçin
Shared Frailty Model for Clustered Survival Data · Ayrıca şöyle bilinir: shared frailty model, random effects survival model, Frailty Modeli (Paylaşılan Kırılganlık)
Vaupel, Manton ve Stallard tarafından 1979'da tanıtılan paylaşılan kırılganlık modeli, standart sağkalım regresyonunu, denekler veya kümeler arasındaki gözlemlenmeyen heterojenliği yakalayan bir rastgele etki - 'kırılganlık' - dahil ederek genişletir. Sağkalım sonuçları ortak bir çevreyi paylaşan bireyler (aynı hastanedeki hastalar, aynı ailedeki üyeler, aynı yavrudaki hayvanlar) üzerinde ölçüldüğünde, bir kırılganlık terimi, sıradan Cox regresyonunun göz ardı ettiği küme içi bağımlılığı hesaba katar.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Kümelenmiş veya hiyerarşik zamana-olay verileriniz olduğunda kırılganlık modelini kullanın - örneğin çok merkezli klinik denemeler, aile çalışmaları, yavru denemeleri veya aynı birey üzerindeki tekrarlanan ölçümler. Yöntem, küme içi korelasyonu artıran ölçülmeyen küme düzeyindeki faktörlerden şüphelendiğinizde uygundur. Güvenilir kırılganlık varyansı tahmini için yaklaşık 50 denek gereklidir, küme başına en az üç olay olmalıdır. Kırılganlık dağılımı (Gamma veya Log-Normal) belirtilmelidir; Gamma varsayılan olarak kabul edilir çünkü hesaplama açısından uygundur ve çoğu pratik durumu kapsar. Koşullu düzeyde orantılı tehlikeler varsayımı ihlal edilirse, model yanıltıcı sonuçlar verebilir ve bunun yerine katmanlı bir Cox modeli veya zamana bağlı katsayılar düşünülmelidir.
Güçlü yönler & sınırlılıklar
- Her heterojenlik kaynağı için açık bir model gerektirmeden küme içi bağımlılığı hesaba katar.
- Ölçülmeyen, kümeler içinde paylaşılan karıştırıcıların varlığında yanlı olmayan tehlike oranı tahminleri sağlar.
- Varyans parametresi θ, ölçülmeyen heterojenlik derecesi olarak doğrudan yorumlanabilir.
- Cox regresyonunu doğal olarak genişletir, bu nedenle tanıdık tüm araçlar (kısmi olasılık, Breslow tahmin edicisi, Schoenfeld artıkları) koşullu düzeyde uygulanabilir kalır.
- Kırılganlık dağılımını belirtmeyi gerektirir; yanlış belirtme tahminleri yanlı hale getirebilir.
- Kırılganlık varyansı θ, kümeler çok küçükse (küme başına üçten az olay) güvenilir bir şekilde tahmin edilemez.
- Marjinal ve koşullu tehlike oranları yorumda farklılık gösterir; bu ayrım uygulamalı raporlarda sıklıkla göz ardı edilir.
- Standart Cox regresyonundan daha yüksek hesaplama maliyeti, özellikle Log-Normal kırılganlık için.
SSS
Kırılganlık terimi nedir?
Kırılganlık, o kümedeki her bireyin tehlikesini çarpan her küme için bir tane olan, gözlemlenmeyen bir rastgele değişkendir. Tüm ölçülmeyen küme düzeyindeki risk faktörlerinin kolektif etkisini yakalar. Birden büyük kırılganlığa sahip kümeler daha yüksek tehlikeye (daha kırılgan) sahiptir; birden küçük kırılganlığa sahip kümeler daha düşük tehlikeye (daha sağlam) sahiptir. Kümeler arasındaki kırılganlıkların dağılımı, modelin tahmin ettiği şeydir.
Kırılganlık modeli Cox regresyonundan nasıl farklıdır?
Standart Cox regresyonu tüm denekleri bağımsız olarak ele alır. Kırılganlık modeli, bir kümeyi paylaşan denekler arasında korelasyon oluşturan bir küme düzeyinde rastgele etki ekler. Kümelenmiş verilere Cox regresyonu uygularsanız, regresyon katsayısı tahminleri yanlı olmayabilir ancak standart hatalar çok küçük olacaktır, bu da şişirilmiş tip I hataya yol açar. Kırılganlık modeli, kümeler arası varyansı açıkça modelleyerek bunu düzeltir.
Kırılganlık varyansı θ ne anlama gelir?
Varyans parametresi θ, kümeler arasındaki ölçülmeyen heterojenlik derecesini ölçer. θ sıfıra yakın olduğunda, kümeler ölçülmeyen risklerinde temelde aynıdır ve model sıradan Cox regresyonuna indirgenir. Büyük bir θ, hesaba katılması gereken önemli küme içi varyasyon olduğunu gösterir. θ için sıfırı dışlayan bir güven aralığı, kırılganlık modelinin standart Cox modeline tercih edildiğine dair kanıttır.
Marjinal mi yoksa koşullu tehlike oranlarını mı bildirmeliyim?
Her iki nicelik de geçerlidir, ancak farklı soruları yanıtlar. Koşullu tehlike oranı, kırılganlığı sabit tutarak bir küme içindeki bir kovaryetin etkisini tanımlar - küme özel bir yorum. Marjinal tehlike oranı tüm kümeler üzerinden ortalama alınır ve nüfus ortalaması ifadesine daha yakındır. Paylaşılan kırılganlık modelleri doğrudan koşullu niceliği tahmin eder; marjinal oran ayrı olarak türetilmelidir. Araştırma sorunuza uygun olanı bildirin ve hangisini bildirdiğinizi açıkça belirtin.
Kaynaklar
- Vaupel, J.W., Manton, K.G. & Stallard, E. (1979). The Impact of Heterogeneity in Individual Frailty on the Dynamics of Mortality. Demography, 16(3), 439–454. DOI: 10.2307/2061224 ↗
- Hougaard, P. (2000). Analysis of Multivariate Survival Data. Springer. DOI: 10.1007/978-1-4612-1304-8 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 1). Shared Frailty Model for Clustered Survival Data. ScholarGate. https://scholargate.app/tr/survival/frailty-model
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Uzunlamasına ve Olay Zamanı Verileri için Birleşik ModelSağkalım↔ karşılaştır
- Kaplan-Meier Sağkalım TahmincisiSağkalım↔ karşılaştır
- Tekrarlayan Olay Sağkalım ModeliSağkalım↔ karşılaştır