Çok Durumlu Hayatta Kalma Modeli
Multi-State Survival Model · Ayrıca şöyle bilinir: illness-death model, multi-state transition model, Çok Durumlu Model (Multi-State / Illness-Death)
Çok damlalı model, Andersen ve Keiding'in çalışmalarıyla biçimlendirilmiş ve Putter, Fiocco ve Geskus (2007) tarafından geniş biyoistatistiksel uygulamaya sunulmuş genelleştirilmiş bir hayatta kalma çerçevesidir; bu model, bireylerin zaman içinde birden çok belirgin sağlık durumunda (örneğin, sağlıklı, hasta ve ölü) hareket etmesini modeller. Her olası geçiş için ayrı bir risk fonksiyonu tahmin edilir ve geçiş olasılıkları, kümülatif geçiş yoğunluklarının çarpım-integralinden elde edilir.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Bireylerin takip süresi boyunca ikiden fazla duruma sahip olabileceği ve durumlar arasındaki geçişlerin kendilerinin bilimsel ilgi alanı olduğu, yalnızca ara rahatsızlıklar olmadığı durumlarda çok damlalı bir model kullanın. Tipik örnekler hastalık-ölüm modeli (sağlıklı → hastalıklı → ölü), onkolojide evreleme modelleri ve organ-nakli bekleme listesi modelleridir (bekleme → nakledilmiş → ölü veya nüks). Yöntem, her geçişte yeterli olaya sahip en az yaklaşık 100 denek gerektirir, böylece ayrı risk fonksiyonları güvenilir bir şekilde tahmin edilebilir. Temel modelleme varsayımı, mevcut duruma bağlı olarak, gelecekteki yörüngenin yalnızca mevcut duruma (Markov) veya içinde geçirilen zamana (yarı-Markov) bağlı olduğu, önceki geçmişe değil, olmasıdır. Bilgilendirici olmayan sansürleme, tüm geçişler için ortaklaşa gereklidir. Örnek çok küçük olduğunda, ayrı geçiş tahmini için, birleşik sonlanma noktası üzerinde Cox regresyonu pragmatik bir geri plandır.
Güçlü yönler & sınırlılıklar
- Sonlanma noktasını tek bir sonlanma noktasına indirgemek yerine birden çok hastalık durumu boyunca tam yörüngeyi modeller.
- Mevcut durum göz önüne alındığında 'beş yıl sonra hastalıksız ve canlı olma olasılığı nedir?' gibi klinik soruları doğrudan yanıtlayan geçiş olasılıkları üretir.
- Rekabet eden riskler doğal olarak yerleşiktir: her durumun birden çok giden geçişi olabilir, bu da ayrı bir rekabet eden risk analizi ihtiyacını ortadan kaldırır.
- Cox orantılı riskler çerçevesiyle uyumludur, bu nedenle tanıdık tahmin ve çıkarım araçları her geçiş için geçerlidir.
- Her geçişte yeterli olay sayısı gerektirir; nadir geçişler, tahmin edilen risklerinde ve olasılıklarında geniş belirsizlikler üretir.
- Markov varsayımının kontrol edilmesi gerekir; mevcut durum dışındaki geçmişin önemli olduğu durumlarda, yarı-Markov veya katmanlı bir yaklaşım gereklidir.
- Veri hazırlama, standart hayatta kalma analizinden önemli ölçüde daha karmaşıktır ve kişi başına çok satırlı bir sayım-süreci formatı gerektirir.
- Önerilen minimum 100 denek sayısı, küçük kohort çalışmalarında kullanımı sınırlar.
SSS
Çok damlalı bir model, rekabet eden risk analizinden nasıl farklıdır?
Rekabet eden risk analizi, tek bir başlangıç durumundan kaynaklanan birkaç olası olaydan ilkine odaklanır ve her olay türünün kümülatif insidansını tahmin eder. Çok damlalı bir model, bireylerin ilk olaydan sonra daha fazla geçiş yapmasına izin vererek bunu genişletir — örneğin, hastalıktan iyileşmeye veya iyileşmeden ölüme geçiş. Rekabet eden riskler, yalnızca tek bir geçici duruma sahip çok damlalı modellerin özel bir durumudur.
Markov varsayımı nedir ve nasıl kontrol edilir?
Markov varsayımı, bir bireyin gelecekteki yörüngesinin, oraya nasıl geldiğine değil, yalnızca mevcut durumuna bağlı olduğunu belirtir. Mevcut durumda geçirilen sürenin (sojourn süresi) veya önceki durumların geçmişinin mevcut geçiş riskini tahmin edip etmediğini test ederek kontrol edebilirsiniz. Geçiş risklerini önceki duruma göre katmanlanmış olarak karşılaştırmak gibi grafiksel kontroller de bilgilendiricidir. Varsayım başarısız olursa, riskin aynı zamanda mevcut durumdaki zamana da bağlı olduğu yarı-Markov bir model daha uygundur.
Minimum örneklem büyüklüğü ne kadardır?
Modeldeki her geçişin, riskini güvenilir bir şekilde tahmin etmek için yeterli olaya sahip olması gerekir. Cox regresyonundan miras alınan kural, geçiş başına yaklaşık 10-15 olaydır. Toplamda minimum 100 denekle, birden çok geçiş nadir olduğunda çok damlalı modeller kararsız hale gelebilir. Geçiş sayıları çok küçük olduğunda, durumları birleştirmek veya standart Cox regresyonu ile daha basit bir birleşik sonlanma noktası kullanmak tavsiye edilir.
Çok damlalı bir model ne tür çıktılar üretir?
Birincil çıktılar, geçişe özgü risk oranları (kovaryetler için) ve geçiş olasılığı eğrileridir — başlangıç durumuna göre gelecekteki her zaman her durumda olma olasılığı. Aalen-Johansen tahmin edicisi aracılığıyla elde edilen bu olasılık eğrileri, klinisyenler ve politika yapıcılar için en yorumlanabilir özettir. Her durumdaki kalış süresi (sojourn süresi) de durum işgal olasılıklarının entegre edilmesiyle türetilebilir.
Kaynaklar
- Putter, H., Fiocco, M. & Geskus, R.B. (2007). Tutorial in Biostatistics: Competing Risks and Multi-State Models. Statistics in Medicine, 26(11), 2389–2430. DOI: 10.1002/sim.2712 ↗
- Jackson, C.H. (2011). Multi-State Models for Panel Data: The msm Package for R. Journal of Statistical Software, 38(8), 1–28. DOI: 10.18637/jss.v038.i08 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 1). Multi-State Survival Model. ScholarGate. https://scholargate.app/tr/survival/multi-state-model
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Rekabet Eden Riskler Hayatta Kalma AnaliziSağkalım↔ karşılaştır
- Kaplan-Meier Sağkalım TahmincisiSağkalım↔ karşılaştır
- Esnek Parametrik Sağkalım Modeli (Royston-Parmar)Sağkalım↔ karşılaştır