Tekrarlayan Olay Sağkalım Modeli
Recurrent Event Survival Model · Ayrıca şöyle bilinir: Tekrarlayan Olay Modeli (Recurrent Events), Andersen-Gill model, AG model, Wei-Lin-Weissfeld model, WLW model, Prentice-Williams-Peterson model, PWP model, repeated events model
Tekrarlayan olay modeli, Prentice, Williams ve Peterson (1981), Andersen ve Gill (1982) ile Wei, Lin ve Weissfeld (1989) tarafından yapılan çığır açan katkılarla resmileştirilmiş bir sağkalım analizi uzantısıdır. Bu model, aynı olayın (hastaneye yeniden yatış, hastalığın nüksetmesi veya ekipman arızası gibi) aynı bireyde birden çok kez meydana gelebildiği olay zamanı verilerini modeller. Üç temel çerçeve, Andersen-Gill (AG) modeli, Prentice-Williams-Peterson (PWP) tabakalı modeli ve Wei-Lin-Weissfeld (WLW) marjinal modelidir; her biri, denek içi bağımlılık hakkında farklı varsayımlar yapar.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Aynı deneğin ilgi konusu sonucu birden fazla kez yaşayabildiği ve hem zamanlamanın hem de nüks sayısının bilimsel anlam taşıdığı durumlarda tekrarlayan olay modelini kullanın. Veriler, olay başına en az bir zamana göre değişen tanımlayıcı ile boylamsal bir sayım süreci kaydı olarak yapılandırılmalıdır. Olay sırasının önemsiz olduğu ve tek, tutumlu bir tehlike oranı istediğinizde AG'yi seçin; tehlike oranının nüks sayısıyla değişmesini beklediğinizde ve olay sıralaması önemli olduğunda PWP'yi seçin; risk kümesi hiyerarşisi dayatmadan her olay türü için ayrı tehlike oranı tahminleri istediğinizde WLW'yi seçin. Gözlemlenmeyen denekler arası heterojenlikten şüpheleniyorsanız, bu çerçevelerden herhangi birine bir zayıflık terimi ekleyin. Kararlı tahmin için yaklaşık 50 tekrarlayan olay minimumu önerilir.
Güçlü yönler & sınırlılıklar
- Her denekten gelen tüm nüksleri kullanarak, yalnızca ilk olayı içeren analizlere göre istatistiksel gücü önemli ölçüde artırır.
- Üç çerçeve — AG, PWP, WLW — olay sırasından bağımsız arızalardan sıralı hastalık nükslerine kadar geniş bir biyolojik ve mühendislik senaryosu yelpazesini kapsar.
- Sağlam standart hatalar, tam olarak belirtilmiş bir korelasyon modeli gerektirmeden denek içi bağımlılığı barındırır.
- Zayıflık uzantıları, gözlemlenmeyen denek düzeyindeki heterojenliği doğal olarak dahil eder.
- Sayım süreci formatında veri hazırlığı (denek başına birden çok satır), standart sağkalım verilerine göre önemli ölçüde daha karmaşıktır ve sıkça hata kaynağıdır.
- AG, PWP ve WLW arasında model seçimi alan bilgisi gerektirir; yanlış seçim yanıltıcı tehlike oranları verebilir.
- Bilgilendirici sansürleme — bir deneğin olay süreciyle ilgili kötüleşme nedeniyle çalışmadan ayrılması — her üç çerçeveyi de yanlı hale getirir.
- Sonraki olay tabakalarındaki seyrek veriler (örneğin, beşinci veya altıncı nüksler), güvenilmez PWP tabakaya özgü tahminler üretebilir.
SSS
Tekrarlayan olay modeli standart Cox regresyonundan nasıl farklıdır?
Standart Cox regresyonu, ilk olaydan sonra bir denek için saati durdurur ve sonraki nükslerden gelen bilgiyi kullanamaz. Tekrarlayan olay modeli, sayım süreci formatını benimseyerek her deneği birden çok olay bölümü boyunca veri kümesinde tutar, böylece başlangıçtan bitişe kadar her aralık kısmi olabilirlik katkısında bulunur. Tekrarlanan gözlemlerin getirdiği denek içi korelasyon, sağlam standart hatalar veya zayıflık terimleri aracılığıyla ele alınır.
AG yerine PWP'yi ne zaman seçmeliyim?
Bir sonraki olayın riskinin, deneğin zaten kaç olay yaşadığına bağlı olması muhtemel olduğunda PWP'yi seçin — örneğin, kötüleşen bir hastada ardışık kanser nüksleri veya tekrarlanan hastaneye yatışlar. PWP, temel tehlike oranını olay sayısına göre tabakalandırır, böylece nüksler arasında şekil değiştirmesine izin verir ve k. olay için risk kümesini zaten k-1 olay yaşamış deneklerle sınırlar. Olaylar değiştirilebilir olduğunda ve tüm nüksler arasında tek bir tehlike oranı tatmin edici bir özet olduğunda AG tercih edilir.
Zayıflık terimi nedir ve ne zaman eklemeliyim?
Zayıflık, denekler arasındaki gözlemlenmeyen heterojenliği yakalayan, deneğe özgü rastgele bir etkidir — tipik olarak temel tehlike oranı üzerinde bir Gamma veya log-normal çarpanıdır. Bazı bireyler, kovaryatlar tarafından yakalanmayan nedenlerle olaylara diğerlerinden daha yatkınsa, bunu göz ardı etmek, düşük dağılımlı olay sayılarına ve yanlı tehlike oranlarına yol açar. Bir zayıflık terimi eklemek, bu kümelenmeyi hesaba katar ve daha dürüst belirsizlik tahminleri sağlar.
Minimum kaç örneklem büyüklüğü gereklidir?
Kayıt önerisi en az 50 tekrarlayan olaydır (denek değil). Daha az olayla, PWP'deki sonraki nüks tabakaları için kısmi olabilirlik yüzeyi düz olabilir ve yakınsama sorunlarına neden olabilir. Toplam olay sayısı bu eşiğin altındaysa, ilk olay üzerinde standart bir Cox regresyonu daha güvenli bir alternatiftir.
Kaynaklar
- Cook, R.J. & Lawless, J.F. (2007). The Statistical Analysis of Recurrent Events. Springer. DOI: 10.1007/978-0-387-69810-6 ↗
- Amorim, L.D.A.F. & Cai, J. (2015). Modelling Recurrent Events: A Tutorial for Analysis in Epidemiology. International Journal of Epidemiology, 44(1), 324–333. DOI: 10.1093/ije/dyu222 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 1). Recurrent Event Survival Model. ScholarGate. https://scholargate.app/tr/survival/recurrent-event-model
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Kaplan-Meier Sağkalım TahmincisiSağkalım↔ karşılaştır
- Negatif Binominal RegresyonEkonometri↔ karşılaştır
- Poisson ve Negatif Binom RegresyonuEkonometri↔ karşılaştır