Ich bin daran interessiert zu wissen, ob es einen Konsens darüber gibt, wie die Daten zur Krankenhausaufenthaltsdauer (LOS) eines RCT optimal analysiert werden können. Dies ist in der Regel eine sehr rechtwinklige Verteilung, bei der die meisten Patienten innerhalb weniger Tage bis zu einer Woche entlassen werden, der Rest der Patienten jedoch recht unvorhersehbare (und manchmal recht lange) Aufenthalte hat, die den rechten Schwanz der Verteilung bilden.
Zu den Analyseoptionen gehören:
- t-Test (setzt Normalität voraus, die wahrscheinlich nicht vorhanden ist)
- Mann Whitney U-Test
- Logrank-Test
- Cox Proportional Hazards Modell Konditionierung auf Gruppenzuordnung
Hat eine dieser Methoden nachweislich eine höhere Leistung?
Antworten:
Ich beginne tatsächlich ein Projekt, das genau dies tut, obwohl es sich eher um Beobachtungsdaten als um klinische Daten handelt. Meine Gedanken waren, dass sich die Frage aufgrund der ungewöhnlichen Form der meisten Aufenthaltsdaten und der wirklich gut charakterisierten Zeitskala (Sie kennen sowohl die Ursprungs- als auch die Austrittszeit im Wesentlichen perfekt) sehr gut für eine Überlebensanalyse eignet . Drei zu berücksichtigende Optionen:
quelle
Ich bevorzuge das Cox-Proportional-Hazards-Modell, das auch die zensierte Aufenthaltsdauer (Tod vor erfolgreicher Entlassung aus dem Krankenhaus) behandelt. Ein relevantes Handout finden Sie unter http://biostat.mc.vanderbilt.edu/wiki/pub/Main/FHHandouts/slide.pdf mit Code hier: http://biostat.mc.vanderbilt.edu/wiki/pub/ Main / FHHandouts / model.s
quelle
Ich empfehle den Logrank-Test zum Testen auf Unterschiede zwischen Gruppen und für jede unabhängige Variable. Möglicherweise müssen Sie in einem Cox-Proportional-Hazards-Modell mehrere Variablen (zumindest die im Logrank-Test signifikanten) anpassen. Das verallgemeinerte Gamma-Modell (parametrisch) könnte eine Alternative zu Cox sein, wenn Sie eine Risikoabschätzung für die Basislinie (Gefahr) benötigen.
quelle
Der Tod ist ein konkurrierendes Ereignis mit Entlassung. Die Zensur der Todesfälle würde nicht dazu führen, dass fehlende Daten zufällig zensiert werden. Die kumulative Inzidenz von Tod und Entlassung zu untersuchen und die Unterverteilungsgefahren zu vergleichen, könnte angemessener sein.
quelle