Baixe o app para aproveitar ainda mais
Prévia do material em texto
5. Prof. Ricardo Accioly Análise de Sobrevivência 1 5. Prof. Ricardo Accioly Referências Bibliográficas • Principais: • Análise de Sobrevivência – Enrico A. Colosimo e Suely R. Giolo • Survival Analysis – David G. Kleinbaum e Mitchel Klein • Adicionais: • Análise de Sobrevida – Marília Sá Carvalho et. Al. • Statistical Methods for Reliability Data – W. Meeker e Luis Escobar • Statistical Models and Methods for Lifetime Data – J. F. Lawless • Statistical Methods for Survival Analysis – Elisa T. Lee e John W. Wang 2 5. Prof. Ricardo Accioly Programa de curso 1. Introdução a Análise de Sobrevivência 2. Estimativas não paramétricas da Curva de Sobrevivência 3. Modelos de Sobrevivência Paramétricos 4. Modelos de Regressão Paramétricos 5. Modelo Semi Paramétrico de Cox 3 5. Prof. Ricardo Accioly Presença de tempos idênticos • A verossimilhança parcial de Cox só dá bons resultados quando todos os tempos são diferentes. • Quando ocorrem tempos idênticos é necessário se ajustar a verossimilhança parcial de Cox. Existem dois métodos o de Breslow(1974) e o de Efron(1977). • O método de Efron é considerado mais exato e é o default do R. Em outros pacotes o método de Breslow é o padrão, pois é bem mais simples. 5. Prof. Ricardo Accioly Verossimilhança parcial • Como quando o produto da probabilidade condicional para todos os dados censurados a direita é também 1, com isso podemos simplificar a verossimilhança parcial para, • • Onde d é o número total de eventos em ordem de classificação. 5. Prof. Ricardo Accioly Aproximação de Breslow • ∈ ∈ • Onde Di é o conjunto de indivíduos que falham em ti. No método de Breslow o numerador considera a soma dos covariáveis sobre os indivíduos di que falham em ti, enquanto o denominador é a soma da função de risco parcial no conjunto de risco R(ti) elevado a potência di. • O método de aproximação de Breslow explica as contribuições dos eventos di simplesmente multiplicando as probabilidades condicionais sobre todos os eventos em ti. 5. Prof. Ricardo Accioly Aproximação de Efron • ∈ ∈ ∈ • Efron reduziu o peso do denominador introduzindo a ordenação na função de verossimilhança parcial. • Este método é considerado particularmente preferível quando o tamanho da amostra é pequeno e também quando à censura pesada. 5. Prof. Ricardo Accioly Seleção de Modelo • Para selecionar um modelo “mais adequado” de forma automatizada vamos utilizar a função stepAIC que faz parte da biblioteca MASS. • A função stepAIC requer um objeto representando um modelo de classe apropriada. Este é usado como o modelo inicial na pesquisa passo a passo. Argumentos opcionais incluem escopo e direção. O escopo define a gama de modelos examinados na pesquisa passo a passo. A direção pode ser de "ambos", "para trás" ou "para frente“, com um padrão de “ambos”. Se o argumento de escopo estiver faltando, o padrão para a direção será "para trás". • Ilustraremos como usar o stepAIC juntamente com o TRV para selecionar um melhor modelo. 8 5. Prof. Ricardo Accioly Resíduos e diagnósticos • Apesar de não fazer nenhuma suposição com relação a taxa de falhas básica o modelo de Cox tem suposições que precisam ser verificadas. • A principal suposição do modelo de Cox é a proporcionalidade das taxas de falhas ao longo do tempo. • Uma forma simples de se verificar a proporcionalidade é através de métodos gráficos. • Em modelos de regressão os resíduos são um dos elementos fundamentais para verificação da adequação do modelo, o que não seria diferente com o modelo de Cox. 9 5. Prof. Ricardo Accioly Estimando o risco acumulado • Seja a função taxa de falha acumulada base: • • A função de sobrevivência base correspondente seria: • • Uma estimativa simples para foi proposta por Breslow (1972), sendo uma função escada com saltos em tempos distintos de falha e expressa por: • 10 5. Prof. Ricardo Accioly Estimando H(t) e S(t) • • • 11 5. Prof. Ricardo Accioly Teste gráfico para suposição de proporcionalidade • Se a suposição de riscos proporcionais se mantiver, um gráfico de log(− log(S(t))) vs. Log(t) para diferentes grupos de indivíduos (objetos) mostrará linhas paralelas. 12 5. Prof. Ricardo Accioly Resíduos de Cox-Snell • Os resíduos de Cox-Snell no contexto do modelo de taxas proporcionais de Cox é dados por: • • Se o modelo estiver bem ajustado, os podem ser olhados como uma amostra censurada de uma distribuição exponencial padrão e, então, o gráfico de versus deveria ser aproximadamente uma reta. • A análise gráfica destes resíduos não fornece, contudo, informações sobre o tipo de problema que estaria ocorrendo caso o ajuste não estivesse satisfatórios. 13 5. Prof. Ricardo Accioly Exemplo de Resíduo de Cox-Snell 14 5. Prof. Ricardo Accioly Resíduos de Schoenfeld • Seja o iésimo indivíduo cujo vetor de covariáveis seja dado por , e que tenha falhado. • Para este indivíduo os resíduos de Schoenfeld , com q=1,...,p, são definidos por: • ∈ ∈ • Observar que eles são calculados somente quando ocorrem falhas. 15 5. Prof. Ricardo Accioly Resíduos de Schoenfeld • Schoenfeld (1982) mostrou que os ri's são assintoticamente não correlacionados e têm valor esperado zero sob o modelo Cox. Assim, um gráfico de riq versus xi deveria estar representando valores em torno de zero. • Os resíduos padronizados de Schoenfeld são uma opção melhor de análise destes resíduos. • Grambsch e Therneau (1993) mostraram que uma gráfico suavizado dos resíduos padronizados vs xi representa uma forma aproximada de 16 5. Prof. Ricardo Accioly Exemplo de resíduo de Schoenfeld 5. Prof. Ricardo Accioly Modelo de Cox Estratificado • Existem dois propósitos principais de estratificação: • É útil como diagnóstico para verificar a suposição de riscos proporcionais. • Ele oferece uma maneira de estender o modelo Cox para permitir a não proporcionalidade em relação a algumas covariáveis. 5. Prof. Ricardo Accioly Modelo de Cox Estratificado • A estratificação do modelo de Cox pode ser feita permitindo que tenhamos uma taxas de falhas para cada nível de uma variável: • • Onde é a função taxa de falhas para o iésimo indivíduo, que pertence ao jésimo estrato. • O modelo pode parecer complexo, mas é simples no âmbito da verossimilhança, pois podemos simplesmente combinar probabilidades entre estratos: • 5. Prof. Ricardo Accioly Modelo de Cox Estratificado no R • O pacote survival facilita o ajuste de modelos Cox estratificados através do uso da função strata: • ajustes <- coxph(Surv(time,status==2) ~ strata(sex) + ph.ecog + ph.karno, data=dados1) • summary(ajuste) vai fornecer um sumário para todos os parâmetros, menos para sex. • O survfit(ajuste) vai estimar K (k=2 neste caso) funções taxa de falhas base, uma para cada estrato. 20 5. Prof. Ricardo Accioly Importante • Os modelos Cox estratificados são uma extensão útil dos modelos de Cox padrão, de forma a permitir covariáveis com riscos não proporcionais. • Uma pequena desvantagem é que estratificar desnecessariamente (ou seja, mesmo que a suposição de taxas proporcionais seja atendida) reduz a eficiência da estimativa, embora a perda seja tipicamente pequena. 21 5. Prof. Ricardo Accioly Importante • Comparações de verossimilhança: • Uma ressalva importante a ser observada é que você não pode usar métodos baseados em verossimilhança, como testes de AIC, BIC ou razão de verossimilhança para decidir se a estratificação melhora o ajuste. 22 5. Prof. Ricardo Accioly Importante • A estratificação é mais utilizada quando não se está interessado em realizar inferências relativas às variáveis de estratificação. • A estratificação é menos útil para lidar com a não proporcionalidade em relação ao tratamento – estamos definitivamente interessados em estimar o efeito do tratamento. 23
Compartilhar