Overlevelsesanalyse

Ventetidsanalyse Transformation af regressionsvariable 37
Behov for transformation af regressionsvariable
• Simpelt, numerisk test: Inkluder b˚ade en utransformeret og
en transformeret version af variablen samtidigt – f.eks. X og
log2(X) – for at se, om der er et klart svar p˚a hvilken, der er den
bedste prediktor. Kræver en fornuftigt valg af transformation –
logaritmetransformation er ofte et oplagt valg, fordi det svarer til
stabil effekt af relative forskelle, hvilket ofte er det intuitivt
naturlige valg.
• Mere kompliceret numerisk og grafisk test: Lineær spline
(se eksempelvis Greenland 1995, Epidemiology, s. 356-365).
Eksempel til selvstudium for de særligt eventyrlystne SAS-hajer
sidst i disse noter (fra s. 80).
Ventetidsanalyse Transformation af regressionsvariable 39
Transformation af serum bilirubin
Inklusion af serum bilirubin utransformeret s˚avel som
logaritmetransformeret:
PROC PHREG DATA=skl;
MODEL day*bld(0) = sklero bilirub log2bilirub;
RUN;
-----------------------------------------------------
Parameter Standard
Variable DF Estimate Error Chi-Square Pr>ChiSq
Sklero 1 -0.18290 0.21596 0.7172 0.3971
Bilirub 1 -0.0001959 0.00231 0.0072 0.9325
log2Bilirub 1 0.48004 0.18152 6.9939 0.0082
NB: De bilirubin-relaterede estimater kan ikke umiddelbart fortolkes
(“ændring i raten, n˚ar bilirubin fordobles samtidigt med, at bilirubin
holdes fast . . . ”).
Hvis de begge er signifikante (og betydelige), og det ikke hjælper at tilføje andre
forklarende variable, s˚a kan effekten bedst illustreres i en graf.
Ventetidsanalyse Transformation af regressionsvariable 38
Plot af sammenhængen med bilirubin som en lineær spline
Ventetidsanalyse Transformation af regressionsvariable 40
Estimation med log2(serum bilirubin)
PROC PHREG DATA=skl;
MODEL day*bld(0) = sklero log2bilirub / RISKLIMITS;
RUN;
---------------------------------------------------
Parameter Standard
Variable DF Estimate Error Chi-Square Pr>ChiSq
Sklero 1 -0.18373 0.21575 0.7252 0.3944
log2Bilirub 1 0.46716 0.09706 23.1656