Overlevelsesanalyse

More documents

Recommendations

Info

Censurerede, normalt fordelte data (data med detektionsgrænse) 69 The REG Procedure Model: Naiv Dependent Variable: INDE Analysis of Variance Sum of Mean Source DF Squares Square F Value Pr>F Model 1 18.15521 18.15521 229.66 |t| Intercept 1 1.55732 0.03502 44.48
Censurerede, normalt fordelte data (data med detektionsgrænse) 73 Fit med gæt p˚a gennemsnitsværdi Samhørende m˚al for NO2 inde og ude Vi ved ikke, om linien ligger for højt (for højt gæt p˚a gennemsnit) eller for lavt (for lavt gæt p˚a gennemsnit) for de lave udendørsværdier, men spredningen undervurderes stadig. Censurerede, normalt fordelte data (data med detektionsgrænse) 75 I SAS skal der være to variable, der viser de faktiske nedre henholdsvis øvre grænser for responsvariablens værdi. • For observerede værdier er nedre og øvre grænse lig observationen. • For observationer under detektionsgrænsen er den nedre grænse ukendt, hvilket angives som et . (missing) i SAS, og den øvre grænse er lig med detektionsgrænsen. DATA no2; SET no2; IF UPCASE(UnderDetekt)="JA" THEN DO; nedre = .; oevre = 0.75; END; ELSE DO; nedre = inde; oevre = inde; END; RUN; PROC LIFEREG DATA=no2; MODEL (nedre, oevre) = ude_25 / DIST=NORMAL NOLOG; RUN; Censurerede, normalt fordelte data (data med detektionsgrænse) 74 Korrekt estimation af sammenhæng Optimal udnyttelse af data opn˚as ved at inkludere præcis den viden, vi har: De censurerede data er mindre end detektionsgrænsen. Princip: • For hver af observationerne under detektionsgrænsen kan det udregnes, hvad sandsynligheden er for, at observationen ligger under detektionsgrænsen for givne værdier af alle modelparametrene, b˚ade regressionsparametrene og variansparameteren. Denne sandsynlighed indg˚ar i estimationen. • De “almindelige” observationer indg˚ar p˚a sædvanlig vis. Alle modelparametrene estimeres som de værdier, der alt i alt passer bedst med det observerede, inklusive at observationerne under detektionsgrænsen faktisk l˚a under denne grænse. Censurerede, normalt fordelte data (data med detektionsgrænse) 76 The LIFEREG Procedure Model Information Data Set WORK.NO2 Dependent Variable nedre Dependent Variable oevre Number of Observations 85 Noncensored Values 60 Right Censored Values 0 Left Censored Values 25 Interval Censored Values 0 Name of Distribution Normal Log Likelihood -35.88065877 Algorithm converged. Type III Analysis of Effects Wald Effect DF Chi-Square Pr > ChiSq ude_25 1 177.8626 ChiSq Intercept 1245.07
Page 1 and 2: Ventetidsanalyse (“Overlevelsesan
Page 3 and 4: Ventetidsanalyse Kaplan-Meier 9 For
Page 5 and 6: Ventetidsanalyse Styrkeberegning 17
Page 7 and 8: Ventetidsanalyse Cox model 25 PROC
Page 9 and 10: Ventetidsanalyse Transformation af
Page 11 and 12: Ventetidsanalyse Opsummering 2. del
Page 13 and 14: Ventetidsanalyse Tidsskalaer 49 Eks
Page 15 and 16: Ventetidsanalyse Konkurrerende afga
Page 17: Censurerede, normalt fordelte data
Page 21 and 22: Lineære splines 81 Konstruktion af
Page 23: Lineære splines 89 Plot af lineær

Overlevelsesanalyse

You also want an ePaper? Increase the reach of your titles

Delete template?

Save as template?