मुहाज पैकेज खतरे के कार्य के विश्वास अंतराल

Question

muhaz पैकेज hazard functionright censored से कर्नेल स्मूथिंग विधियों का उपयोग कर डेटा अनुमानित करता है। मेरा सवाल यह है कि, muhaz की गणना के खतरे के लिए आत्मविश्वास अंतराल प्राप्त करने का कोई तरीका है?

options(scipen=999) 
library(muhaz) 
data(ovarian, package="survival") 
attach(ovarian) 
fit1 <- muhaz(futime, fustat) 
plot(fit1, lwd=3, ylim=c(0,0.002)) 

ऊपर के उदाहरण muhaz.objectfit में कुछ प्रविष्टियों है fit1$msemin, fit1$var.min, fit1$haz.est लेकिन उनकी लंबाई fit1$haz.est का आधा है।

खतरे के फ़ंक्शन के लिए आत्मविश्वास अंतराल निकालना संभव है तो कोई विचार?

संपादित करें: मैं के साथ आधार पर निम्न की कोशिश की क्या @ user20650 सुझाव

options(scipen=999) 
library(muhaz) 
data(ovarian, package="survival") 
fit1 <- muhaz(ovarian$futime, ovarian$fustat,min.time=0, max.time=744) 


h.df<-data.frame(est=fit1$est.grid, h.orig=fit1$haz.est) 

for (i in 1:10000){ 
d.s.onarian<-ovarian[sample(1:nrow(ovarian), nrow(ovarian), replace = T),] 
d.s.muhaz<-muhaz(d.s.onarian$futime, d.s.onarian$fustat, min.time=0, max.time=744) 
h.df<-cbind(h.df, d.s.muhaz$haz.est) 
} 


h.df$upper.ci<-apply(h.df[,c(-1,-2)], 1, FUN=function(x) quantile(x, probs = 0.975)) 
h.df$lower.ci<-apply(h.df[,c(-1,-2)], 1, FUN=function(x) quantile(x, probs = 0.025)) 
plot(h.df$est, h.df$h.orig, type="l", ylim=c(0,0.003), lwd=3) 
lines(h.df$est, h.df$upper.ci, lty=3, lwd=3) 
lines(h.df$est, h.df$lower.ci, lty=3, lwd=3) 

स्थापना max.time कार्यों के लिए, हर बूटस्ट्रैप नमूना ने एक ही आकलन ग्रिड अंक लगता है। हालांकि सीआई प्राप्त, थोड़ा समझ में आता है। आम तौर पर मैं उम्मीद करता हूं कि अंतराल टी = 0 पर संकीर्ण होते हैं और समय के साथ व्यापक हो जाते हैं (कम जानकारी, अधिक अनिश्चितता) लेकिन प्राप्त अंतराल समय के साथ कम या ज्यादा स्थिर लगते हैं। के रूप में टिप्पणी करने वाले को सुझाव दिया

Answer 1

Bootstrapping उत्तर प्रदान करता है। आपकी अंतर्ज्ञान सही है कि आपको सीआई को चौड़ा होने की उम्मीद करनी चाहिए क्योंकि जोखिम कम होने की संख्या कम हो जाती है। हालांकि, इस प्रभाव को चिकनाई प्रक्रिया से कम किया जा रहा है और जितना अधिक अंतराल पर चिकनाई लागू की जाती है उतनी कम आपको सीआई के आकार में परिवर्तन को ध्यान में रखना चाहिए। पर्याप्त रूप से कम अंतराल पर चिकनाई करने का प्रयास करें और ध्यान दें कि सीआई अधिक स्पष्ट रूप से विस्तृत हो।

जैसा कि आप पा सकते हैं, इन चिकना खतरे के भूखंड बहुत सीमित उपयोग के हो सकते हैं और चिकनाई के तरीके के बारे में अत्यधिक संवेदनशील हैं। एक अभ्यास के रूप में, यह Weibull वितरण w/आकार पैरामीटर की एक श्रृंखला से 0.8, 1.0, 1.2 तक जीवित रहने के समय अनुकरण करने के लिए निर्देशक है, और फिर इन चिकना खतरे के भूखंडों को देखो और उन्हें वर्गीकृत करने का प्रयास करें। हद तक कि ये भूखंड जानकारीपूर्ण हैं, खतरनाक कार्य की प्रवृत्ति दर के आधार पर उन तीन घटताओं के बीच अंतर बताना काफी आसान होना चाहिए। वाईएमएमवी, लेकिन जब मैंने ऑन्कोलॉजी में नैदानिक ​​परीक्षणों के अनुरूप उचित नमूना आकार के साथ यह परीक्षण किया है तो मैं परिणामों से बहुत प्रभावित नहीं हुआ हूं।

खतरनाक खतरों के भूखंडों के विकल्प के रूप में, आप हान एट अल की विधि का उपयोग करके टुकड़े टुकड़े घातीय घटता को फ़िट करने का प्रयास कर सकते हैं। (http://www.ncbi.nlm.nih.gov/pubmed/23900779) और बूटस्ट्रैपिंग। उनके एल्गोरिदम ब्रेक पॉइंट्स की पहचान करेंगे, जहां खतरे की दर में सांख्यिकीय रूप से महत्वपूर्ण परिवर्तन होता है और आपको खतरनाक खतरों के मुकाबले खतरे की दर में प्रवृत्ति का बेहतर अर्थ मिल सकता है। यह कुछ हद तक मनमानी लेकिन चिकनाई पैरामीटर की परिणामी पसंद से भी बच जाएगा।