முக்கிய மற்றவை நேரத்திற்கு நிகழ்வு தரவு பகுப்பாய்வு

நேரத்திற்கு நிகழ்வு தரவு பகுப்பாய்வு

கண்ணோட்டம்

மென்பொருள்

விளக்கம்

வலைத்தளங்கள்

அளவீடுகள்

படிப்புகள்

கண்ணோட்டம்

நேரத்திற்கு நிகழ்வு தரவை பகுப்பாய்வு செய்யும் போது கருத்தில் கொள்ள வேண்டிய தொடர் கேள்விகளை இந்த பக்கம் சுருக்கமாக விவரிக்கிறது மற்றும் மேலும் தகவலுக்கு சிறுகுறிப்பு ஆதார பட்டியலை வழங்குகிறது.

விளக்கம்

நேரத்திற்கு நிகழ்வு (TTE) தரவின் தனித்துவம் என்ன?

நேரத்திற்கு நிகழ்வு (TTE) தரவு தனித்துவமானது, ஏனெனில் ஆர்வத்தின் விளைவு ஒரு நிகழ்வு நிகழ்ந்ததா இல்லையா என்பது மட்டுமல்ல, அந்த நிகழ்வு எப்போது நிகழ்ந்தது என்பதும் ஆகும். லாஜிஸ்டிக் மற்றும் நேரியல் பின்னடைவின் பாரம்பரிய முறைகள் நிகழ்வு மற்றும் நேர அம்சங்களை மாதிரியின் விளைவாக சேர்க்க முடியும். பாரம்பரிய பின்னடைவு முறைகள் தணிக்கை கையாளுவதற்கு பொருத்தப்படவில்லை, பின்தொடர்தல் நேரத்தில் பாடங்கள் ஆர்வத்தின் நிகழ்வை அனுபவிக்காதபோது, ​​நேரத்திற்கு நிகழ்வு பகுப்பாய்வுகளில் நிகழும் ஒரு சிறப்பு வகை காணாமல் போன தரவு. தணிக்கை முன்னிலையில், நிகழ்வுக்கு உண்மையான நேரம் குறைத்து மதிப்பிடப்படுகிறது. TTE தரவுகளுக்கான சிறப்பு நுட்பங்கள், கீழே விவாதிக்கப்படும், ஒவ்வொரு விஷயத்திலும் பகுதி தகவல்களை தணிக்கை செய்யப்பட்ட தரவுகளுடன் பயன்படுத்தவும், பக்கச்சார்பற்ற உயிர்வாழும் மதிப்பீடுகளை வழங்கவும் உருவாக்கப்பட்டுள்ளன. இந்த நுட்பங்கள் பாடங்களில் பல நேர புள்ளிகளிலிருந்து தரவை இணைத்து, விகிதங்கள், நேர விகிதங்கள் மற்றும் அபாய விகிதங்களை நேரடியாகக் கணக்கிடப் பயன்படும்.

நேரத்திற்கு நிகழ்வு தரவின் முக்கியமான முறையான கருத்தாய்வு என்ன?

நிகழ்வுக்கான நிகழ்வு அல்லது உயிர்வாழும் தரவுகளின் பகுப்பாய்வில் 4 முக்கிய முறையான பரிசீலனைகள் உள்ளன. இலக்கு நிகழ்வு, நேரத்தின் தோற்றம், நேர அளவு மற்றும் பங்கேற்பாளர்கள் எவ்வாறு ஆய்வில் இருந்து வெளியேறுவார்கள் என்பதை விவரிப்பது முக்கியம். இவை நன்கு வரையறுக்கப்பட்டவுடன், பகுப்பாய்வு மிகவும் நேராக முன்னோக்கி செல்லும். பொதுவாக ஒரு இலக்கு நிகழ்வு உள்ளது, ஆனால் பல நிகழ்வுகள் அல்லது மீண்டும் மீண்டும் நிகழ்வுகளை அனுமதிக்கும் உயிர்வாழும் பகுப்பாய்வுகளின் நீட்டிப்புகள் உள்ளன.

நேர தோற்றம் என்ன?

நேர தோற்றம் என்பது பின்தொடர்தல் நேரம் தொடங்கும் புள்ளியாகும். TTE தரவு பல்வேறு வகையான நேர மூலங்களைப் பயன்படுத்தலாம், அவை பெரும்பாலும் ஆய்வு வடிவமைப்பால் தீர்மானிக்கப்படுகின்றன, ஒவ்வொன்றும் தொடர்புடைய நன்மைகள் மற்றும் குறைபாடுகளைக் கொண்டுள்ளன. எடுத்துக்காட்டுகளில் அடிப்படை நேரம் அல்லது அடிப்படை வயது ஆகியவை அடங்கும். வெளிப்பாடு அல்லது நோயறிதல் போன்ற வரையறுக்கப்பட்ட பண்புகளால் நேர தோற்றத்தை தீர்மானிக்க முடியும். விளைவு அந்த குணாதிசயத்துடன் தொடர்புடையதாக இருந்தால் இது பெரும்பாலும் இயற்கையான தேர்வாகும். பிற எடுத்துக்காட்டுகள் பிறப்பு மற்றும் காலண்டர் ஆண்டு ஆகியவை அடங்கும். ஒருங்கிணைந்த ஆய்வுகளுக்கு, நேர அளவானது பொதுவாக படிப்பின் நேரமாகும்.

படிப்பதற்கான நேரத்தைத் தவிர நேர அளவிற்கு வேறு வழி இருக்கிறதா?

வயது என்பது பொதுவாகப் பயன்படுத்தப்படும் மற்றொரு நேர அளவாகும், அங்கு அடிப்படை வயது என்பது நேரத்தின் தோற்றம் மற்றும் தனிநபர்கள் தங்கள் நிகழ்வில் அல்லது தணிக்கை செய்யும் வயதில் வெளியேறும். காலெண்டர் விளைவுகளுக்கு வயது அளவைக் கொண்ட மாதிரிகள் சரிசெய்யப்படலாம். சில ஆசிரியர்கள் படிப்பின் நேரத்தை விட வயதை நேர அளவாகப் பயன்படுத்த பரிந்துரைக்கின்றனர், ஏனெனில் இது குறைந்த சார்புடைய மதிப்பீடுகளை வழங்கக்கூடும்.

தணிக்கை என்றால் என்ன?

உயிர்வாழும் பகுப்பாய்விற்கான குறிப்பிட்ட சவால்களில் ஒன்று, ஆய்வின் முடிவில் சில நபர்கள் மட்டுமே நிகழ்வை அனுபவித்திருப்பார்கள், எனவே ஆய்வுக் குழுவின் துணைக்குழுவுக்கு உயிர்வாழும் நேரங்கள் தெரியாது. இந்த நிகழ்வு தணிக்கை என்று அழைக்கப்படுகிறது மற்றும் பின்வரும் வழிகளில் எழக்கூடும்: ஆய்வில் பங்கேற்பாளர் ஆய்வின் முடிவில் மறுபிறப்பு அல்லது இறப்பு போன்ற தொடர்புடைய முடிவுகளை இதுவரை அனுபவிக்கவில்லை; ஆய்வின் போது பின்தொடர்வதற்கு ஆய்வில் பங்கேற்பாளர் இழக்கப்படுகிறார்; அல்லது, ஆய்வில் பங்கேற்பாளர் வேறுபட்ட நிகழ்வை அனுபவிக்கிறார், இது மேலும் பின்தொடர்வதை சாத்தியமாக்குகிறது. இத்தகைய தணிக்கை செய்யப்பட்ட இடைவெளி நேரங்கள் நிகழ்வுக்கு உண்மையான ஆனால் அறியப்படாத நேரத்தை குறைத்து மதிப்பிடுகின்றன. பெரும்பாலான பகுப்பாய்வு அணுகுமுறைகளுக்கு, தணிக்கை என்பது சீரற்ற அல்லது தகவல் இல்லாததாக கருதப்படுகிறது.

தணிக்கை, வலது, இடது மற்றும் இடைவெளி என மூன்று முக்கிய வகைகள் உள்ளன. ஆய்வின் முடிவிற்கு அப்பால் நிகழ்வுகள் நடந்தால், தரவு சரியான தணிக்கை செய்யப்படுகிறது. நிகழ்வைக் கவனிக்கும்போது இடது தணிக்கை செய்யப்பட்ட தரவு நிகழ்கிறது, ஆனால் சரியான நிகழ்வு நேரம் தெரியவில்லை. நிகழ்வு கவனிக்கப்படும்போது இடைவெளி-தணிக்கை செய்யப்பட்ட தரவு நிகழ்கிறது, ஆனால் பங்கேற்பாளர்கள் கவனிப்பிற்கு வெளியேயும் வெளியேயும் வருகிறார்கள், எனவே சரியான நிகழ்வு நேரம் தெரியவில்லை. பெரும்பாலான உயிர்வாழும் பகுப்பாய்வு முறைகள் வலது தணிக்கை செய்யப்பட்ட அவதானிப்புகளுக்காக வடிவமைக்கப்பட்டுள்ளன, ஆனால் இடைவெளி மற்றும் இடது-தணிக்கை செய்யப்பட்ட தரவுகளுக்கான முறைகள் உள்ளன.

ஆர்வத்தின் கேள்வி என்ன?

பகுப்பாய்வுக் கருவியின் தேர்வு ஆர்வத்தின் ஆராய்ச்சி கேள்வியால் வழிநடத்தப்பட வேண்டும். TTE தரவுடன், ஆராய்ச்சி கேள்வி பல வடிவங்களை எடுக்கலாம், இது ஆராய்ச்சி கேள்விக்கு எந்த உயிர்வாழும் செயல்பாடு மிகவும் பொருத்தமானது என்பதை பாதிக்கிறது. TTE தரவுக்கு ஆர்வமாக இருக்கும் மூன்று வெவ்வேறு வகையான ஆராய்ச்சி கேள்விகள் பின்வருமாறு:

  1. ஒரு குறிப்பிட்ட நேரத்திற்குப் பிறகு எந்த விகிதத்தில் தனிநபர்கள் நிகழ்விலிருந்து விடுபடுவார்கள்?

  2. ஒரு குறிப்பிட்ட நேரத்திற்குப் பிறகு தனிநபர்களின் விகிதம் என்ன?

  3. அந்த நேரத்தில் வரை உயிர் பிழைத்தவர்களிடையே, ஒரு குறிப்பிட்ட கட்டத்தில் நிகழ்வின் ஆபத்து என்ன?

இந்த கேள்விகள் ஒவ்வொன்றும் உயிர்வாழும் பகுப்பாய்வில் பயன்படுத்தப்படும் வெவ்வேறு வகையான செயல்பாட்டுடன் ஒத்துப்போகின்றன:

  1. சர்வைவல் செயல்பாடு, எஸ் (டி): ஒரு நபர் காலத்தைத் தாண்டி உயிர்வாழும் நிகழ்தகவு [Pr (T> t)]

  2. நிகழ்தகவு அடர்த்தி செயல்பாடு, எஃப் (டி), அல்லது ஒட்டுமொத்த நிகழ்வு செயல்பாடு, ஆர் (டி): ஒரு தனிநபருக்கு உயிர்வாழும் நேரம் t ஐ விட குறைவாகவோ அல்லது சமமாகவோ இருக்கும் நிகழ்தகவு [Pr (T≤t)]

  3. தீங்கு செயல்பாடு, h (t): அந்த நேரத்தில் ஒரு நிகழ்வை அனுபவிக்கும் உடனடி சாத்தியம், அந்த நேரத்தில் தப்பிப்பிழைப்பதற்கான நிபந்தனை

  4. ஒட்டுமொத்த ஆபத்து செயல்பாடு, எச் (டி): ஆபத்து செயல்பாட்டின் ஒருங்கிணைப்பு நேரம் 0 முதல் நேரத்திற்கு t, இது வளைவு h (t) வளைவின் கீழ் உள்ள நேரத்தை நேரம் 0 மற்றும் நேர t க்கு இடையில் சமப்படுத்துகிறது

இந்த செயல்பாடுகளில் ஒன்று தெரிந்தால், மற்ற செயல்பாடுகளை பின்வரும் சூத்திரங்களைப் பயன்படுத்தி கணக்கிடலாம்:

எஸ் (டி) = 1 - எஃப் (டி) உயிர்வாழும் செயல்பாடு மற்றும் நிகழ்தகவு அடர்த்தி செயல்பாடு தொகை 1 ஆக இருக்கும்

h (t) = f (t) / S (t) உடனடி ஆபத்து என்பது நிபந்தனையற்ற நிகழ்தகவுக்கு சமம்

t நேரத்தில் நிகழ்வை அனுபவிப்பது, t நேரத்தில் உயிருடன் இருக்கும் பகுதியால் அளவிடப்படுகிறது

H (t) = -log [S (t)] ஒட்டுமொத்த ஆபத்து செயல்பாடு உயிர்வாழும் எதிர்மறை பதிவுக்கு சமம்

செயல்பாடு

S (t) = e –H (t) உயிர்வாழும் செயல்பாடு அதிவேக எதிர்மறை ஒட்டுமொத்த அபாயத்திற்கு சமம்

செயல்பாடு

இந்த மாற்றங்கள் பெரும்பாலும் உயிர்வாழும் பகுப்பாய்வு முறைகளில் பயன்படுத்தப்படுகின்றன, இது கீழே விவாதிக்கப்படும். பொதுவாக, h (t) இன் அதிகரிப்பு, உடனடி ஆபத்து, H (t), ஒட்டுமொத்த ஆபத்து, அதிகரிப்புக்கு வழிவகுக்கும், இது S (t) இன் குறைவு, உயிர்வாழும் செயல்பாடு.

நேரத்திற்கு நிகழ்வு தரவுக்கு நிலையான நுட்பங்களைப் பயன்படுத்த என்ன அனுமானங்கள் செய்யப்பட வேண்டும்?

TTE தரவை பகுப்பாய்வு செய்வதில் முக்கிய அனுமானம் தகவல் அல்லாத தணிக்கை ஆகும்: தணிக்கை செய்யப்பட்ட தனிநபர்கள் ஆய்வில் இருக்கும் நபர்களைப் போலவே அடுத்தடுத்த நிகழ்வை அனுபவிக்கும் அதே நிகழ்தகவைக் கொண்டுள்ளனர். தகவலறிந்த தணிக்கை புறக்கணிக்கப்படாத காணாமல் போன தரவுகளுக்கு ஒப்பானது, இது பகுப்பாய்வைச் சார்புடையதாக இருக்கும். தணிக்கை தகவல் இல்லாததா என்பதை சோதிக்க உறுதியான வழி எதுவுமில்லை, இருப்பினும் தணிக்கை முறைகளை ஆராய்வது தகவல் அல்லாத தணிக்கை அனுமானம் நியாயமானதா என்பதைக் குறிக்கலாம். தகவலறிந்த தணிக்கை சந்தேகிக்கப்பட்டால், சிறந்த தணிக்கை மற்றும் மோசமான சூழ்நிலைகள் போன்ற உணர்திறன் பகுப்பாய்வுகள், தகவல்தொடர்பு தணிக்கை பகுப்பாய்வில் ஏற்படுத்தும் விளைவை அளவிட முயற்சிக்க பயன்படுத்தலாம்.

TTE தரவை பகுப்பாய்வு செய்யும் போது மற்றொரு அனுமானம் என்னவென்றால், போதுமான புள்ளிவிவர சக்திக்கு போதுமான பின்தொடர்தல் நேரம் மற்றும் நிகழ்வுகளின் எண்ணிக்கை உள்ளது. ஆய்வு வடிவமைப்பு கட்டத்தில் இது கருதப்பட வேண்டும், ஏனெனில் பெரும்பாலான உயிர்வாழும் பகுப்பாய்வுகள் ஒருங்கிணைந்த ஆய்வுகளை அடிப்படையாகக் கொண்டவை.

கூடுதல் எளிமைப்படுத்தும் அனுமானங்கள் குறிப்பிடத் தக்கவை, ஏனெனில் அவை பெரும்பாலும் உயிர்வாழும் பகுப்பாய்வின் கண்ணோட்டங்களில் செய்யப்படுகின்றன. இந்த அனுமானங்கள் உயிர்வாழும் மாதிரிகளை எளிதாக்குகின்றன, அவை TTE தரவுடன் பகுப்பாய்வுகளை நடத்த தேவையில்லை. இந்த அனுமானங்கள் மீறப்பட்டால் மேம்பட்ட நுட்பங்களைப் பயன்படுத்தலாம்:

  • உயிர்வாழ்வதில் எந்தவிதமான ஒருங்கிணைந்த விளைவும் இல்லை: நீண்ட ஆட்சேர்ப்பு காலம் கொண்ட ஒரு கூட்டாளருக்கு, ஆரம்பத்தில் சேரும் நபர்கள் தாமதமாக சேருவதை விட உயிர்வாழும் நிகழ்தகவுகளைக் கொண்டுள்ளனர் என்று வைத்துக் கொள்ளுங்கள்

  • தரவுகளில் மட்டுமே சரியான தணிக்கை

  • நிகழ்வுகள் ஒருவருக்கொருவர் சுயாதீனமானவை

உயிர்வாழும் பகுப்பாய்விற்கு என்ன வகையான அணுகுமுறைகளைப் பயன்படுத்தலாம்?

TTE தரவை பகுப்பாய்வு செய்வதற்கு மூன்று முக்கிய அணுகுமுறைகள் உள்ளன: அளவுரு அல்லாத, அரை-அளவுரு மற்றும் அளவுரு அணுகுமுறைகள். எந்த அணுகுமுறையைப் பயன்படுத்துவது என்பது ஆர்வத்தின் ஆராய்ச்சி கேள்வியால் இயக்கப்பட வேண்டும். பெரும்பாலும், ஒரே பகுப்பாய்வில் ஒன்றுக்கு மேற்பட்ட அணுகுமுறைகளை சரியான முறையில் பயன்படுத்தலாம்.

உயிர்வாழும் பகுப்பாய்விற்கான அளவுரு அல்லாத அணுகுமுறைகள் என்ன, அவை எப்போது பொருத்தமானவை?

அளவுரு அல்லாத அணுகுமுறைகள் அடிப்படை மக்கள்தொகையில் அளவுருக்களின் வடிவம் அல்லது வடிவம் குறித்த அனுமானங்களை நம்பவில்லை. உயிர்வாழும் பகுப்பாய்வில், உயிர்வாழும் செயல்பாட்டை மதிப்பிடுவதன் மூலம் தரவை விவரிக்க அளவுரு அல்லாத அணுகுமுறைகள் பயன்படுத்தப்படுகின்றன, எஸ் (டி), உயிர்வாழும் நேரத்தின் சராசரி மற்றும் காலாண்டுகளுடன். தணிக்கை காரணமாக தரவுகளிலிருந்து இந்த விளக்க புள்ளிவிவரங்களை நேரடியாக கணக்கிட முடியாது, இது தணிக்கை செய்யப்பட்ட பாடங்களில் உண்மையான உயிர்வாழும் நேரத்தை குறைத்து மதிப்பிடுகிறது, இது சராசரி, சராசரி மற்றும் பிற விளக்கங்களின் வளைந்த மதிப்பீடுகளுக்கு வழிவகுக்கிறது. அளவுரு அல்லாத அணுகுமுறைகள் பெரும்பாலும் பக்கச்சார்பற்ற விளக்க புள்ளிவிவரங்களை உருவாக்குவதற்கான பகுப்பாய்வின் முதல் படியாகப் பயன்படுத்தப்படுகின்றன, மேலும் அவை பெரும்பாலும் அரை-அளவுரு அல்லது அளவுரு அணுகுமுறைகளுடன் இணைந்து பயன்படுத்தப்படுகின்றன.

கபிலன்-மேயர் மதிப்பீட்டாளர்

இலக்கியத்தில் மிகவும் பொதுவான அளவுரு அல்லாத அணுகுமுறை கப்லான்-மியர் (அல்லது தயாரிப்பு வரம்பு) மதிப்பீட்டாளர். கப்லான்-மியர் மதிப்பீட்டாளர் எஸ் (டி) மதிப்பீட்டை கவனிக்கப்பட்ட நிகழ்வு நேரங்களின் அடிப்படையில் தொடர்ச்சியான படிகள் / இடைவெளிகளாக உடைப்பதன் மூலம் செயல்படுகிறார். நிகழ்வு நிகழும் வரை அல்லது அவை தணிக்கை செய்யப்படும் வரை அவதானிப்புகள் எஸ் (டி) மதிப்பீட்டிற்கு பங்களிக்கின்றன. ஒவ்வொரு இடைவெளிக்கும், இடைவெளியின் இறுதி வரை உயிர்வாழ்வதற்கான நிகழ்தகவு கணக்கிடப்படுகிறது, இடைவெளியின் தொடக்கத்தில் பாடங்கள் ஆபத்தில் உள்ளன (இது பொதுவாக pj = (nj - dj) / nj என குறிப்பிடப்படுகிறது). T இன் ஒவ்வொரு மதிப்பிற்கும் மதிப்பிடப்பட்ட S (t) ஒவ்வொரு இடைவெளியையும் தப்பிப்பிழைப்பதற்கும், நேரம் t உட்பட. இந்த முறையின் முக்கிய அனுமானங்கள், தகவல் அல்லாத தணிக்கைக்கு கூடுதலாக, தணிக்கை தோல்விகளுக்குப் பிறகு நிகழ்கிறது என்பதும், உயிர்வாழ்வதில் எந்தவிதமான ஒருங்கிணைந்த விளைவும் இல்லை என்பதும் ஆகும், எனவே பாடங்கள் ஆய்வின் போது வந்தாலும் பொருட்படுத்தாமல் அதே உயிர்வாழும் நிகழ்தகவைக் கொண்டுள்ளன.

கப்லான்-மேயர் முறையிலிருந்து மதிப்பிடப்பட்ட எஸ் (டி) எக்ஸ்-அச்சில் நேரத்துடன் ஒரு படிப்படியான செயல்பாடாக திட்டமிடப்படலாம். இந்த சதி கூட்டுறவின் உயிர்வாழும் அனுபவத்தை காட்சிப்படுத்த ஒரு சிறந்த வழியாகும், மேலும் சராசரி (எஸ் (டி) ≤0.5 போது) அல்லது உயிர்வாழும் நேரத்தின் காலாண்டுகளை மதிப்பிடவும் பயன்படுத்தலாம். இந்த விளக்க புள்ளிவிவரங்களை கப்லான்-மேயர் மதிப்பீட்டாளரைப் பயன்படுத்தி நேரடியாக கணக்கிட முடியும். S (t) க்கான 95% நம்பிக்கை இடைவெளிகள் (CI) 95% CI 0 மற்றும் 1 க்குள் இருப்பதை உறுதிப்படுத்த S (t) இன் மாற்றங்களை நம்பியுள்ளது. இலக்கியத்தில் மிகவும் பொதுவான முறை கிரீன்வுட் மதிப்பீட்டாளர்.

வாழ்க்கை அட்டவணை மதிப்பீட்டாளர்

உயிர்வாழும் செயல்பாட்டின் வாழ்க்கை அட்டவணை மதிப்பீட்டாளர் பயன்பாட்டு புள்ளிவிவர முறைகளின் ஆரம்ப எடுத்துக்காட்டுகளில் ஒன்றாகும், இது பெரிய மக்கள்தொகையில் இறப்பை விவரிக்க 100 ஆண்டுகளுக்கும் மேலாக பயன்படுத்தப்பட்டு வருகிறது. வாழ்க்கை அட்டவணை மதிப்பீட்டாளர் கப்லான்-மேயர் முறையைப் போன்றது, தவிர இடைவெளிகள் கவனிக்கப்பட்ட நிகழ்வுகளுக்குப் பதிலாக காலண்டர் நேரத்தை அடிப்படையாகக் கொண்டவை. வாழ்க்கை அட்டவணை முறைகள் இந்த காலெண்டர் இடைவெளிகளை அடிப்படையாகக் கொண்டவை, மற்றும் தனிப்பட்ட நிகழ்வுகள் / தணிக்கை நேரங்களை அடிப்படையாகக் கொண்டவை அல்ல என்பதால், இந்த முறைகள் S (t) ஐ மதிப்பிடுவதற்கு ஒரு இடைவெளியில் சராசரி இடர் தொகுப்பு அளவைப் பயன்படுத்துகின்றன, மேலும் காலண்டர் நேர இடைவெளியில் தணிக்கை ஒரே மாதிரியாக நிகழ்ந்தது என்று கருத வேண்டும். இந்த காரணத்திற்காக, வாழ்க்கை அட்டவணை மதிப்பீட்டாளர் கப்லான்-மேயர் மதிப்பீட்டாளரைப் போல துல்லியமாக இல்லை, ஆனால் முடிவுகள் மிகப் பெரிய மாதிரிகளில் ஒத்ததாக இருக்கும்.

நெல்சன்-ஆலன் மதிப்பீட்டாளர்

கப்லான்-மியருக்கு மற்றொரு மாற்று நெல்சன்-ஆலன் மதிப்பீட்டாளர், இது ஒட்டுமொத்த ஆபத்து செயல்பாட்டை மதிப்பிடுவதற்கு எண்ணும் செயல்முறை அணுகுமுறையைப் பயன்படுத்துவதை அடிப்படையாகக் கொண்டது, எச் (டி). S (t) ஐ மதிப்பிடுவதற்கு H (t) இன் மதிப்பீட்டைப் பயன்படுத்தலாம். இந்த முறையைப் பயன்படுத்தி பெறப்பட்ட S (t) இன் மதிப்பீடுகள் எப்போதும் K-M மதிப்பீட்டை விட அதிகமாக இருக்கும், ஆனால் பெரிய மாதிரிகளில் இரண்டு முறைகளுக்கு இடையில் வேறுபாடு சிறியதாக இருக்கும்.

அளவுரு அல்லாத அணுகுமுறைகளை மாற்றமுடியாத அல்லது பன்முகப்படுத்தக்கூடிய பகுப்பாய்வுகளுக்குப் பயன்படுத்த முடியுமா?

கப்லான்-மேயர் மதிப்பீட்டாளர் போன்ற அளவுரு அல்லாத அணுகுமுறைகள் ஆர்வத்தின் வகைப்படுத்தப்பட்ட காரணிகளுக்கு பொருந்தாத பகுப்பாய்வுகளை மேற்கொள்ள பயன்படுத்தப்படலாம். காரணிகள் வகைப்படுத்தப்பட வேண்டும் (இயற்கையில் அல்லது தொடர்ச்சியான மாறி வகைகளாக பிரிக்கப்படுகின்றன) ஏனெனில் உயிர்வாழும் செயல்பாடு, எஸ் (டி), வகை மாறியின் ஒவ்வொரு நிலைக்கும் மதிப்பிடப்படுகிறது, பின்னர் இந்த குழுக்கள் முழுவதும் ஒப்பிடப்படுகிறது. ஒவ்வொரு குழுவிற்கும் மதிப்பிடப்பட்ட எஸ் (டி) திட்டமிடப்பட்டு பார்வைக்கு ஒப்பிடலாம்.

உயிர்வாழும் வளைவுகளுக்கு இடையிலான வேறுபாட்டை புள்ளிவிவர ரீதியாக சோதிக்க தரவரிசை அடிப்படையிலான சோதனைகள் பயன்படுத்தப்படலாம். இந்த சோதனைகள் குழுக்கள் முழுவதும் ஒவ்வொரு முறையும் கவனிக்கப்பட்ட மற்றும் எதிர்பார்க்கப்படும் நிகழ்வுகளின் எண்ணிக்கையை ஒப்பிடுகின்றன, பூஜ்ய கருதுகோளின் கீழ் குழுக்கள் முழுவதும் உயிர்வாழும் செயல்பாடுகள் சமம். இந்த தரவரிசை அடிப்படையிலான சோதனைகளின் பல பதிப்புகள் உள்ளன, அவை சோதனை புள்ளிவிவரத்தின் கணக்கீட்டில் ஒவ்வொரு நேர புள்ளிகளுக்கும் கொடுக்கப்பட்ட எடையில் வேறுபடுகின்றன. இலக்கியத்தில் காணப்படும் மிகவும் பொதுவான தரவரிசை அடிப்படையிலான சோதனைகளில் இரண்டு பதிவு தரவரிசை சோதனை ஆகும், இது ஒவ்வொரு நேர புள்ளிகளுக்கும் சமமான எடையைக் கொடுக்கும், மற்றும் வில்காக்சன் சோதனை, ஒவ்வொரு நேர புள்ளியையும் ஆபத்தில் உள்ள பாடங்களின் எண்ணிக்கையால் எடைபோடுகிறது. இந்த எடையின் அடிப்படையில், வில்காக்சன் சோதனை பின்தொடர்வின் ஆரம்பத்தில் வளைவுகளுக்கிடையேயான வேறுபாடுகளுக்கு அதிக உணர்திறன் கொண்டது, அதிக பாடங்கள் ஆபத்தில் இருக்கும்போது. பெட்டோ-ப்ரெண்டிஸ் சோதனை போன்ற பிற சோதனைகள், பதிவு தரவரிசை மற்றும் வில்காக்சன் சோதனைகளுக்கு இடையில் எடைகளைப் பயன்படுத்துகின்றன. தரவரிசை அடிப்படையிலான சோதனைகள் தணிக்கை குழுவிலிருந்து சுயாதீனமாக இருக்கும் என்ற கூடுதல் அனுமானத்திற்கு உட்பட்டது, மேலும் உயிர்வாழும் வளைவுகள் கடக்கும்போது குழுக்களுக்கிடையேயான வேறுபாடுகளைக் கண்டறிய சிறிய சக்தியால் இவை அனைத்தும் வரையறுக்கப்படுகின்றன. இந்த சோதனைகள் வளைவுகளுக்கிடையேயான வேறுபாட்டின் p- மதிப்பை வழங்கினாலும், அவை விளைவு அளவுகளை மதிப்பிடுவதற்குப் பயன்படுத்த முடியாது (இருப்பினும், பதிவு தரவரிசை சோதனை p- மதிப்பு, இருப்பினும், ஒரு மாறாத காக்ஸில் ஆர்வத்தின் ஒரு வகைப்படுத்தப்பட்ட காரணிக்கான p- மதிப்புக்கு சமம். மாதிரி).

அளவுரு அல்லாத மாதிரிகள் அவை விளைவு மதிப்பீடுகளை வழங்காததால் வரையறுக்கப்பட்டுள்ளன, மேலும் அவை பல வட்டி காரணிகளின் (பன்முகப்படுத்தக்கூடிய மாதிரிகள்) விளைவை மதிப்பிடுவதற்கு பொதுவாக பயன்படுத்த முடியாது. இந்த காரணத்திற்காக, அளவுரு அல்லாத அணுகுமுறைகள் பெரும்பாலும் தொற்றுநோயியலில் அரை அல்லது முழு அளவுரு மாதிரிகளுடன் இணைந்து பயன்படுத்தப்படுகின்றன, இங்கு பன்முகப்படுத்தக்கூடிய மாதிரிகள் பொதுவாக குழப்பவாதிகளைக் கட்டுப்படுத்தப் பயன்படுத்தப்படுகின்றன.

கபிலன்-மியர் வளைவுகளை சரிசெய்ய முடியுமா?

கப்லான்-மேயர் வளைவுகளை சரிசெய்ய முடியாது என்பது பொதுவான கட்டுக்கதை, மேலும் இது கோவாரியட்-சரிசெய்யப்பட்ட உயிர்வாழும் வளைவுகளை உருவாக்கக்கூடிய ஒரு அளவுரு மாதிரியைப் பயன்படுத்துவதற்கான ஒரு காரணியாக பெரும்பாலும் குறிப்பிடப்படுகிறது. இருப்பினும், தலைகீழ் நிகழ்தகவு வெயிட்டிங் (ஐபிடபிள்யூ) ஐப் பயன்படுத்தி சரிசெய்யப்பட்ட உயிர் வளைவுகளை உருவாக்க ஒரு முறை உருவாக்கப்பட்டுள்ளது. ஒரே ஒரு கோவாரியட்டின் விஷயத்தில், ஐபிடபிள்யூக்கள் அளவுரு அல்லாத முறையில் மதிப்பிடப்படலாம் மற்றும் அவை ஆய்வு மக்கள்தொகைக்கு உயிர்வாழும் வளைவுகளின் நேரடி தரப்படுத்தலுக்கு சமமானவை. பல கோவாரியட்களின் விஷயத்தில், எடைகளை மதிப்பிடுவதற்கு அரை அல்லது முழு அளவுரு மாதிரிகள் பயன்படுத்தப்பட வேண்டும், பின்னர் அவை பல-கோவாரேட் சரிசெய்யப்பட்ட உயிர் வளைவுகளை உருவாக்கப் பயன்படுகின்றன. இந்த முறையின் நன்மைகள் என்னவென்றால், இது விகிதாசார அபாயங்கள் அனுமானத்திற்கு உட்பட்டது அல்ல, இது நேரத்தை மாற்றும் கோவாரியட்டுகளுக்குப் பயன்படுத்தப்படலாம், மேலும் இது தொடர்ச்சியான கோவாரியட்டுகளுக்கும் பயன்படுத்தப்படலாம்.

நேரத்திற்கு நிகழ்வு தரவை பகுப்பாய்வு செய்வதற்கான அளவுரு அணுகுமுறைகள் நமக்கு ஏன் தேவை?

TTE தரவின் பகுப்பாய்விற்கான ஒரு அளவுரு அல்லாத அணுகுமுறை, விசாரணையின் கீழ் உள்ள காரணியைப் பொறுத்து உயிர்வாழும் தரவை விவரிக்கப் பயன்படுகிறது. இந்த அணுகுமுறையைப் பயன்படுத்தும் மாதிரிகள் மாற்ற முடியாத மாதிரிகள் என்றும் குறிப்பிடப்படுகின்றன. மிகவும் பொதுவாக, புலனாய்வாளர்கள் பல கோவாரியட்டுகளுக்கிடையேயான உறவிலும் நிகழ்வுக்கான நேரத்திலும் ஆர்வமாக உள்ளனர். அரை மற்றும் முழு-அளவுரு மாதிரிகளின் பயன்பாடு ஒரே நேரத்தில் பல காரணிகளைப் பொறுத்து பகுப்பாய்வு செய்ய நேரத்தை அனுமதிக்கிறது, மேலும் ஒவ்வொரு தொகுதி காரணிகளுக்கும் விளைவின் வலிமையின் மதிப்பீடுகளை வழங்குகிறது.

அரை-அளவுரு அணுகுமுறை என்றால் என்ன, அது ஏன் பொதுவாகப் பயன்படுத்தப்படுகிறது?

உயிர் வேதியியல் முக்கியமானது என்ன

காக்ஸ் விகிதாசார மாதிரி என்பது மருத்துவ ஆராய்ச்சியில் உயிர்வாழும் தரவை பகுப்பாய்வு செய்வதற்கு பொதுவாகப் பயன்படுத்தப்படும் பன்முகப்படுத்தக்கூடிய அணுகுமுறையாகும். இது அடிப்படையில் நேரத்திற்கு நிகழ்வு பின்னடைவு மாதிரியாகும், இது நிகழ்வு நிகழ்வுகளுக்கிடையேயான தொடர்பை விவரிக்கிறது, இது ஆபத்து செயல்பாட்டால் வெளிப்படுத்தப்படுகிறது, மேலும் ஒரு கோவாரியட்டுகள். காக்ஸ் மாதிரி பின்வருமாறு எழுதப்பட்டுள்ளது:

ஆபத்து செயல்பாடு, h (t) = h0 (t) exp {X1X1 + X2X2 +… + βpXp}

இது ஒரு அரை-அளவுரு அணுகுமுறையாகக் கருதப்படுகிறது, ஏனெனில் மாதிரியில் அளவுரு அல்லாத கூறு மற்றும் ஒரு அளவுரு கூறு உள்ளது. அளவுரு அல்லாத கூறு அடிப்படை ஆபத்து, h0 (t). அனைத்து கோவாரியட்டுகளும் 0 க்கு சமமாக இருக்கும்போது இது ஆபத்தின் மதிப்பு, இது கோவாரியட்டுகளை மாதிரியில் மையப்படுத்துவதன் முக்கியத்துவத்தை விளக்குகிறது. அடிப்படை அபாயத்தை அந்த நேரத்தில் ஆபத்து என்று குழப்ப வேண்டாம். அடிப்படை ஆபத்து செயல்பாடு அளவுரு அல்லாததாக மதிப்பிடப்படுகிறது, எனவே மற்ற புள்ளிவிவர மாதிரிகள் போலல்லாமல், உயிர்வாழும் நேரங்கள் ஒரு குறிப்பிட்ட புள்ளிவிவர விநியோகம் மற்றும் அடிப்படை வடிவத்தை பின்பற்றுவதாக கருதப்படவில்லை. ஆபத்து தன்னிச்சையானது. உறவினர் ஆபத்து அல்லது ஆபத்து விகிதம் குறித்து அனுமானங்களைச் செய்ய அடிப்படை ஆபத்து செயல்பாடு மதிப்பிட தேவையில்லை. இந்த அம்சம் காக்ஸ் மாதிரியை அளவுரு அணுகுமுறைகளை விட வலுவானதாக ஆக்குகிறது, ஏனெனில் இது அடிப்படை அபாயத்தின் எழுத்துப்பிழைக்கு பாதிக்கப்படாது.

அளவுரு கூறு கோவாரியட் திசையன் கொண்டது. கோவாரியட் திசையன் அடிப்படை அபாயத்தை நேரத்தைப் பொருட்படுத்தாமல் ஒரே அளவுடன் பெருக்குகிறது, எனவே எந்தவொரு கோவாரியட்டின் விளைவும் எந்த நேரத்திலும் பின்தொடர்வின் போது ஒரே மாதிரியாக இருக்கும், மேலும் இது விகிதாசார அபாயங்கள் அனுமானத்திற்கு அடிப்படையாகும்.

விகிதாசார அபாயங்கள் அனுமானம் என்ன?

காக்ஸ் மாதிரியின் பயன்பாடு மற்றும் விளக்கத்திற்கு விகிதாசார அபாயங்கள் அனுமானம் மிக முக்கியமானது.

இந்த அனுமானத்தின் கீழ், விளைவு அல்லது சார்பு மாறி மற்றும் கோவாரியட் திசையன் இடையே ஒரு நிலையான உறவு உள்ளது. இந்த அனுமானத்தின் தாக்கங்கள் என்னவென்றால், எந்தவொரு இரண்டு நபர்களுக்கும் ஆபத்து செயல்பாடுகள் எந்த நேரத்திலும் விகிதாசாரமாக இருக்கும் மற்றும் ஆபத்து விகிதம் நேரத்துடன் மாறுபடாது. வேறு வார்த்தைகளில் கூறுவதானால், ஒரு தனிநபருக்கு ஏதேனும் ஒரு ஆரம்ப நேர கட்டத்தில் மற்றொரு நபரை விட இரு மடங்கு அதிகமாக இறப்பு ஆபத்து இருந்தால், பின்னர் எல்லா நேரங்களிலும் மரண ஆபத்து இரு மடங்கு அதிகமாக இருக்கும் என்று சுட்டிக்காட்டுகிறது. இந்த அனுமானம் குழுக்களுக்கான ஆபத்து வளைவுகள் விகிதாசாரமாக இருக்க வேண்டும் மற்றும் கடக்கக்கூடாது என்பதைக் குறிக்கிறது. இந்த அனுமானம் மிகவும் முக்கியமானது என்பதால், அது நிச்சயமாக சோதிக்கப்பட வேண்டும்.

விகிதாசார அபாயங்கள் அனுமானத்தை எவ்வாறு சோதிப்பது?

விகிதாசார அபாயங்கள் அனுமானத்தின் செல்லுபடியை மதிப்பிடுவதற்கு வரைகலை மற்றும் சோதனை அடிப்படையிலான பல்வேறு நுட்பங்கள் உள்ளன. ஒரு கோவாரியன்கள் இல்லாத இரண்டு குழுக்களை நீங்கள் ஒப்பிட்டுப் பார்த்தால், கபிலன்-மேயர் உயிர்வாழும் வளைவுகளைத் திட்டமிடுவது ஒரு நுட்பமாகும். வளைவுகள் தாண்டினால், விகிதாசார அபாயங்கள் அனுமானம் மீறப்படலாம். இந்த அணுகுமுறைக்கான ஒரு முக்கியமான எச்சரிக்கையை சிறிய ஆய்வுகளுக்கு மனதில் கொள்ள வேண்டும். ஒரு சிறிய மாதிரி அளவைக் கொண்ட ஆய்வுகளுக்கான உயிர்வாழும் வளைவுகளின் மதிப்பீட்டோடு தொடர்புடைய பெரிய அளவு பிழை இருக்கலாம், எனவே விகிதாசார அபாயங்கள் அனுமானத்தை பூர்த்தி செய்யும்போது கூட வளைவுகள் கடக்கக்கூடும். நிரப்பு பதிவு-பதிவு சதி என்பது மிகவும் வலுவான சோதனையாகும், இது உயிர்வாழும் நேரத்தின் மடக்கைக்கு எதிராக மதிப்பிடப்பட்ட உயிர் பிழைத்தவரின் செயல்பாட்டின் எதிர்மறை மடக்கைகளின் மடக்கைத் திட்டமிடுகிறது. அபாயங்கள் குழுக்கள் முழுவதும் விகிதாசாரமாக இருந்தால், இந்த சதி இணையான வளைவுகளைக் கொடுக்கும். விகிதாசார அபாயங்கள் அனுமானத்தை சோதிப்பதற்கான மற்றொரு பொதுவான முறை என்னவென்றால், காலப்போக்கில் மனிதவள மாற்றம் மாறுகிறதா என்பதைத் தீர்மானிக்க நேர தொடர்பு காலத்தைச் சேர்ப்பது, ஏனெனில் நேரம் பெரும்பாலும் ஆபத்துகளின் விகிதாசாரமற்ற தன்மைக்கு குற்றவாளி. குழு * நேர தொடர்பு காலம் பூஜ்ஜியம் அல்ல என்பதற்கான சான்றுகள் விகிதாசார அபாயங்களுக்கு எதிரான சான்றாகும்.

விகிதாசார அபாயங்கள் அனுமானம் இல்லாவிட்டால் என்ன செய்வது?

PH அனுமானம் இல்லை என்று நீங்கள் கண்டால், நீங்கள் காக்ஸ் மாதிரியின் பயன்பாட்டை கைவிட வேண்டிய அவசியமில்லை. மாதிரியில் விகிதாசாரமற்ற தன்மையை மேம்படுத்துவதற்கான விருப்பங்கள் உள்ளன. எடுத்துக்காட்டாக, நீங்கள் மற்ற கோவாரியட்களை மாதிரியில் சேர்க்கலாம், புதிய கோவாரியட்டுகள், இருக்கும் கோவாரியட்டுகளுக்கான நேரியல் அல்லாத சொற்கள் அல்லது கோவாரியட்டுகளுக்கிடையேயான இடைவினைகள். அல்லது ஒன்று அல்லது அதற்கு மேற்பட்ட மாறிகள் குறித்த பகுப்பாய்வை நீங்கள் வரிசைப்படுத்தலாம். ஒவ்வொரு அடுக்கிலும் அடிப்படை ஆபத்து வேறுபட்டிருக்க அனுமதிக்கப்பட்ட ஒரு மாதிரியை இது மதிப்பிடுகிறது, ஆனால் கோவாரியட்டுகளின் விளைவுகள் அடுக்கு முழுவதும் சமமாக இருக்கும். பிற விருப்பங்களில் நேரத்தை வகைகளாகப் பிரித்தல் மற்றும் ஆபத்து விகிதங்கள் காலப்போக்கில் மாறுபட அனுமதிக்க காட்டி மாறிகளைப் பயன்படுத்துதல், மற்றும் பகுப்பாய்வு நேர மாறியை மாற்றுதல் (எ.கா., கழிந்த நேரத்திலிருந்து வயது அல்லது நேர்மாறாக) ஆகியவை அடங்கும்.

அரை அளவுரு மாதிரி பொருத்தத்தை எவ்வாறு ஆராய்வீர்கள்?

விகிதாசார அனுமானத்தின் மீறல்களைச் சோதிப்பதைத் தவிர, மாதிரி பொருத்தத்தின் பிற அம்சங்களும் ஆராயப்பட வேண்டும். சில வேறுபாடுகளுடன் காக்ஸ் மாடல்களுக்கு இந்த பணிகளைச் செய்ய நேரியல் மற்றும் லாஜிஸ்டிக் பின்னடைவில் பயன்படுத்தப்படும் புள்ளிவிவரங்களைப் பயன்படுத்தலாம், ஆனால் அத்தியாவசிய யோசனைகள் மூன்று அமைப்புகளிலும் ஒரே மாதிரியாக இருக்கும். கோவாரியட் திசையனின் நேர்கோட்டுத்தன்மையை சரிபார்க்க வேண்டியது அவசியம், இது எஞ்சியவற்றை ஆராய்வதன் மூலம் செய்ய முடியும், நாம் நேரியல் பின்னடைவில் செய்வது போலவே. இருப்பினும், TTE தரவுகளில் உள்ள எச்சங்கள் நேரியல் பின்னடைவில் இருப்பதைப் போல நேரடியானவை அல்ல, ஏனென்றால் சில தரவுகளுக்கு விளைவின் மதிப்பு தெரியவில்லை, மற்றும் எச்சங்கள் பெரும்பாலும் வளைந்து கொடுக்கப்படுகின்றன. TTE தரவுகளுக்கான காக்ஸ் மாதிரி பொருத்தத்தை மதிப்பிடுவதற்காக பல்வேறு வகையான எச்சங்கள் உருவாக்கப்பட்டுள்ளன. எடுத்துக்காட்டுகளில் மார்டிங்கேல் மற்றும் ஸ்கொன்பெல்ட் ஆகியோர் அடங்குவர். அதிக செல்வாக்குள்ள மற்றும் மோசமாக பொருந்தக்கூடிய அவதானிப்புகளை அடையாளம் காண நீங்கள் எச்சங்களையும் பார்க்கலாம். காக்ஸ் மாடல்களுக்கு குறிப்பிட்ட க்ரோனெஸ்பி மற்றும் போர்கன் சோதனை, மற்றும் ஹோஸ்மர் மற்றும் லெமெஷோ முன்கணிப்பு குறியீட்டு போன்றவற்றுக்கான நன்மை-பொருந்தக்கூடிய சோதனைகளும் உள்ளன. வெவ்வேறு மாதிரிகளை ஒப்பிட்டுப் பார்க்க நீங்கள் AIC ஐப் பயன்படுத்தலாம், இருப்பினும் R2 இன் பயன்பாடு சிக்கலானது.

அளவுரு அணுகுமுறையை ஏன் பயன்படுத்த வேண்டும்?

அரை-அளவுரு மாதிரிகளின் முக்கிய நன்மைகளில் ஒன்று, குழுக்களுக்கிடையிலான ஒப்பீட்டு அபாயத்தில் உள்ள வேறுபாடுகளை விவரிக்கும் அபாய விகிதங்களை மதிப்பிடுவதற்கு அடிப்படை ஆபத்து குறிப்பிட தேவையில்லை. எவ்வாறாயினும், அடிப்படை அபாயத்தை மதிப்பிடுவது ஆர்வமாக இருக்கலாம். இந்த வழக்கில், ஒரு அளவுரு அணுகுமுறை அவசியம். அளவுரு அணுகுமுறைகளில், ஆபத்து செயல்பாடு மற்றும் கோவாரியட்டுகளின் விளைவு ஆகிய இரண்டும் குறிப்பிடப்படுகின்றன. ஆபத்து செயல்பாடு அடிப்படை மக்கள்தொகையில் கருதப்படும் விநியோகத்தின் அடிப்படையில் மதிப்பிடப்படுகிறது.

உயிர்வாழும் பகுப்பாய்விற்கு ஒரு அளவுரு அணுகுமுறையைப் பயன்படுத்துவதன் நன்மைகள்:

  • அளவுரு அணுகுமுறைகள் அல்லாத மற்றும் அரை-அளவுரு அணுகுமுறைகளை விட தகவலறிந்தவை. உறவினர் விளைவு மதிப்பீடுகளை கணக்கிடுவதோடு கூடுதலாக, அவை உயிர்வாழும் நேரம், ஆபத்து விகிதங்கள் மற்றும் சராசரி மற்றும் சராசரி உயிர்வாழும் நேரங்களை கணிக்கவும் பயன்படுத்தப்படலாம். காலப்போக்கில் முழுமையான ஆபத்து கணிப்புகளைச் செய்வதற்கும், கோவாரேட்-சரிசெய்யப்பட்ட உயிர் வளைவுகளைத் திட்டமிடுவதற்கும் அவை பயன்படுத்தப்படலாம்.

  • அளவுரு வடிவம் சரியாகக் குறிப்பிடப்படும்போது, ​​அளவுரு மாதிரிகள் அரை-அளவுரு மாதிரிகளை விட அதிக சக்தியைக் கொண்டுள்ளன. அவை மிகவும் திறமையானவை, சிறிய நிலையான பிழைகள் மற்றும் மிகவும் துல்லியமான மதிப்பீடுகளுக்கு வழிவகுக்கும்.

  • அளவுரு அணுகுமுறைகள் அளவுருக்களை மதிப்பிடுவதற்கான முழு அதிகபட்ச வாய்ப்பையும் நம்பியுள்ளன.

  • அளவுரு மாதிரிகளின் எச்சங்கள் கவனிக்கப்பட்ட மற்றும் எதிர்பார்க்கப்பட்ட வித்தியாசத்தின் பழக்கமான வடிவத்தை எடுத்துக்கொள்கின்றன.

ஒரு அளவுரு அணுகுமுறையைப் பயன்படுத்துவதன் முக்கிய தீமை என்னவென்றால், அடிப்படை மக்கள் தொகை விநியோகம் சரியாக குறிப்பிடப்பட்டுள்ளது என்ற அனுமானத்தை நம்பியுள்ளது. அளவுரு மாதிரிகள் எழுத்துப்பிழைக்கு வலுவானவை அல்ல, அதனால்தான் அரை-அளவுரு மாதிரிகள் இலக்கியத்தில் மிகவும் பொதுவானவை மற்றும் அடிப்படை மக்கள் தொகை விநியோகம் குறித்து நிச்சயமற்ற தன்மை இருக்கும்போது பயன்படுத்த ஆபத்து குறைவாக உள்ளது.

அளவுரு வடிவத்தை எவ்வாறு தேர்வு செய்வது?

பொருத்தமான அளவுரு வடிவத்தின் தேர்வு அளவுரு உயிர்வாழும் பகுப்பாய்வின் மிகவும் கடினமான பகுதியாகும். அளவுரு வடிவத்தின் விவரக்குறிப்பு ஆய்வுக் கருதுகோளால் இயக்கப்பட வேண்டும், அதோடு முன் அறிவு மற்றும் அடிப்படை அபாயத்தின் வடிவத்தின் உயிரியல் நம்பகத்தன்மை. எடுத்துக்காட்டாக, அறுவைசிகிச்சைக்குப் பிறகு மரண ஆபத்து வியத்தகு அளவில் அதிகரிக்கிறது, பின்னர் குறைந்து தட்டையானது என்று தெரிந்தால், அதிவேக விநியோகத்தைக் குறிப்பிடுவது பொருத்தமற்றது, இது காலப்போக்கில் ஒரு நிலையான ஆபத்தை கருதுகிறது. குறிப்பிட்ட படிவம் தரவுக்கு பொருந்துமா என்று மதிப்பிடுவதற்கு தரவைப் பயன்படுத்தலாம், ஆனால் இந்த தரவு-உந்துதல் முறைகள் கருதுகோளால் இயக்கப்படும் தேர்வுகளை மாற்றியமைக்க வேண்டும், மாற்றக்கூடாது.

விகிதாசார அபாயங்கள் மாதிரி மற்றும் துரிதப்படுத்தப்பட்ட தோல்வி நேர மாதிரிக்கு என்ன வித்தியாசம்?

காக்ஸ் விகிதாசார அபாயங்கள் மாதிரி அரை அளவுருவாக இருந்தாலும், விகிதாசார அபாய மாதிரிகள் அளவுருவாக இருக்கலாம். அளவுரு விகிதாசார அபாய மாதிரிகள் பின்வருமாறு எழுதலாம்:

h (t, X) = h0 (t) exp (Xi β) = h0 (t)

அடிப்படை ஆபத்து, h0 (t), நேரம், t, ஆனால் X ஐ மட்டுமே சார்ந்தது, மற்றும் co என்பது கோவாரியட்டுகளின் ஒரு யூனிட்-குறிப்பிட்ட செயல்பாடாகும், இது t ஐ சார்ந்து இல்லை, இது அடிப்படை ஆபத்து செயல்பாட்டை மேலே அல்லது கீழ் நோக்கி அளவிடுகிறது. Negative எதிர்மறையாக இருக்க முடியாது. இந்த மாதிரியில், ஆபத்து விகிதம் என்பது அடிப்படை அபாயத்தின் பெருக்கல் செயல்பாடாகும் மற்றும் ஆபத்து விகிதங்களை அரை-அளவுரு விகிதாசார அபாயங்கள் மாதிரியைப் போலவே விளக்கலாம்.

முடுக்கப்பட்ட தோல்வி நேரம் (AFT) மாதிரிகள் என்பது அளவுரு உயிர்வாழும் மாதிரிகளின் ஒரு வகை, அவை உயிர்வாழும் நேர மாதிரியின் இயல்பான பதிவை எடுத்துக்கொள்வதன் மூலம் நேர்கோட்டுப்படுத்தப்படலாம். AFT மாதிரியின் எளிய எடுத்துக்காட்டு அதிவேக மாதிரி, இது எழுதப்பட்டுள்ளது:

ln (T) = β0 + β1X1 +…. + βpXp + ε *

AFT மாதிரிகள் மற்றும் PH மாதிரிகளுக்கு இடையிலான முக்கிய வேறுபாடு என்னவென்றால், கோவாரியட்டுகளின் விளைவுகள் நேர அளவில் பெருக்கப்படுகின்றன என்று AFT மாதிரிகள் கருதுகின்றன, அதே நேரத்தில் காக்ஸ் மாதிரிகள் மேலே காட்டப்பட்டுள்ளபடி அபாய அளவைப் பயன்படுத்துகின்றன. AFT மாதிரிகளிலிருந்து அளவுரு மதிப்பீடுகள் நேர அளவிலான விளைவுகளாக விளக்கப்படுகின்றன, அவை உயிர்வாழும் நேரத்தை துரிதப்படுத்தலாம் அல்லது குறைக்கலாம். ஒரு AFT மாதிரியிலிருந்து எக்ஸ்ப் (β)> 1 என்பது காரணி உயிர்வாழும் நேரத்தை துரிதப்படுத்துகிறது அல்லது நீண்ட காலத்திற்கு உயிர்வாழ வழிவகுக்கிறது. காலாவதியானது (β)<1 decelerates survival time (shorter survival). AFT models assume that estimated time ratios are constant across the time scale. A time ratio of 2, for example, can be interpreted as the median time to death in group 1 is double the median time to death in group 2 (indicated longer survival for group 1).

சில பிழை விநியோகங்களை PH மற்றும் AFT மாதிரிகள் (அதாவது அதிவேக, வீபுல்) என எழுதலாம் மற்றும் விளக்கலாம், மற்றவை PH (அதாவது கோம்பர்ட்ஸ்) அல்லது AFT மாதிரிகள் மட்டுமே (அதாவது பதிவு-லாஜிஸ்டிக்) மற்றும் மற்றவை PH அல்லது AFT மாதிரிகள் அல்ல (அதாவது, ஒரு ஸ்பைலை பொருத்துதல்).

அளவுரு மாதிரிகள் எந்த வடிவங்களை எடுத்துக் கொள்ளலாம்?

T இன் அனைத்து மதிப்புகளுக்கும் h (t)> 0 வரை ஆபத்து செயல்பாடு எந்த வடிவத்தையும் எடுக்கலாம். அளவுரு வடிவத்திற்கான முதன்மைக் கருத்தில் அடிப்படை ஆபத்து வடிவத்தின் முன் அறிவாக இருக்க வேண்டும், ஒவ்வொரு விநியோகத்திற்கும் அதன் சொந்த நன்மைகள் மற்றும் தீமைகள் உள்ளன. மேலும் பொதுவான வடிவங்கள் சில சுருக்கமாக விளக்கப்படும், மேலும் தகவல்கள் ஆதார பட்டியலில் கிடைக்கும்.

அதிவேக விநியோகம்

அதிவேக விநியோகம் h (t) மாதிரி குணகங்கள் மற்றும் கோவாரியட்டுகளை மட்டுமே சார்ந்துள்ளது மற்றும் காலப்போக்கில் நிலையானது என்று கருதுகிறது. இந்த மாதிரியின் முக்கிய நன்மை என்னவென்றால், இது விகிதாசார அபாயங்கள் மாதிரி மற்றும் துரிதப்படுத்தப்பட்ட தோல்வி நேர மாதிரி ஆகிய இரண்டுமே ஆகும், இதனால் விளைவு மதிப்பீடுகள் அபாய விகிதங்கள் அல்லது நேர விகிதங்கள் என விளக்கப்படலாம். இந்த மாதிரியின் முக்கிய குறைபாடு என்னவென்றால், காலப்போக்கில் ஒரு நிலையான ஆபத்தை கருதுவது பெரும்பாலும் நம்பமுடியாதது.

வெய்புல் விநியோகம்

வெய்புல் விநியோகம் அதிவேக விநியோகத்திற்கு ஒத்ததாகும். அதிவேக விநியோகம் ஒரு நிலையான ஆபத்தை கருதுகையில், வெய்புல் விநியோகம் ஒரு மோனோடோனிக் அபாயத்தை கருதுகிறது, அது அதிகரிக்கும் அல்லது குறைந்து போகலாம், ஆனால் இரண்டுமே இல்லை. இது இரண்டு அளவுருக்களைக் கொண்டுள்ளது. வடிவ அளவுரு (σ) ஆபத்து அதிகரிக்கிறதா (σ1) என்பதைக் கட்டுப்படுத்துகிறது (அதிவேக விநியோகத்தில், இந்த அளவுரு 1 ஆக அமைக்கப்பட்டுள்ளது). அளவுரு, (1 / σ) exp (-β0 / σ), இந்த அதிகரிப்பு / குறைவின் அளவை தீர்மானிக்கிறது. I = 1 போது வீபுல் விநியோகம் அதிவேக விநியோகத்திற்கு எளிதாக்குவதால், வால்ட் சோதனையைப் பயன்படுத்தி σ = 1 என்ற பூஜ்ய கருதுகோள் சோதிக்கப்படலாம். இந்த மாதிரியின் முக்கிய நன்மை என்னவென்றால், இது PH மற்றும் AFT மாதிரி ஆகும், எனவே ஆபத்து விகிதங்கள் மற்றும் நேர விகிதங்கள் இரண்டையும் மதிப்பிடலாம். மீண்டும், முக்கிய குறைபாடு என்னவென்றால், அடிப்படை அபாயத்தின் ஏகபோகத்தன்மையின் அனுமானம் சில சந்தர்ப்பங்களில் நம்பமுடியாததாக இருக்கலாம்.

கோம்பர்ட்ஸ் விநியோகம்

கோம்பர்ட்ஸ் விநியோகம் என்பது PH மாதிரியாகும், இது பதிவு-வீபுல் விநியோகத்திற்கு சமம், எனவே ஆபத்து செயல்பாட்டின் பதிவு t இல் நேரியல் ஆகும். இந்த விநியோகம் அதிவேகமாக அதிகரிக்கும் தோல்வி விகிதத்தைக் கொண்டுள்ளது, மேலும் இது பெரும்பாலும் இயல்பான தரவுகளுக்கு பொருத்தமானது, ஏனெனில் இறப்பு அபாயமும் காலப்போக்கில் அதிவேகமாக அதிகரிக்கிறது.

பதிவு-லாஜிஸ்டிக் விநியோகம்

பதிவு-லாஜிஸ்டிக் விநியோகம் என்பது நிலையான லாஜிஸ்டிக் விநியோகத்தைப் பின்பற்றும் பிழை காலத்தைக் கொண்ட AFT மாதிரி. இது மோனோடோனிக் அல்லாத ஆபத்துகளுக்கு பொருந்தக்கூடியது, மேலும் பொதுவாக அடிப்படை ஆபத்து உச்சத்திற்கு உயர்ந்து பின்னர் விழும்போது பொதுவாக பொருந்துகிறது, இது காசநோய் போன்ற சில நோய்களுக்கு நம்பத்தகுந்ததாக இருக்கலாம். பதிவு-லாஜிஸ்டிக் விநியோகம் ஒரு PH மாதிரி அல்ல, ஆனால் இது ஒரு விகிதாசார முரண்பாடு மாதிரி. இதன் பொருள் இது விகிதாசார முரண்பாடுகளின் அனுமானத்திற்கு உட்பட்டது, ஆனால் நன்மை என்னவென்றால், சாய்வு குணகங்களை நேர விகிதங்கள் மற்றும் முரண்பாடுகள் விகிதங்கள் என்று பொருள் கொள்ளலாம். ஒரு அளவுரு பதிவு-லாஜிஸ்டிக் மாதிரியிலிருந்து 2 என்ற முரண்பாடு விகிதம், எடுத்துக்காட்டாக, x = 1 உள்ள பாடங்களுக்கிடையில் காலத்தைத் தாண்டி உயிர்வாழ்வதற்கான முரண்பாடுகள் x = 0 உள்ள பாடங்களில் இரு மடங்கு முரண்பாடாக விளங்குகின்றன.

பொதுவான காமா (ஜிஜி) விநியோகம்

பொதுமைப்படுத்தப்பட்ட காமா (ஜிஜி) விநியோகம் உண்மையில் விநியோகங்களின் குடும்பமாகும், இது அதிவேக, வெய்புல், பதிவு இயல்பான மற்றும் காமா விநியோகங்கள் உட்பட பொதுவாக பயன்படுத்தப்படும் அனைத்து விநியோகங்களையும் கொண்டுள்ளது. இது வெவ்வேறு விநியோகங்களுக்கிடையில் ஒப்பிட்டுப் பார்க்க அனுமதிக்கிறது. ஜி.ஜி குடும்பத்தில் மிகவும் பொதுவான நான்கு வகையான ஆபத்து செயல்பாடுகளும் உள்ளன, இது ஜி.ஜி விநியோகத்தை மிகவும் பயனுள்ளதாக மாற்றுகிறது, ஏனெனில் ஆபத்து செயல்பாட்டின் வடிவம் மாதிரி தேர்வை மேம்படுத்த உதவும்.

ஸ்ப்லைன்ஸ் அணுகுமுறை

அடிப்படை ஆபத்து செயல்பாட்டின் விவரக்குறிப்பின் ஒரே பொதுவான வரம்பு t இன் அனைத்து மதிப்புகளுக்கும் thath (t)> 0 என்பதால், அடிப்படை அபாயத்தின் வடிவத்தை மாதிரியாக்குவதில் அதிகபட்ச நெகிழ்வுத்தன்மைக்கு ஸ்ப்லைன்கள் பயன்படுத்தப்படலாம். கட்டுப்படுத்தப்பட்ட க்யூபிக் ஸ்ப்லைன்ஸ் என்பது சமீபத்தில் இலக்கியத்தில் அளவுரு உயிர்வாழும் பகுப்பாய்விற்கு பரிந்துரைக்கப்பட்ட ஒரு முறையாகும், ஏனெனில் இந்த முறை வடிவத்தில் நெகிழ்வுத்தன்மையை அனுமதிக்கிறது, ஆனால் தரவு குறைவாக இருக்கும் முனைகளில் செயல்பாட்டை நேர்கோட்டுடன் கட்டுப்படுத்துகிறது. மதிப்பீட்டை மேம்படுத்துவதற்கு ஸ்ப்லைன்கள் பயன்படுத்தப்படலாம், மேலும் அவை எக்ஸ்ட்ராபோலேஷனுக்கும் சாதகமாக இருக்கின்றன, ஏனெனில் அவை கவனிக்கப்பட்ட தரவுகளுக்கு பொருந்துகின்றன. சரியாகக் குறிப்பிடப்பட்டால், ஸ்ப்லைன்களைப் பயன்படுத்தி பொருந்தக்கூடிய மாதிரிகளின் விளைவு மதிப்பீடுகள் பக்கச்சார்பாக இருக்கக்கூடாது. பிற பின்னடைவு பகுப்பாய்வுகளைப் போலவே, பொருத்தும் ஸ்ப்லைன்களில் உள்ள சவால்களில் முடிச்சுகளின் எண்ணிக்கை மற்றும் இருப்பிடத்தைத் தேர்ந்தெடுப்பது மற்றும் அதிகப்படியான பொருத்துதலுக்கான சிக்கல்கள் ஆகியவை அடங்கும்.

அளவுரு மாதிரி பொருத்தத்தை எவ்வாறு ஆராய்வீர்கள்?

அளவுரு மாதிரி பொருத்தத்தை மதிப்பிடுவதில் மிக முக்கியமான கூறு, தரவு குறிப்பிட்ட அளவுரு வடிவத்தை ஆதரிக்கிறதா என்பதைச் சரிபார்க்க வேண்டும். கபிலன்-மேயர் மதிப்பிடப்பட்ட ஒட்டுமொத்த ஆபத்து செயல்பாட்டிற்கு எதிராக மாதிரி அடிப்படையிலான ஒட்டுமொத்த அபாயத்தை வரைபடமாக்குவதன் மூலம் இதை பார்வைக்கு மதிப்பிட முடியும். குறிப்பிட்ட படிவம் சரியாக இருந்தால், வரைபடம் 1 இன் சாய்வுடன் தோற்றம் வழியாக செல்ல வேண்டும். க்ரன்னெஸ்பி-போர்கன் நன்மை-பொருத்தம் சோதனை, கவனிக்கப்பட்ட நிகழ்வுகளின் எண்ணிக்கை எதிர்பார்த்த எண்ணிக்கையிலான நிகழ்வுகளிலிருந்து கணிசமாக வேறுபடுகிறதா என்பதையும் பயன்படுத்தலாம். குழுக்களில் ஆபத்து மதிப்பெண்களால் வேறுபடுகின்றன. இந்த சோதனை தேர்ந்தெடுக்கப்பட்ட குழுக்களின் எண்ணிக்கையில் மிகவும் உணர்திறன் வாய்ந்தது, மேலும் பல குழுக்கள் தேர்ந்தெடுக்கப்பட்டால், குறிப்பாக சிறிய தரவு தொகுப்புகளில், போதுமான பொருத்தம் என்ற பூஜ்ய கருதுகோளை மிகவும் தாராளமாக நிராகரிக்க முனைகிறது. மாதிரி மீறல்களைக் கண்டறிய சோதனைக்கு சக்தி இல்லை, இருப்பினும், மிகக் குறைந்த குழுக்கள் தேர்ந்தெடுக்கப்பட்டால். இந்த காரணத்திற்காக, குறிப்பிட்ட அளவுரு வடிவம் நியாயமானதா என்பதை தீர்மானிப்பதில் தனியாக பொருந்தக்கூடிய சோதனையை மட்டுமே நம்புவது தவறான ஆலோசனையாகத் தெரிகிறது.

வெவ்வேறு அளவுரு வடிவங்களுடன் இயங்கும் மாதிரிகளை ஒப்பிடுவதற்கும் ஏ.ஐ.சி பயன்படுத்தப்படலாம், சிறந்த பொருத்தத்தின் மிகக் குறைந்த ஏ.ஐ.சி. அளவுரு மற்றும் அரை-அளவுரு மாதிரிகளை ஒப்பிடுவதற்கு AIC ஐப் பயன்படுத்த முடியாது, இருப்பினும், அளவுரு மாதிரிகள் கவனிக்கப்பட்ட நிகழ்வு நேரங்களை அடிப்படையாகக் கொண்டவை மற்றும் அரை-அளவுரு மாதிரிகள் நிகழ்வு நேரங்களின் வரிசையை அடிப்படையாகக் கொண்டவை. மீண்டும், குறிப்பிட்ட கருவி தரவுக்கு பொருந்துமா என்பதை ஆராய இந்த கருவிகள் பயன்படுத்தப்பட வேண்டும், ஆனால் குறிப்பிட்ட அடிப்படை அபாயத்தின் நம்பகத்தன்மை இன்னும் ஒரு அளவுரு வடிவத்தைத் தேர்ந்தெடுப்பதில் மிக முக்கியமான அம்சமாகும்.

குறிப்பிட்ட அளவுரு வடிவம் தரவை நன்கு பொருத்துவதற்கு தீர்மானிக்கப்பட்டவுடன், அரை விகிதாசார அபாய மாதிரிகளுக்கு முன்னர் விவரிக்கப்பட்டதைப் போன்ற முறைகள் வெவ்வேறு மாதிரிகள், எஞ்சிய அடுக்குகள் மற்றும் நன்மை-பொருந்தக்கூடிய சோதனைகள் போன்றவற்றுக்கு இடையே தேர்வு செய்ய பயன்படுத்தப்படலாம்.

முன்னறிவிப்பாளர்கள் காலப்போக்கில் மாறினால் என்ன செய்வது?

மேலே எழுதப்பட்ட மாதிரி அறிக்கைகளில், பின்தொடர்வின் போது வெளிப்பாடுகள் நிலையானவை என்று நாங்கள் கருதினோம். காலப்போக்கில் மாறுபடும் மதிப்புகள் அல்லது நேர மாறுபடும் கோவாரியட்களுடன் வெளிப்பாடுகள் உயிர்வாழும் மாதிரிகளில் சேர்க்கப்படலாம், பகுப்பாய்வின் அலகு தனி நபரிடமிருந்து வெளிப்பாடு நிலையானதாக இருக்கும் காலத்திற்கு மாற்றுவதன் மூலம். இது தனிநபர்களின் நேர-நேரத்தை இடைவெளிகளாக பிரிக்கிறது, ஒவ்வொரு நபரும் அந்த கோவாரியட்டுக்கு வெளிப்படும் மற்றும் வெளிப்படுத்தப்படாத ஆபத்து தொகுப்பிற்கு பங்களிப்பு செய்கிறார்கள். இந்த வழியில் நேர மாறுபடும் கோவாரியட்டை உள்ளடக்குவதற்கான முக்கிய அனுமானம் என்னவென்றால், நேரத்தை மாற்றும் கோவாரியட்டின் விளைவு நேரத்தை சார்ந்தது அல்ல.

ஒரு காக்ஸ் விகிதாசார அபாய மாதிரியைப் பொறுத்தவரை, நேரத்தை மாற்றும் கோவாரியட்டைச் சேர்ப்பது பின்வருமாறு: h (t) = h0 (t) e β x1x1 (t). நேரம் மாறுபடும் கோவாரியட்டுகளை அளவுரு மாதிரிகளிலும் சேர்க்கலாம், இருப்பினும் இது இன்னும் கொஞ்சம் சிக்கலானது மற்றும் விளக்குவது கடினம். அளவுரு மாதிரிகள் அதிக நெகிழ்வுத்தன்மைக்கு ஸ்ப்லைன்களைப் பயன்படுத்தி நேரம் மாறுபடும் கோவாரியட்களையும் மாதிரியாகக் கொள்ளலாம்.

பொதுவாக நேரம் மாறுபடும் கோவாரியட்டுகள் பயன்படுத்தப்பட வேண்டும், இது ஆபத்து கோவாரியட்டின் பிற்கால மதிப்புகளை அடிப்படையாகக் கொண்டது என்று கருதுகிறது. நேரம் மாறுபடும் கோவாரியட்டுகளுடன் எழும் சவால்கள் வெவ்வேறு நேர புள்ளிகளில் கோவாரியட்டில் தரவைக் காணவில்லை, மேலும் நேரம் மாறுபடும் கோவாரியேட் உண்மையில் ஒரு மத்தியஸ்தராக இருந்தால் ஆபத்தை மதிப்பிடுவதற்கான சாத்தியமான சார்பு.

போட்டியிடும் அபாய பகுப்பாய்வு என்றால் என்ன?

பாரம்பரிய உயிர்வாழ்வு பகுப்பாய்வு முறைகள் ஒரு வகை ஆர்வம் மட்டுமே நிகழ்கின்றன என்று கருதுகின்றன. எவ்வாறாயினும், ஒரே ஆய்வில் பல வகையான நிகழ்வுகளை விசாரிக்க அனுமதிக்க இன்னும் மேம்பட்ட முறைகள் உள்ளன, பல காரணங்களிலிருந்து மரணம் போன்றவை. இந்த ஆய்வுகளுக்கு போட்டியிடும் அபாய பகுப்பாய்வு பயன்படுத்தப்படுகிறது, இதில் உயிர்வாழும் காலம் பல நிகழ்வுகளில் முதல் முடிவடைகிறது. சிறப்பு முறைகள் தேவை, ஏனெனில் ஒவ்வொரு நிகழ்விற்கும் நேரத்தை தனித்தனியாக பகுப்பாய்வு செய்வது பக்கச்சார்பானது. குறிப்பாக இந்த சூழலில், KM முறை நிகழ்வுகளை அனுபவிக்கும் பாடங்களின் விகிதத்தை மிகைப்படுத்துகிறது. போட்டியிடும் அபாய பகுப்பாய்வு ஒட்டுமொத்த நிகழ்வு முறையைப் பயன்படுத்துகிறது, இதில் எந்த நேரத்திலும் ஒட்டுமொத்த நிகழ்வு நிகழ்தகவு நிகழ்வு-குறிப்பிட்ட நிகழ்தகவுகளின் கூட்டுத்தொகையாகும். மாதிரிகள் பொதுவாக ஒவ்வொரு ஆய்வு பங்கேற்பாளருக்கும் பல முறை நுழைவதன் மூலம் செயல்படுத்தப்படுகின்றன - நிகழ்வு வகைக்கு ஒன்று. ஒவ்வொரு ஆய்வில் பங்கேற்பாளருக்கும், எந்தவொரு நிகழ்விற்கும் நேரம் நோயாளி முதல் நிகழ்வை அனுபவித்த நேரத்திலேயே தணிக்கை செய்யப்படுகிறது. மேலும் தகவலுக்கு, தயவுசெய்து மேம்பட்ட epidemiology.org பக்கத்தைப் பார்க்கவும் போட்டியிடும் அபாயங்கள் .

பலவீனமான மாதிரிகள் என்றால் என்ன, அவை தொடர்புடைய தரவுகளுக்கு ஏன் பயனுள்ளதாக இருக்கும்?

ஒரு நபர் அனுபவிக்கும் தொடர்ச்சியான நிகழ்வுகள் காரணமாக அல்லது அவதானிப்புகள் குழுக்களாக தொகுக்கப்படும்போது தொடர்புடைய உயிர்வாழும் தரவு எழலாம். அறிவு இல்லாமை அல்லது சாத்தியக்கூறு காரணமாக, வட்டி நிகழ்வு தொடர்பான சில கோவாரியட்டுகள் அளவிடப்படாமல் இருக்கலாம். சீரற்ற விளைவுகளைச் சேர்ப்பதன் மூலம் அளவிடப்படாத கோவாரியட்டுகளால் ஏற்படும் பன்முகத்தன்மைக்கு மோசடி மாதிரிகள் காரணமாகின்றன, அவை ஆபத்து செயல்பாட்டில் பெருக்கமாக செயல்படுகின்றன. மோசடி மாதிரிகள் அடிப்படையில் சீரற்ற விளைவுகளைச் சேர்த்து காக்ஸ் மாதிரியின் நீட்டிப்புகள் ஆகும். இந்த மாதிரிகளை விவரிக்க பல்வேறு வகைப்பாடு திட்டங்கள் மற்றும் பெயரிடல் பயன்படுத்தப்பட்டாலும், நான்கு பொதுவான வகை பலவீனமான மாதிரிகள் பகிரப்பட்ட, உள்ளமைக்கப்பட்ட, கூட்டு மற்றும் சேர்க்கை பலவீனம் ஆகியவை அடங்கும்.

தொடர்ச்சியான நிகழ்வு தரவை பகுப்பாய்வு செய்வதற்கு வேறு அணுகுமுறைகள் உள்ளதா?

ஒரே நிகழ்வுக்குள் பல நிகழ்வுகள் ஏற்படக்கூடும் என்பதால் தொடர்ச்சியான நிகழ்வு தரவு ஒன்றோடொன்று தொடர்புடையது. தொடர்ச்சியான நிகழ்வு பகுப்பாய்வுகளில் இந்த தொடர்பைக் கணக்கிடுவதற்கான ஒரு முறை பலவீனமான மாதிரிகள் என்றாலும், இந்த தொடர்புக்கு மிகவும் எளிமையான அணுகுமுறை வலுவான நிலையான பிழைகள் (SE) பயன்படுத்துவதாகும். வலுவான SE களைச் சேர்ப்பதன் மூலம், தொடர்ச்சியான நிகழ்வு பகுப்பாய்வு அரை-அளவுரு அல்லது அளவுரு மாதிரிகளின் எளிய நீட்டிப்பாக செய்யப்படலாம்.

செயல்படுத்த எளிதானது என்றாலும், வலுவான SE களைப் பயன்படுத்தி தொடர்ச்சியான நிகழ்வுத் தரவை மாதிரியாக்க பல வழிகள் உள்ளன. இந்த அணுகுமுறைகள் ஒவ்வொரு மறுநிகழ்விற்கும் ஏற்படும் ஆபத்தை எவ்வாறு வரையறுக்கின்றன என்பதில் வேறுபடுகின்றன. இந்த வழியில், அவை சற்று மாறுபட்ட ஆய்வு கேள்விகளுக்கு பதிலளிக்கின்றன, எனவே எந்த மாடலிங் அணுகுமுறையைப் பயன்படுத்துவது என்பது தேர்வு கருதுகோள் மற்றும் மாடலிங் அனுமானங்களின் செல்லுபடியை அடிப்படையாகக் கொண்டிருக்க வேண்டும்.

எண்ணும் செயல்முறை, அல்லது ஆண்டர்சன்-கில், தொடர்ச்சியான நிகழ்வு மாடலிங் அணுகுமுறை ஒவ்வொரு மறுநிகழ்வும் ஒரு சுயாதீனமான நிகழ்வு என்று கருதுகிறது, மேலும் நிகழ்வின் வரிசை அல்லது வகையை கணக்கில் எடுத்துக்கொள்ளாது. இந்த மாதிரியில், ஒவ்வொரு பாடத்திற்கும் பின்தொடர்தல் நேரம் ஆய்வின் தொடக்கத்தில் தொடங்கி நிகழ்வுகள் (மறுநிகழ்வுகள்) வரையறுக்கப்பட்ட பகுதிகளாக பிரிக்கப்படுகிறது. அந்த நேரத்தில் கண்காணிப்பில் இருக்கும் வரை (தணிக்கை செய்யப்படவில்லை) ஒரு நிகழ்விற்கான ஆபத்துக்கு பாடங்கள் பங்களிக்கின்றன. இந்த மாதிரிகள் ஒரு வலுவான SE மதிப்பீட்டாளரைச் சேர்ப்பதன் மூலம் காக்ஸ் மாதிரியாகப் பொருந்தக்கூடியவை, மேலும் அபாய விகிதங்கள் பின்தொடர்தல் காலகட்டத்தில் மீண்டும் நிகழும் விகிதத்தில் கோவாரியட்டின் விளைவு என்று விளக்கப்படுகிறது. இருப்பினும், சுதந்திர அனுமானம் நியாயமானதாக இல்லாவிட்டால் இந்த மாதிரி பொருத்தமற்றதாக இருக்கும்.

நிபந்தனை அணுகுமுறைகள் ஒரு முந்தைய நிகழ்வு நிகழும் வரை ஒரு பொருள் அடுத்தடுத்த நிகழ்வுக்கு ஆபத்து இல்லை என்று கருதுகிறது, எனவே நிகழ்வுகளின் வரிசையை கணக்கில் எடுத்துக்கொள்ளுங்கள். அவை ஒரு அடுக்கு மாதிரியைப் பயன்படுத்தி பொருத்தமாக இருக்கின்றன, நிகழ்வு எண் (அல்லது மீண்டும் நிகழும் எண்ணிக்கை, இந்த விஷயத்தில்), அடுக்கு மாறி மற்றும் வலுவான SE கள் உட்பட. வெவ்வேறு நேர அளவீடுகளைப் பயன்படுத்தும் இரண்டு வெவ்வேறு நிபந்தனை அணுகுமுறைகள் உள்ளன, எனவே வெவ்வேறு இடர் தொகுப்புகளைக் கொண்டுள்ளன. நிபந்தனை நிகழ்தகவு அணுகுமுறை ஆய்வின் தொடக்கத்திலிருந்து நேர இடைவெளிகளை வரையறுக்க நேரத்தைப் பயன்படுத்துகிறது, மேலும் ஆர்வம் தொடர்ச்சியான நிகழ்வு செயல்முறையின் முழு போக்கில் இருக்கும்போது பொருத்தமானது. இடைவெளி நேர அணுகுமுறை ஒவ்வொரு நிகழ்விற்கும் கடிகாரத்தை முந்தைய நிகழ்விலிருந்து நேர இடைவெளிகளை வரையறுக்க பயன்படுத்துவதன் மூலம் மீட்டமைக்கிறது, மேலும் நிகழ்வு (அல்லது மீண்டும் நிகழ்கிறது) - குறிப்பிட்ட விளைவு மதிப்பீடுகள் ஆர்வமாக இருக்கும்போது மிகவும் பொருத்தமானது.

இறுதியாக, விளிம்பு அணுகுமுறைகள் (WLW - Wei, Lin மற்றும் Weissfeld - அணுகுமுறை என்றும் அழைக்கப்படுகின்றன) ஒவ்வொரு நிகழ்வையும் ஒரு தனி செயல்முறையாகக் கருதுகின்றன, எனவே பின்தொடர்தலின் தொடக்கத்திலிருந்து அனைத்து நிகழ்வுகளுக்கும் பாடங்கள் ஆபத்தில் உள்ளன, அவை அனுபவித்ததா என்பதைப் பொருட்படுத்தாமல் முந்தைய நிகழ்வு. நிகழ்வுகள் வெவ்வேறு அடிப்படை செயல்முறைகளின் விளைவாக கருதப்படும் போது இந்த மாதிரி பொருத்தமானது, இதனால் ஒரு பொருள் 3 வது நிகழ்வை அனுபவிக்க முடியும், எடுத்துக்காட்டாக, 1 வது அனுபவத்தை அனுபவிக்காமல். இந்த அனுமானம் சில வகையான தரவுகளுடன், புற்றுநோய் மறுநிகழ்வுகளைப் போல நம்பமுடியாததாகத் தோன்றினாலும், ஒரு குறிப்பிட்ட காலப்பகுதியில் காயம் மீண்டும் நிகழும் மாதிரியைப் பயன்படுத்த இது பயன்படுத்தப்படலாம், இயற்கையான ஒழுங்கு இல்லாத காலப்பகுதியில் பாடங்களில் பல்வேறு வகையான காயங்களை அனுபவிக்க முடியும். வலுவான எஸ்.இ.க்களுடன் அடுக்கு மாதிரிகள் பயன்படுத்தி விளிம்பு மாதிரிகள் பொருத்தமாக இருக்கும்.

அளவீடுகள்

இந்த திட்டம் நேரத்திற்கு நிகழ்வு தரவுகளுடன் பணிபுரியும் போது ஒருவர் எதிர்கொள்ளக்கூடிய வழிமுறை மற்றும் பகுப்பாய்வு முடிவுகளை விவரிப்பதை நோக்கமாகக் கொண்டது, ஆனால் அது எந்த வகையிலும் முழுமையானது அல்ல. இந்த தலைப்புகளில் ஆழமாக ஆராய ஆதாரங்கள் கீழே வழங்கப்பட்டுள்ளன.

பாடப்புத்தகங்கள் & அத்தியாயங்கள்

விட்டிங்ஹாஃப் இ, கிளிடன் டி.வி, ஷிபோஸ்கி எஸ்சி, மெக்கல்லோச் சி.இ (2012). பயோஸ்டாடிஸ்டிக்ஸில் பின்னடைவு முறைகள், 2 வது நியூயார்க், NY: ஸ்பிரிங்கர்.

  • நேரியல், லாஜிஸ்டிக், உயிர்வாழ்வு மற்றும் மீண்டும் மீண்டும் நடவடிக்கை மாதிரிகள் ஆகியவற்றிற்கான அறிமுக உரை, ஒரு அடிப்படை தொடக்க புள்ளியை விரும்புவோருக்கு சிறந்தது.

  • சர்வைவல் பகுப்பாய்வு அத்தியாயம் ஒரு நல்ல கண்ணோட்டத்தை வழங்குகிறது, ஆனால் ஆழம் அல்ல. எடுத்துக்காட்டுகள் STATA- அடிப்படையிலானவை.

ஹோஸ்மர் டி.டபிள்யூ, லெமேஷோ எஸ், மே எஸ். (2008) அப்ளைடு சர்வைவல் அனாலிசிஸ்: பின்னடைவு மாடலிங் ஆஃப் டைம்-டு-நிகழ்வு தரவு, 2 வது பதிப்பு. ஹோபோகென், என்.ஜே: ஜான் விலே & சன்ஸ், இன்க்.

  • அளவுரு அல்லாத, அரை-அளவுரு மற்றும் அளவுரு காக்ஸ் மாதிரிகளின் ஆழமான கண்ணோட்டம், புள்ளிவிவரங்களின் பிற பகுதிகளில் அறிவுள்ளவர்களுக்கு சிறந்தது. மேம்பட்ட நுட்பங்கள் ஆழமாக இல்லை, ஆனால் பிற சிறப்பு பாடப்புத்தகங்களுக்கான குறிப்புகள் வழங்கப்படுகின்றன.

க்ளீன்பாம் டி.ஜி, க்ளீன் எம் (2012). சர்வைவல் பகுப்பாய்வு: ஒரு சுய கற்றல் உரை, 3 வது பதிப்பு. நியூயார்க், NY: ஸ்பிரிங்கர் சயின்ஸ் + பிசினஸ் மீடியா, எல்.எல்.சி.

  • சிறந்த அறிமுக உரை

க்ளீன் ஜே.பி., மொய்ச்பெர்கர் எம்.எல் (2005). சர்வைவல் அனாலிசிஸ்: டெக்ஸிக்ஸ் ஃபார் தணிக்கை மற்றும் துண்டிக்கப்பட்ட தரவு, 2 வது பதிப்பு. நியூயார்க், NY: ஸ்பிரிங்கர் சயின்ஸ் + பிசினஸ் மீடியா, எல்.எல்.சி.

  • பட்டதாரி மாணவர்களுக்காக வடிவமைக்கப்பட்ட இந்த புத்தகம் பல நடைமுறை உதாரணங்களை வழங்குகிறது

தெர்னீ டி.எம்., கிராம்ப்ச் பி.எம் (2000). மாடலிங் சர்வைவல் டேட்டா: காக்ஸ் மாடலை விரிவுபடுத்துதல். நியூயார்க், NY: ஸ்பிரிங்கர் சயின்ஸ் + பிசினஸ் மீடியா, எல்.எல்.சி.

  • செயல்முறை அணுகுமுறையை எண்ணுவதற்கும், தொடர்புடைய உயிர்வாழும் தரவை பகுப்பாய்வு செய்வதற்கும் நல்ல அறிமுகம். ஆர் இல் உயிர்வாழும் தொகுப்பையும் ஆசிரியர் எழுதினார்

அலிசன் பி.டி (2010). SAS ஐப் பயன்படுத்தி சர்வைவல் அனாலிசிஸ்: எ பிராக்டிஸ் கையேடு, 2 வது பதிப்பு. கேரி, என்.சி: எஸ்.ஏ.எஸ் நிறுவனம்

  • SAS பயனர்களுக்கு சிறந்த பயன்பாட்டு உரை

பாக்டோனவிசியஸ் வி, நிகுலின் எம் (2002). முடுக்கப்பட்ட வாழ்க்கை மாதிரிகள்: மாடலிங் மற்றும் புள்ளிவிவர பகுப்பாய்வு.போகா ரேடன், எஃப்.எல்: சாப்மேன் & ஹால் / சி.ஆர்.சி பிரஸ்.

  • அளவுரு மற்றும் அரை-அளவுரு முடுக்கப்பட்ட தோல்வி நேர மாதிரிகள் மற்றும் அவை விகிதாசார அபாய மாதிரிகளுடன் எவ்வாறு ஒப்பிடுகின்றன என்பது பற்றிய கூடுதல் தகவலுக்கு நல்ல ஆதாரம்

முறை கட்டுரைகள்

அறிமுக / கண்ணோட்டம் கட்டுரைகள்

ஹூகார்ட் பி (1999). சர்வைவல் தரவின் அடிப்படைகள். பயோமெட்ரிக்ஸ் 55 (1): 13-22. பிஎம்ஐடி: 11318147 .

கிளார்க் டி.ஜி, பிராட்பர்ன் எம்.ஜே, லவ் எஸ்.பி., ஆல்ட்மேன் டி.ஜி (2003). உயிர்வாழும் பகுப்பாய்வு பகுதி I: அடிப்படை கருத்துக்கள் மற்றும் முதல் பகுப்பாய்வு. Br J புற்றுநோய் 89 (2): 232-8. பிஎம்ஐடி: 12865907

கிளார்க் டி.ஜி, பிராட்பர்ன் எம்.ஜே, லவ் எஸ்.பி., ஆல்ட்மேன் டி.ஜி (2003). சர்வைவல் பகுப்பாய்வு பகுதி II: பன்முக தரவு பகுப்பாய்வு-கருத்துக்கள் மற்றும் முறைகளுக்கான அறிமுகம். Br J புற்றுநோய் 89 (3): 431-6. பிஎம்ஐடி: 1288808

கிளார்க் டி.ஜி, பிராட்பர்ன் எம்.ஜே, லவ் எஸ்.பி., ஆல்ட்மேன் டி.ஜி (2003). சர்வைவல் பகுப்பாய்வு பகுதி II: பன்முக தரவு பகுப்பாய்வு-ஒரு மாதிரியைத் தேர்ந்தெடுத்து அதன் போதுமான தன்மை மற்றும் பொருத்தத்தை மதிப்பிடுதல். Br J புற்றுநோய் 89 (4): 605-11. பிஎம்ஐடி: 12951864

கிளார்க் டி.ஜி, பிராட்பர்ன் எம்.ஜே, லவ் எஸ்.பி., ஆல்ட்மேன் டி.ஜி (2003). உயிர்வாழும் பகுப்பாய்வு பகுதி IV: உயிர்வாழும் பகுப்பாய்வில் மேலும் கருத்துகள் மற்றும் முறைகள். Br J புற்றுநோய் 89 (5): 781-6. பிஎம்ஐடி: 12942105

  • மேலே உள்ள நான்கு கட்டுரைகளின் தொடர் உயிர்வாழும் பகுப்பாய்வில் உள்ள முறைகளின் சிறந்த அறிமுக கண்ணோட்டமாகும், இது மிகவும் நன்கு எழுதப்பட்ட மற்றும் புரிந்துகொள்ள எளிதானது - இது மிகவும் பரிந்துரைக்கப்படுகிறது.

வயது அளவாக வயது

கோர்ன் இ.எல்., கிராபார்ட் பி.ஐ., மிட்சூன் டி (1997). ஒரு கணக்கெடுப்பின் நீளமான பின்தொடர்தலின் நேரத்திலிருந்து நிகழ்வு பகுப்பாய்வு: நேர அளவிலான தேர்வு. ஆம் ஜே எபிடெமியோல் 145 (1): 72-80. பிஎம்ஐடி: 8982025

  • ஆய்வின் நேரத்தை விட வயதை நேர அளவாகப் பயன்படுத்துவதை ஆதரிக்கும் காகிதம்.

இங்ராம் டி.டி, மக்குக் டி.எம், ஃபெல்ட்மேன் ஜே.ஜே (1997). மறு: ஒரு கணக்கெடுப்பின் நீளமான பின்தொடர்தலின் நேரத்திலிருந்து நிகழ்வு பகுப்பாய்வு: நேர அளவிலான தேர்வு. ஆம் ஜே எபிடெமியோல் 146 (6): 528-9. பிஎம்ஐடி: 9290515 .

  • வயதை நேர அளவாகப் பயன்படுத்தும்போது எடுக்க வேண்டிய முன்னெச்சரிக்கை நடவடிக்கைகளை விவரிக்கும் கோர்ன் தாளில் கருத்து தெரிவிக்கவும்.

தீபாட் ஏசி, பெனிச்சோ ஜே (2004). தொற்றுநோயியல் ஒருங்கிணைந்த தரவுகளின் காக்ஸின் மாதிரி பகுப்பாய்வில் நேர அளவிலான தேர்வு: ஒரு உருவகப்படுத்துதல் ஆய்வு. ஸ்டேட் மெட் 30; 23 (24): 3803-20. பிஎம்ஐடி: 15580597

  • படிப்பிற்கான நேரத்தை நேர அளவாகப் பயன்படுத்தும்போது வயது மற்றும் ஆர்வத்தின் கோவாரியட் ஆகியவற்றுக்கு இடையேயான வெவ்வேறு அளவிலான தொடர்புகளுக்கான சார்புகளின் அளவைக் காட்டும் உருவகப்படுத்துதல் ஆய்வு.

கஞ்சோலா ஏ.ஜே., ஸ்டீவர்ட் எஸ்.எல்., பெர்ன்ஸ்டீன் எல், மற்றும் பலர். வெவ்வேறு நேர அளவீடுகளைப் பயன்படுத்தி காக்ஸ் பின்னடைவு. இங்கு கிடைக்கும்: http://www.lexjansen.com/wuss/2003/DataAnalysis/i-cox_time_scales.pdf .

  • 5 காக்ஸ் பின்னடைவு மாதிரிகளை எஸ்.ஏ.எஸ் குறியீட்டைக் கொண்ட நேர அளவாக ஆய்வு அல்லது வயதின் மாறுபாடுகளுடன் ஒப்பிடும் ஒரு நல்ல தாள்.

தணிக்கை

ஹுவாங் சி.ஒய், நிங் ஜே, கின் ஜே (2015). இடது-துண்டிக்கப்பட்ட மற்றும் வலது-தணிக்கை செய்யப்பட்ட தரவுகளுக்கான செமிபராமெட்ரிக் சாத்தியக்கூறு அனுமானம். உயிரியக்கவியல் [epub] PMID: 25796430 .

  • இந்த தாள் தணிக்கை செய்யப்பட்ட தரவின் பகுப்பாய்விற்கு ஒரு நல்ல அறிமுகத்தைக் கொண்டுள்ளது மற்றும் இடது-துண்டிக்கப்பட்ட மற்றும் வலது தணிக்கை செய்யப்பட்ட தரவுகளுடன் உயிர்வாழும் நேர விநியோகத்திற்கான புதிய மதிப்பீட்டு நடைமுறையை வழங்குகிறது. இது மிகவும் அடர்த்தியானது மற்றும் மேம்பட்ட புள்ளிவிவர மையத்தைக் கொண்டுள்ளது.

கெய்ன் கே.சி, ஹார்லோ எஸ்டி, லிட்டில் ஆர்.ஜே, நான் பி, யோசெப் எம், டாஃப் ஜே.ஆர், எலியட் எம்.ஆர் (2011). வளர்ச்சி மற்றும் நோய் செயல்முறைகளின் நீளமான ஆய்வுகளில் இடது துண்டிப்பு மற்றும் இடது தணிக்கை காரணமாக சார்பு. ஆம் ஜே எபிடெமியோல் 173 (9): 1078-84. பிஎம்ஐடி: 21422059 .

  • ஒரு தொற்றுநோயியல் கண்ணோட்டத்தில் இடது-தணிக்கை செய்யப்பட்ட தரவுகளில் உள்ளார்ந்த சார்புகளை விளக்கும் ஒரு சிறந்த ஆதாரம்.

சன் ஜே, சன் எல், ஜு சி (2007). இடைவெளி-தணிக்கை செய்யப்பட்ட தரவுகளுக்கான விகிதாசார முரண்பாடுகள் மாதிரியைச் சோதித்தல். வாழ்நாள் தரவு அனல் 13: 37-50. PMID 17160547 .

  • TTE தரவு பகுப்பாய்வின் நுணுக்கமான அம்சத்தைப் பற்றிய மற்றொரு புள்ளிவிவர அடர்த்தியான கட்டுரை, ஆனால் இடைவெளி-தணிக்கை செய்யப்பட்ட தரவுகளுக்கு ஒரு நல்ல விளக்கத்தை வழங்குகிறது.

ராபின்ஸ் ஜே.எம் (1995 அ) தகவல் தணிக்கை மூலம் சீரற்ற சோதனைகளுக்கான ஒரு பகுப்பாய்வு முறை: பகுதி I. வாழ்நாள் தரவு அனல் 1: 241-254. PMID 9385104 .

ராபின்ஸ் ஜே.எம் (1995 பி) தகவல் தணிக்கை மூலம் சீரற்ற சோதனைகளுக்கான ஒரு பகுப்பாய்வு முறை: பகுதி II. வாழ்நாள் தரவு அனல் 1: 417-434. PMID 9385113 .

  • தகவல் தணிக்கை கையாள்வதற்கான வழிமுறைகளைப் பற்றி விவாதிக்கும் இரண்டு ஆவணங்கள்.

அளவுரு அல்லாத உயிர்வாழும் முறைகள்

போர்கன் Ø (2005) கபிலன்-மியர் மதிப்பீட்டாளர். என்ஸ்டைக்ளோபீடியா ஆஃப் பயோஸ்டாடிஸ்டிக்ஸ் DOI: 10.1002 / 0470011815.b2a11042

  • கபிலன்-மேயர் மதிப்பீட்டாளரின் சிறந்த கண்ணோட்டம் மற்றும் நெல்சன்-ஆலன் மதிப்பீட்டாளருடனான அதன் உறவு

ரோட்ரிக்ஸ் ஜி (2005). சர்வைவல் மாடல்களில் அளவுரு அல்லாத மதிப்பீடு. இதிலிருந்து கிடைக்கும்: http://data.princeton.edu/pop509/NonParametricSurvival.pdf

  • அளவுரு அல்லாத முறைகள் மற்றும் கணித சூத்திரங்களுடனான முறைகளுக்கு இடையிலான உறவுகளை விளக்கும் காக்ஸ் விகிதாசார அபாய மாதிரி அறிமுகம்

கோல் எஸ்.ஆர்., ஹெர்னன் எம்.ஏ (2004). தலைகீழ் நிகழ்தகவு எடையுடன் சரிசெய்யப்பட்ட உயிர் வளைவுகள். கணினி முறைகள் திட்டங்கள் பயோமெட் 75 (1): 35-9. பிஎம்ஐடி: 15158046

  • சரிசெய்யப்பட்ட கபிலன்-மேயர் வளைவுகளை உருவாக்க ஐபிடபிள்யூ பயன்பாட்டை விவரிக்கிறது. ஒரு எடுத்துக்காட்டு மற்றும் SAS மேக்ரோ ஆகியவை அடங்கும்.

ஜாங் எம் (2015). சீரற்ற மருத்துவ சோதனைகளில் உயிர்வாழும் வளைவுகளை மதிப்பிடுவதில் செயல்திறனை மேம்படுத்துவதற்கும் சார்புகளைக் குறைப்பதற்கும் வலுவான முறைகள். வாழ்நாள் தரவு அனல் 21 (1): 119-37. பிஎம்ஐடி: 24522498

  • ஆர்.சி.டி.களில் கோவாரேட்-சரிசெய்யப்பட்ட உயிர் வளைவுகளுக்கான முன்மொழியப்பட்ட முறை

அரை-அளவுரு உயிர்வாழும் முறைகள்

காக்ஸ் டி.ஆர் (1972) பின்னடைவு மாதிரிகள் மற்றும் வாழ்க்கை அட்டவணைகள் (விவாதத்துடன்). ஜே ஆர் ​​புள்ளிவிவர சொக் பி 34: 187-220.

  • உன்னதமான குறிப்பு.

கிறிஸ்டென்சன் ஈ (1987) காக்ஸின் பின்னடைவு மாதிரியைப் பயன்படுத்தி பன்முகத்தன்மை உயிர்வாழும் பகுப்பாய்வு. ஹெபடாலஜி 7: 1346-1358. PMID 3679094 .

  • ஊக்கமளிக்கும் உதாரணத்தைப் பயன்படுத்தி காக்ஸ் மாதிரியின் பயன்பாட்டை விவரிக்கிறது. காக்ஸ் மாதிரி பகுப்பாய்வின் முக்கிய அம்சங்களின் சிறந்த ஆய்வு, காக்ஸ் மாதிரியை எவ்வாறு பொருத்துவது மற்றும் மாதிரி அனுமானங்களை சரிபார்க்கிறது.

கிராம்ப்ச் பி.எம்., தெர்னீ டி.எம் (1994) விகிதாசார அபாயங்கள் சோதனைகள் மற்றும் எடையுள்ள எச்சங்களின் அடிப்படையில் கண்டறியும். பயோமெட்ரிகா 81: 515–526.

  • விகிதாசார அபாயங்கள் அனுமானத்தை சோதிக்கும் ஒரு ஆழமான தாள். கோட்பாடு மற்றும் மேம்பட்ட புள்ளிவிவர விளக்கத்தின் நல்ல கலவை.

Ng’andu NH (1997) காக்ஸின் மாதிரியின் விகிதாசார அபாயங்கள் அனுமானத்தை மதிப்பிடுவதற்கான புள்ளிவிவர சோதனைகளின் அனுபவ ஒப்பீடு. ஸ்டேட் மெட் 16: 611–626. PMID 9131751 .

  • விகிதாசார அபாயங்கள் அனுமானத்தை சோதிக்கும் மற்றொரு ஆழமான தாள், இதில் எஞ்சியவை மற்றும் தணிக்கை விளைவுகளை சரிபார்க்கும் விவாதம் அடங்கும்.

அளவுரு உயிர்வாழும் முறைகள்

ரோட்ரிக்ஸ், ஜி (2010). அளவுரு சர்வைவல் மாதிரிகள். இதிலிருந்து கிடைக்கும்: http://data.princeton.edu/pop509/ParametricSurvival.pdf

  • அளவுரு உயிர்வாழும் பகுப்பாய்வில் பயன்படுத்தப்படும் மிகவும் பொதுவான விநியோகங்களுக்கான சுருக்கமான அறிமுகம்

நார்டி ஏ, ஸ்கெம்பர் எம் (2003). மருத்துவ ஆய்வுகளில் காக்ஸ் மற்றும் அளவுரு மாதிரிகளை ஒப்பிடுதல். ஸ்டாட் மெட் 22 (23): 2597-610. பிஎம்ஐடி: 14652863

  • பொதுவான அளவுரு விநியோகங்களைப் பயன்படுத்தி மாதிரிகளுடன் அரை-அளவுரு மாதிரிகளை ஒப்பிடுவதற்கான நல்ல எடுத்துக்காட்டுகளை வழங்குகிறது மற்றும் மாதிரி பொருத்தத்தை மதிப்பிடுவதில் கவனம் செலுத்துகிறது

ராய்ஸ்டன் பி, பர்மர் எம்.கே (2002). தணிக்கை செய்யப்பட்ட உயிர்வாழும் தரவுகளுக்கான நெகிழ்வான அளவுரு விகிதாசார-அபாயங்கள் மற்றும் விகிதாசார-முரண்பாடுகள் மாதிரிகள், முன்கணிப்பு மாடலிங் மற்றும் சிகிச்சை விளைவுகளை மதிப்பிடுவதற்கான பயன்பாடு. ஸ்டேட் மெட் 21 (15): 2175-97. பிஎம்ஐடி: 12210632

  • விகிதாசார அபாயங்கள் மற்றும் முரண்பாடுகள் மாதிரிகள் மற்றும் க்யூபிக் ஸ்ப்லைன்களுடன் ஒப்பிடுவதற்கான அடிப்படைகளுக்கு நல்ல விளக்கம்

காக்ஸ் சி, சூ எச், ஷ்னீடர் எம்.எஃப், முனோஸ் ஏ (2007). பொதுவான காமா விநியோகத்திற்கான ஆபத்து செயல்பாடுகளின் அளவுரு உயிர்வாழும் பகுப்பாய்வு மற்றும் வகைபிரித்தல். புள்ளிவிவர மெட் 26: 4352-4374. PMID 17342754 .

  • ஆபத்து செயல்பாடுகளின் வகைபிரித்தல் மற்றும் பொதுவான காமா விநியோக குடும்பத்தின் ஆழமான கலந்துரையாடல் உள்ளிட்ட அளவுரு உயிர்வாழும் முறைகள் பற்றிய சிறந்த கண்ணோட்டத்தை வழங்குகிறது.

க்ரோதர் எம்.ஜே, லம்பேர்ட் பிசி (2014). அளவுரு உயிர்வாழும் பகுப்பாய்விற்கான பொதுவான கட்டமைப்பு. ஸ்டாட் மெட் 33 (30): 5280-97. பிஎம்ஐடி: 25220693

  • பொதுவாக பயன்படுத்தப்படும் அளவுரு விநியோகங்களின் கட்டுப்படுத்தப்பட்ட அனுமானங்களை விவரிக்கிறது மற்றும் தடைசெய்யப்பட்ட க்யூபிக் ஸ்ப்லைன் முறையை விளக்குகிறது

ஸ்பார்லிங் ஒய்.எச், யூனஸ் என், லாச்சின் ஜே.எம்., பாடிஸ்டா ஓ.எம் (2006). நேரத்தை சார்ந்த கோவாரியட்டுகளுடன் இடைவெளி-தணிக்கை செய்யப்பட்ட தரவுகளுக்கான அளவுரு உயிர்வாழும் மாதிரிகள். பயோமெட்ரிக்ஸ் 7 (4): 599-614. பிஎம்ஐடி: 16597670

  • இடைவெளி-தணிக்கை செய்யப்பட்ட தரவுகளுடன் அளவுரு மாதிரிகளை எவ்வாறு பயன்படுத்துவது என்பதற்கான நீட்டிப்பு மற்றும் எடுத்துக்காட்டு

நேரம் மாறுபடும் கோவாரியட்டுகள்

ஃபிஷர் எல்.டி, லின் டி.ஒய் (1999). காக்ஸ் விகிதாசார-அபாயங்கள் பின்னடைவு மாதிரியில் நேரத்தை சார்ந்த கோவாரியட்டுகள். அன்னு ரெவ் பொது சுகாதாரம் 20: 145-57. பிஎம்ஐடி: 10352854

  • ஒரு கணித பிற்சேர்க்கையுடன், காக்ஸ் மாதிரிகளில் நேரம் மாறுபடும் கோவாரியட்டுகளின் விளக்கத்தை முழுமையாகவும் புரிந்துகொள்ளவும் எளிதானது

பீட்டர்சன் டி (1986). நேரத்தை சார்ந்த கோவாரியட்டுகளுடன் அளவுரு உயிர்வாழும் மாதிரிகள் பொருத்துதல். Appl Statist 35 (3): 281-88.

  • அடர்த்தியான கட்டுரை, ஆனால் பயனுள்ள பயன்பாட்டு எடுத்துக்காட்டுடன்

ஆபத்து பகுப்பாய்வு போட்டியிடும்

போட்டியிடும் அபாயங்களைக் காண்க

டாய் பி, மச்சின் டி, வைட் ஐ, கெப்ஸ்கி வி (2001) ஆஸ்டியோசர்கோமா நோயாளிகளின் போட்டி அபாய பகுப்பாய்வு: நான்கு வெவ்வேறு அணுகுமுறைகளின் ஒப்பீடு. ஸ்டேட் மெட் 20: 661-684. PMID 11241570 .

  • போட்டியிடும் அபாய தரவுகளை பகுப்பாய்வு செய்வதற்கான நான்கு வெவ்வேறு முறைகளை விவரிக்கும் நல்ல ஆழமான தாள், மற்றும் இந்த நான்கு அணுகுமுறைகளையும் ஒப்பிட்டுப் பார்க்க ஆஸ்டியோசர்கோமா நோயாளிகளின் சீரற்ற சோதனையிலிருந்து தரவைப் பயன்படுத்துகிறது.

செக்லி டபிள்யூ, ப்ரோவர் ஆர்.ஜி, முனோஸ் ஏ (2010). பொதுவான காமா விநியோகங்களின் கலவையின் மூலம் பரஸ்பர பிரத்தியேக போட்டி நிகழ்வுகளுக்கான அனுமானம். தொற்றுநோய் 21 (4): 557–565. PMID 20502337 .

  • பொதுவான காமா விநியோகத்தைப் பயன்படுத்தி போட்டியிடும் அபாயங்கள் குறித்த காகிதம்.

கொத்து தரவு மற்றும் பலவீனமான மாதிரிகளின் பகுப்பாய்வு

யமகுச்சி டி, ஓஹாஷி ஒய், மாட்சுயாமா ஒய் (2002) மல்டிசென்டர் புற்றுநோய் மருத்துவ பரிசோதனைகளில் மைய விளைவுகளை ஆராய சீரற்ற விளைவுகளுடன் விகிதாசார அபாயங்கள் மாதிரிகள். ஸ்டேட் முறைகள் மெட் ரெஸ் 11: 221-236. PMID 12094756 .

  • பல மைய மருத்துவ சோதனைகளிலிருந்து உயிர்வாழும் தரவை பகுப்பாய்வு செய்யும் போது கிளஸ்டரிங்கை கணக்கில் எடுத்துக்கொள்வதற்கான சிறந்த தத்துவார்த்த மற்றும் கணித விளக்கத்தைக் கொண்ட ஒரு தாள்.

ஓ க்விக்லி ஜே, ஸ்டேர் ஜே (2002) பலவீனங்கள் மற்றும் சீரற்ற விளைவுகளுடன் விகிதாசார அபாய மாதிரிகள். ஸ்டேட் மெட் 21: 3219-3233. PMID 12375300 .

  • பலவீனமான மாதிரிகள் மற்றும் சீரற்ற விளைவுகள் மாதிரிகளின் தலையில் இருந்து தலைக்கு ஒப்பீடு.

பாலகிருஷ்ணன் என், பெங் ஒய் (2006). பொதுவான காமா பலவீனமான மாதிரி. புள்ளிவிவர மெட் 25: 2797–2816. PMID

  • பொதுவான காமா விநியோகத்தை பலவீனமான விநியோகமாகப் பயன்படுத்தி பலவீனமான மாதிரிகள் பற்றிய ஒரு தாள்.

ரோண்டியோ வி, மஸ்ரூய் ஒய், கோன்சலஸ் ஜே.ஆர் (2012). frailtpack: அபராதம் விதிக்கப்பட்ட வாய்ப்பு மதிப்பீடு அல்லது அளவுரு மதிப்பீட்டைப் பயன்படுத்தி மோசடி மாதிரிகளுடன் தொடர்புடைய உயிர்வாழும் தரவின் பகுப்பாய்வுக்கான ஒரு R தொகுப்பு. புள்ளியியல் மென்பொருள் இதழ் 47 (4): 1-28.

  • பலவீனமான மாதிரிகள் பற்றிய நல்ல பின்னணி தகவலுடன் ஆர் தொகுப்பு விக்னெட்.

ஸ்காபல் டி.இ, காய் ஜே (2005). சிறுநீரக செயலிழப்பு நோயாளிகளிடையே மருத்துவமனையில் சேர்க்கும் விகிதங்களுக்கான பயன்பாட்டுடன் கொத்தாக மீண்டும் நிகழும் நிகழ்வு தரவுகளின் பகுப்பாய்வு. உயிரியக்கவியல் 6 (3): 404-19. PMID 15831581 .

  • க்ளஸ்டர் செய்யப்பட்ட தொடர்ச்சியான நிகழ்வு தரவை பகுப்பாய்வு செய்ய ஆசிரியர்கள் இரண்டு முறைகளை முன்வைக்கும் சிறந்த தாள், பின்னர் அவை முன்மொழியப்பட்ட மாதிரிகளிலிருந்து முடிவுகளை ஒரு பலவீனமான மாதிரியை அடிப்படையாகக் கொண்டவற்றுடன் ஒப்பிடுகின்றன.

கரிப்வந்த் எல், லியு எல் (2009). கொத்து நிகழ்வுகளுடன் உயிர்வாழும் தரவின் பகுப்பாய்வு. எஸ்ஏஎஸ் குளோபல் ஃபோரம் 2009 பேப்பர் 237-2009.

  • எஸ்ஏஎஸ் நடைமுறைகளுடன் கொத்து நிகழ்வுகளுடன் நிகழ்வு தரவுக்கான நேர பகுப்பாய்வுக்கான சுருக்கமான மற்றும் புரிந்துகொள்ள எளிதானது.

தொடர்ச்சியான நிகழ்வு பகுப்பாய்வு

ட்விஸ்க் ஜே.டபிள்யூ, ஸ்மித் என், டி வென்ட் டபிள்யூ (2005). தொடர்ச்சியான நிகழ்வுகளின் பயன்பாட்டு பகுப்பாய்வு: ஒரு நடைமுறை கண்ணோட்டம். ஜே எபிடெமியோல் சமூக ஆரோக்கியம் 59 (8): 706-10. பிஎம்ஐடி: 16020650

  • தொடர்ச்சியான நிகழ்வு மாடலிங் மற்றும் ஆபத்து தொகுப்புகளின் கருத்தை அறிமுகம் செய்வது மிகவும் எளிதானது

வில்லெகாஸ் ஆர், ஜூலிக் ஓ, ஒகானா ஜே (2013). விகிதாசார அபாயங்கள் மற்றும் தொடர்புகள் மற்றும் தணிக்கைகளின் விளைவு ஆகியவற்றுடன் தொடர்ச்சியான நிகழ்வுகளுக்கான தொடர்புடைய உயிர்வாழும் நேரங்களின் அனுபவ ஆய்வு. பி.எம்.சி மெட் ரெஸ் மெதடோல் 13:95. பிஎம்ஐடி: 23883000

  • தொடர்ச்சியான நிகழ்வு தரவுகளுக்கு வெவ்வேறு மாதிரிகளின் வலுவான தன்மையை சோதிக்க உருவகப்படுத்துதல்களைப் பயன்படுத்துகிறது

கெல்லி பி.ஜே., லிம் எல்.எல் (2000). தொடர்ச்சியான நிகழ்வு தரவுகளுக்கான உயிர்வாழும் பகுப்பாய்வு: குழந்தை பருவ தொற்று நோய்களுக்கான பயன்பாடு. ஸ்டேட் மெட் 19 (1): 13-33. பிஎம்ஐடி: 10623190

  • தொடர்ச்சியான நிகழ்வு தரவை மாடலிங் செய்வதற்கான நான்கு முக்கிய அணுகுமுறைகளின் பயன்பாட்டு எடுத்துக்காட்டுகள்

வீ எல்.ஜே, லின் டி.ஒய், வெயிஸ்பீல்ட் எல் (1989). விளிம்பு விநியோகங்களை மாதிரியாக்குவதன் மூலம் பன்முகத்தன்மை முழுமையற்ற தோல்வி நேர தரவின் பின்னடைவு பகுப்பாய்வு. ஜர்னல் ஆஃப் தி அமெரிக்கன் ஸ்டாடிஸ்டிகல் அசோசியேஷன் 84 (108): 1065-1073

தொடர்ச்சியான நிகழ்வு பகுப்பாய்விற்கான விளிம்பு மாதிரிகளை விவரிக்கும் அசல் கட்டுரை

படிப்புகள்

கொலம்பியா பல்கலைக்கழகத்தில் தொற்றுநோயியல் மற்றும் மக்கள் தொகை சுகாதார கோடைகால நிறுவனம் (EPIC)

புள்ளிவிவர ஹொரைஸன்ஸ், இந்த துறையில் வல்லுநர்களால் கற்பிக்கப்பட்ட சிறப்பு புள்ளிவிவர கருத்தரங்குகளின் தனியார் வழங்குநர்

  • பால் அலிசன் கற்பித்த பிலடெல்பியாவில் ஜூலை 15-19, 2015 அன்று நிகழ்வு வரலாறு மற்றும் உயிர்வாழும் பகுப்பாய்வு குறித்த 5 நாள் கருத்தரங்கு. உயிர்வாழும் பகுப்பாய்வு குறித்த முந்தைய அறிவு எதுவும் தேவையில்லை. மேலும் தகவலுக்கு, பார்க்கவும் http://statisticalhorizons.com/seminars/public-seminars/eventhistory13

அரசியல் மற்றும் சமூக ஆராய்ச்சிக்கான இடை-பல்கலைக்கழக கூட்டமைப்பு (ஐ.சி.பி.எஸ்.ஆர்) சமூக ஆராய்ச்சியின் அளவு முறைகளில் கோடைகால திட்டம், மிச்சிகன் பல்கலைக்கழகத்தில் சமூக ஆராய்ச்சி நிறுவனத்தின் ஒரு பகுதி

  • மிச்சிகன் மாநில பல்கலைக்கழகத்தின் தென்கோ ரெய்கோவ் கற்பித்த பெர்க்லி, சி.ஏ.வில் ஜூன் 22-24, 2015 இல் உயிர்வாழும் பகுப்பாய்வு, நிகழ்வு வரலாறு மாடலிங் மற்றும் கால பகுப்பாய்வு குறித்த 3 நாள் கருத்தரங்கு. துறைகளில் உயிர்வாழும் முறைகள் பற்றிய விரிவான கண்ணோட்டம் (பொது சுகாதாரம் மட்டுமல்ல): http://www.icpsr.umich.edu/icpsrweb/sumprog/courses/0200

புள்ளிவிவர ஆராய்ச்சி நிறுவனம் உயிர்வாழும் பகுப்பாய்விற்கான இரண்டு ஆன்லைன் படிப்புகளை வழங்குகிறது, இது ஆண்டுக்கு பல முறை வழங்கப்படுகிறது. இந்த படிப்புகள் க்ளீன் மற்றும் க்ளீன்பாம் எழுதிய பயன்பாட்டு பகுப்பாய்வு பாடப்புத்தகத்திலிருந்து (கீழே காண்க) மற்றும் ஒரு லா கார்ட்டே அல்லது புள்ளிவிவரத்தில் ஒரு சான்றிதழ் திட்டத்தின் ஒரு பகுதியாக எடுத்துக்கொள்ளலாம்:

  • டேவிட் க்ளீன்பாம் அல்லது மாட் ஸ்ட்ரிக்லேண்ட் கற்பித்த அரை-அளவுரு காக்ஸ் மாதிரிகளை மையமாகக் கொண்டு உயிர்வாழும் பகுப்பாய்வு அறிமுகம்: http://www.statistics.com/survival/

  • மாட் ஸ்ட்ரிக்லேண்ட் கற்பித்த அளவுரு மாதிரிகள், மறுநிகழ்வு பகுப்பாய்வு மற்றும் பலவீனமான மாதிரிகள் உள்ளிட்ட மேம்பட்ட உயிர்வாழும் பகுப்பாய்வு: http://www.statistics.com/survival2/

யு.சி.எல்.ஏவில் உள்ள டிஜிட்டல் ஆராய்ச்சி மற்றும் கல்விக்கான நிறுவனம் வெவ்வேறு புள்ளிவிவர மென்பொருளில் உயிர்வாழும் பகுப்பாய்விற்காக அவர்கள் தங்கள் வலைத்தளத்தின் மூலம் கருத்தரங்குகள் என்று அழைக்கிறார்கள். இந்த கருத்தரங்குகள் கோட்பாடு விட குறியீட்டில் அதிக கவனம் செலுத்தி, பயன்பாட்டு உயிர்வாழும் பகுப்பாய்வை எவ்வாறு நடத்துவது என்பதை நிரூபிக்கின்றன.

சுவாரசியமான கட்டுரைகள்

ஆசிரியர் தேர்வு

டி-ஷர்ட்கள் மற்றும் கத்தரிக்கோல்: ஒரு DIY சான்றுகள் அடிப்படையிலான பாதுகாப்பு முகமூடியை உருவாக்கவும்
டி-ஷர்ட்கள் மற்றும் கத்தரிக்கோல்: ஒரு DIY சான்றுகள் அடிப்படையிலான பாதுகாப்பு முகமூடியை உருவாக்கவும்
ஏப்ரல் தொடக்கத்தில், வெள்ளை மாளிகை புதிய யு.எஸ். நோய் கட்டுப்பாடு மற்றும் தடுப்பு வழிகாட்டுதல்களை அறிவித்தது, அனைத்து அமெரிக்கர்களும் வீட்டிற்கு வெளியே துணி முகம் அணிய வேண்டும் என்று பரிந்துரைக்கிறது. ஆனால் சில்லறை சரக்குகள் பெரும்பாலும் பின்தங்கிய நிலையில் இருப்பதால், அமெரிக்கர்கள் பந்தனாக்கள் மற்றும் தாவணிகள் போன்ற மாற்று வழிகளைச் செய்ய வேண்டிய கட்டாயத்தில் உள்ளனர், அல்லது அவர்களின் வாய்ப்புகளை எடுத்துக்கொண்டு இல்லாமல் போகலாம். மருத்துவர் வர்ஜீனியா டத்தோ, எம்.பி.எச்
பால் பிளே பிளே நினைவு ஒளிபரப்பு
பால் பிளே பிளே நினைவு ஒளிபரப்பு
சிறந்த மதிப்பீட்டைத் தேடுவது: உறுதிப்படுத்தும் மதிப்பீட்டில் ஒரு சொற்பொழிவு
சிறந்த மதிப்பீட்டைத் தேடுவது: உறுதிப்படுத்தும் மதிப்பீட்டில் ஒரு சொற்பொழிவு
எட்மண்ட் டபிள்யூ. கார்டன் நூற்றாண்டு மாநாட்டின் இரண்டாம் நாளில், அறிஞர்கள் சமபங்கு மற்றும் உறுதியான மதிப்பீடு குறித்த சொற்பொழிவைத் தொடர்கின்றனர்.
மருத்துவ உளவியல் பி.எச்.டி.
மருத்துவ உளவியல் பி.எச்.டி.
கொலம்பியா பல்கலைக்கழகத்தின் ஆசிரியர் கல்லூரி, அமெரிக்காவின் முதல் மற்றும் மிகப் பெரிய பட்டதாரி கல்விப் பள்ளியாகும், மேலும் இது நாட்டின் மிகச் சிறந்த இடங்களில் ஒன்றாகும்.
ஆசியாவில் உயர் கல்வி, கொள்கை மற்றும் மேம்பாடு 2017
ஆசியாவில் உயர் கல்வி, கொள்கை மற்றும் மேம்பாடு 2017
கொலம்பியாவின் அரிய புத்தகம் மற்றும் கையெழுத்துப் பிரதி நூலகத்திலிருந்து செய்தி
கொலம்பியாவின் அரிய புத்தகம் மற்றும் கையெழுத்துப் பிரதி நூலகத்திலிருந்து செய்தி
புத்தக விமர்சனம்: 'உங்கள் மனதை எவ்வாறு மாற்றுவது
புத்தக விமர்சனம்: 'உங்கள் மனதை எவ்வாறு மாற்றுவது'
தி ஆம்னிவோரின் தடுமாற்றத்தின் ஆசிரியர் மைக்கேல் போலன் ஒரு புதிய புத்தகத்தில் சைகடெலிக் மருந்துகளை ஆராய்கிறார். மார்க் ரோஸ்ஸோ மதிப்பாய்வு செய்தார்.