-
回答了问题2021-08-28 13:54:41医咖会有两种方法的灵敏度和特异度的比较:https://www.mediecogroup.com/zhuanlan/lessons/241/你三种方法可以两两比较试试灵敏度特异度比较
-
回答了问题2021-08-28 09:21:48如果是病人的基础信息有缺失,可以通过一些方法来补齐。收集数据时数据缺失
-
回答了问题2021-08-28 09:20:25肿瘤特异生存时间应该是对某一种肿瘤来说的,看病人是不是因为这种肿瘤而死亡的,你的数据因该有一列是是否死亡,然后一列是死亡时间,再有一列是死亡原因。死亡原因可能有:是该肿瘤引起的死亡,其他肿瘤引起的死亡,非肿瘤引起的死亡。然后这些死亡原因叫做生存时间和肿瘤特异性生存时间删失的区别
-
回答了问题2021-08-28 09:07:51你的样本量应该是够的,那每一个病人是不是只有一个指标A和一个指标B?如果是的话,那可能就不用考虑混合模型,可以试试简单的多变量线性回归先关于线性混合模型的问题
-
回答了问题2021-08-28 09:02:48灵敏度低可能有很多原因,可能是有其他的因素你没有考虑到,可能是样本量,或者bias的问题。如果不同年龄段人群这个自变量是显著的,那就说明这个自变量在某种程度上可以预测因变量。某个年龄段的人群这个自变量的回归系数有显著性,你可以说某一个年龄段二元logistic回归
-
回答了问题2021-08-28 05:54:25这是因为死亡原因不同而言的,一般的生存时间就是不管怎么死亡的,只看是否死亡和死亡时间肿瘤特异性生存时间,应该是因为肿瘤而死亡的生存时间?生存时间和肿瘤特异性生存时间删失的区别
-
回答了问题2021-08-28 05:48:39会不会是样本量小,或者自变量中的分类变量有的分组里面有0病例的现象OR值
-
回答了问题2021-08-27 07:43:16这个没有一个统一的标准,要看数据的类型和变化来定时依分类变量
-
回答了问题2021-08-27 07:42:45landmark analysis 在R里面是可以做的: https://www.emilyzabor.com/tutorials/survival_analysis_in_r_tutorial.htmlCOX回归中解决多重共线性
-
回答了问题2021-08-27 07:39:56根据变量个数来估算,只是个估算,不是一个很严谨的方法。严谨的方法还是要根据你的自变量和因变量的组间变化来计算样本量。网上也有计算多个自变量的样本量的方法,可以看看这个:https://stats.idre.ucla.edu/other/gp样本量估算




