Математика - - Анализ выживаемости - 1 ч. = конспект YandexGPT

Математика - - Анализ Выживаемости - 1 часть конспект от YandexGPT - 00:08 Логистическая регрессия • Обсуждение задачи прогнозирования выживаемости почечного трансплантата. • Упоминание о логистической регрессии как возможном методе решения задачи. 07:33 Обсуждение факторов, влияющих на выживаемость • Упоминание о том, что выживаемость пациентов может быть разной, и не все доживают до пенсионного возраста. • Обсуждение использования логистической регрессии для прогнозирования выживаемости. 15:08 Выбор зависимой переменной • Зависимая переменная - это “померла почка“ или “не померла“. • Возможные факторы, которые могут быть использованы для прогнозирования: возраст донора, дата операции, дата, когда почка померла. 17:10 Решение о применении логистической регрессии • Обсуждение необходимости использования логистической регрессии для решения задачи. • Предложение подумать о возможных факторах и их влиянии на выживаемость перед использованием логистической регрессии. 18:08 Обсуждение выживаемости пациентов с пересаженной почкой • В видео обсуждается выживаемость пациентов с пересаженной почкой, а также влияние времени наблюдения на результаты. • Упоминается, что некоторые пациенты могут иметь плохое здоровье, старый донор или молодой донор, что может влиять на выживаемость. 23:51 Учет времени наблюдения • В видео подчеркивается важность учета времени наблюдения для оценки выживаемости пациентов. • Упоминается, что некоторые пациенты могут наблюдаться в течение длительного времени, но терминальное событие еще не наступило. 31:25 Логистическая регрессия и оценка выживаемости • В видео говорится о том, что логистическая регрессия не применима для таких задач, так как она не учитывает время наблюдения. • Предлагается использовать другие методы для оценки выживаемости, такие как оценка снизу или оценка сверху. 34:36 Выживание пациентов после трансплантации почки • Обсуждается выживаемость пациентов после трансплантации почки, с учетом того, что терминальное событие (потеря почки) может наступить в любой момент времени. • Кривые выживаемости могут быть построены для разных групп пациентов, с учетом того, что некоторые из них могут потерять почку через 5 лет, а другие - через 15 лет. 39:55 Использование оценок Каплана-Майера • Для сравнения кривых выживаемости предлагается использовать оценки Каплана-Майера, которые учитывают цензурированные наблюдения (пациенты, для которых терминальное событие не наступило). • Для этого используется дополнительный пакет “PyLinal“ для Python. 49:15 Цензурированные данные • Видео обсуждает различные типы цензурированных данных, включая цензурированные справа и слева. • Приводится пример с пациентом с атипичным гемолитико-уремическим синдромом, который жил с этим заболеванием в течение 10 лет, но неизвестно, когда оно началось. 54:22 Оценка средней продолжительности жизни • Обсуждается, как оценка средней продолжительности жизни может быть смещена, если не учитывать цензурированные данные. • Предлагается использовать генератор случайных чисел для генерации данных с экспоненциальным распределением, чтобы оценить среднюю продолжительность жизни популяции. 01:00:19 Логистическая регрессия и экспоненциальное распределение • В видео обсуждается использование логистической регрессии для прогнозирования вероятности смерти в течение первого года для людей с различными заболеваниями. • Однако, если данные не цензурированы, то есть не все люди умерли, то логистическая регрессия не может быть использована. • Вместо этого, автор предлагает использовать экспоненциальное распределение для генерации данных, где времена жизни особей распределены экспоненциально. 01:07:19 Сравнение смертности в разные периоды времени • Автор обсуждает, как сравнивать смертность людей, которые были прооперированы в разные периоды времени, используя экспоненциальное распределение. • Он приводит пример, что если сравнить смертность людей, прооперированных в 1990-х и 2000-х, то можно увидеть, что смертность в 1990-х была выше, чем в 2000-х. • Это может быть связано с тем, что в 1990-х использовались менее эффективные методы лечения, чем в 2000-х. 01:13:03 Анализ выживаемости • Видео обсуждает различные методы анализа выживаемости, включая оценку Каплана-Майера и Кокс-регрессию. • Обсуждается использование пакета LifeLines для построения графиков и анализа данных. 01:15:48 Функция выживаемости • Функция выживаемости определяется как вероятность того, что случайная переменная (т.е. время жизни) будет больше определенного значения. • Функция выживаемости может быть интерпретирована как доля умерших к моменту времени t или доля выживших. • Функция выживаемости является кумулятивной функцией распределения, то есть вероятность того, что событие произойдет до момента t. • Функция выживаемости может убывать или оставаться постоянной, в зависимости от того, происходят ли смертельные случаи на данном промежутке времени.
Back to Top