s***n
发帖数: 392 | 1 请高人指点……
我用cox proportional hazard model分析cohort数据，outcome是death，用proc
phreg。前人发给我的一个model是这么写的：
exit_age*death= X Y Z/entry=entry_age
其中exit_age和entry_age分别是每个人出、进cohort的年龄。我觉得这个model没有
adjust for age，就把entry_age也写到model等号右边去了，作为第四个covariate。
结果，这个entry_age的effect算出来竟然是负的——年纪越大，死亡率越低，这显然
不合理。
于是我自己算了个exit_time（用exit_age减去entry_age），把model写成：
exit_time*death= X Y Z entry_age
这样entry_age的effect就是正的了，两个model的X Y Z的parameter estimate倒是差
不多。但是我想不通的是，为什么用第一个model，再adjust entry_age就错了呢？这
两个model的区别究竟是什么呢？ |
h******s
发帖数: 3420 | 2 are you sure you are using survival model?
I never heard of any one defining variables like this. The typical survival
model include 2 variable:
1) survival time
2) a dichotomous measure indicating whether or not the subject had the event.
I am also new with the model though.
【在 s***n 的大作中提到】
: 请高人指点……
: 我用cox proportional hazard model分析cohort数据，outcome是death，用proc
: phreg。前人发给我的一个model是这么写的：
: exit_age*death= X Y Z/entry=entry_age
: 其中exit_age和entry_age分别是每个人出、进cohort的年龄。我觉得这个model没有
: adjust for age，就把entry_age也写到model等号右边去了，作为第四个covariate。
: 结果，这个entry_age的effect算出来竟然是负的——年纪越大，死亡率越低，这显然
: 不合理。
: 于是我自己算了个exit_time（用exit_age减去entry_age），把model写成：
: exit_time*death= X Y Z entry_age
|
a****u
发帖数: 95 | 3 generally, exit_age and entry_age are positively correlated (exit_age>=entry
_age),this leads to the negative coefficient in the first model. |
s***n
发帖数: 392 | 4 yes, that's what I put in my model (the 2nd one). But the 1st model used the
entry option, which is supposed to be the same as the first one (or I
thought). Apparently not....
survival
event.
【在 h******s 的大作中提到】
: are you sure you are using survival model?
: I never heard of any one defining variables like this. The typical survival
: model include 2 variable:
: 1) survival time
: 2) a dichotomous measure indicating whether or not the subject had the event.
: I am also new with the model though.
|
s***n
发帖数: 392 | 5 I still don't quite understand the difference between the two models. When
am I supposed to use entry=entry_age? What exactly does it do?
Thanks!!
entry
【在 a****u 的大作中提到】
: generally, exit_age and entry_age are positively correlated (exit_age>=entry
: _age),this leads to the negative coefficient in the first model.
|
s*r
发帖数: 2757 | 6 这个entry_age的effect算出来竟然是负的——年纪越大，死亡率越低
也许可能应该理解成 进来的时候年纪越大,出去的时候的年纪大的可能性就越大
【在 s***n 的大作中提到】
: 请高人指点……
: 我用cox proportional hazard model分析cohort数据，outcome是death，用proc
: phreg。前人发给我的一个model是这么写的：
: exit_age*death= X Y Z/entry=entry_age
: 其中exit_age和entry_age分别是每个人出、进cohort的年龄。我觉得这个model没有
: adjust for age，就把entry_age也写到model等号右边去了，作为第四个covariate。
: 结果，这个entry_age的effect算出来竟然是负的——年纪越大，死亡率越低，这显然
: 不合理。
: 于是我自己算了个exit_time（用exit_age减去entry_age），把model写成：
: exit_time*death= X Y Z entry_age
|
S******3
发帖数: 66 | 7 Two forms of MODEL syntax can be specified; the first form allows one time
variable, and the second form allows two time variables for the counting
process style of input.
"model t2*dead(0)=x1-x10/entry=t1;"and "model (t1,t2)*dead(0)=x1-x10;" are
equivalent, but "model exit_time*death= X Y Z entry_age" means differently.
【在 s***n 的大作中提到】
: 请高人指点……
: 我用cox proportional hazard model分析cohort数据，outcome是death，用proc
: phreg。前人发给我的一个model是这么写的：
: exit_age*death= X Y Z/entry=entry_age
: 其中exit_age和entry_age分别是每个人出、进cohort的年龄。我觉得这个model没有
: adjust for age，就把entry_age也写到model等号右边去了，作为第四个covariate。
: 结果，这个entry_age的effect算出来竟然是负的——年纪越大，死亡率越低，这显然
: 不合理。
: 于是我自己算了个exit_time（用exit_age减去entry_age），把model写成：
: exit_time*death= X Y Z entry_age
|
s***n
发帖数: 392 | 8 so do you mean that the major difference between the two is that the second one loses time-related information by subtracting entry_age from exit_age (therefore an obs entered at 30 and exited at 50 would be equal to someone who entered at 80 and exited at 100?). Does the first one take care of this? If yes, then the first model is preferred and no age adjustment is necessary?
many many thanks!
are
【在 S******3 的大作中提到】
: Two forms of MODEL syntax can be specified; the first form allows one time
: variable, and the second form allows two time variables for the counting
: process style of input.
: "model t2*dead(0)=x1-x10/entry=t1;"and "model (t1,t2)*dead(0)=x1-x10;" are
: equivalent, but "model exit_time*death= X Y Z entry_age" means differently.
|
Y******Y
发帖数: 8753 | 9 第一个model用age作为time scale, 它是通过对entry age做left truncation以及
assume baseline hazard is a function of age来adjust for age. 并且baseline
hazard里面对age effect没有做任何的parametric assumption. 所以在第一个model里
面你是不需要另外将age当作是covariate来adjust。
第二个model是用time on study作为time scale,这个你要adjust for age as a
covariate.这个model你是assume age的effects是exponentially。
两个model都是valid的。但是要注意这两个models大部分时候不是等价的，如果你耐心
写出他们的partial likelihood,他们是不一样。
hope this helps. |
s***n
发帖数: 392 | 10 Very helpful. Thanks!
【在 Y******Y 的大作中提到】
: 第一个model用age作为time scale, 它是通过对entry age做left truncation以及
: assume baseline hazard is a function of age来adjust for age. 并且baseline
: hazard里面对age effect没有做任何的parametric assumption. 所以在第一个model里
: 面你是不需要另外将age当作是covariate来adjust。
: 第二个model是用time on study作为time scale,这个你要adjust for age as a
: covariate.这个model你是assume age的effects是exponentially。
: 两个model都是valid的。但是要注意这两个models大部分时候不是等价的，如果你耐心
: 写出他们的partial likelihood,他们是不一样。
: hope this helps.
|
