在每一个竞争的死亡概率Bimorbid条件下的风险

文摘

本研究的动机是探索各自的概率死于当一个人有双重的风险或更多的竞争风险。这个问题需要进化模型的描述死亡的概率的风险,而一个人暴露在竞争两个或两个以上的疾病的风险。这是通过选择一个模型的二元负二项分布来获得死亡的人数(假设死亡发生在最后审判)。贝叶斯方法也被用于估计的概率死于心脏病和慢性肾病的糖尿病、高血压、慢性肾脏疾病和中风或心脏病。同样的分析我们使用卡尔(代谢疾病风险降低在南亚)监测数据,多级整群随机抽样方法。

1。介绍

Gumbell(1960)描述了最早的和最简单的二元指数分布。这种方法得到了应用在许多领域,包括竞争风险,极端值,故障时间、区域降水的分析,和可靠性。

当通(1)描述了二元指数分布引起的“冲击”导致各种类型的故障部件的几何分布。它已经收到了应用程序在排队系统和水文和用作荒原的马尔可夫模型依赖的过程,降雨强度和持续时间,水波的高度。

马歇尔和Olkin [2估计的二元指数分布和是两个组件的寿命服从三种冲击;这些冲击是认为是由独立的泊松过程和参数,,1,根据冲击是否适用于组件,组件2只,或组件。分布在核反应堆安全收到了广泛的适用性,竞争风险,可靠性和量子反应环境。

Biswas和努尔3)调查方法分类未知死因是因为两个相互竞争的风险分配的原因。

对一个人真正的死因,否则遭受两个主要风险(心脏病和高血压,心脏病和糖尿病,心脏病和慢性肾脏疾病,糖尿病和高血压,斯托克城与高血压、中风和糖尿病,慢性肾脏疾病和糖尿病,高血压和慢性肾病),很难估计和仍未分类。本文的目的是设计一个合适的概率模型描述两等竞争风险的效果或并获得预期的比例的非保密情况下遭受两个条件和和死亡在 或。它已经被默认为而导致的风险和可能操作在一个人的死亡时间,真正的死亡实际上发生,主要是由于要么或。进一步的发展模型的风险模型,我们认为死亡是最终的一个单一的风险或 。Biswas和努尔3)研究了相同类型的问题假设的数据与模型中的几个参数。然而,在这项研究中发现了一些参数的冗余,因为数据的可用性。

其次是Biswas和努尔的方法(3)是基于数量的冲击对应两个竞争风险(和)和冲击致人死亡的数量通过两个冲击作为参数。由于风险的冲击发生与泊松的影响强度和冲击持续固定期限(死亡时间)在此期间由于没有进一步冲击或可能发生。但是,在我们的模型中,我们没有考虑冲击的影响,持续一段固定,在此期间,由于不会发生进一步的冲击或。

的数量竞争冲击的风险,可能会导致死亡因人而异,从卡尔队列的现成的信息数据集。因此,我们可以避免多余的参数估计。因此,我们的模型可以被认为是Biswas早些时候和努尔纸的延伸。

最近麦考密克et al。4]研究了相同类型的问题”概率死因分配使用口头尸检。“目前的应用程序使用贝叶斯方法或多或少是基于相同的方法。

2。研究设计

如前所述,目前的研究是基于基线数据从三个卡尔的横断面调查研究站点之间进行的2010年10月和2011年的后续调查死亡率到2014年12月。后续的持续时间是3.5年。卡尔(代谢疾病风险降低在南亚)研究设计是改编自步骤模型(5)来评估代谢疾病疾病的患病率和发病率(CMDs)及其危险因素。卡尔的细节研究设计已发表(6]。总之,参与者被选中的三个城市(钦奈、新德里和卡拉奇)使用多级整群抽样技术(7]。在钦奈和德里市政细分、病房和普查枚举块在卡拉奇,被视为初级抽样单位。家庭在选择细分然后手动上市和映射。手册清单用于随机选择家庭家庭选择的机会均等。从每一个随机选择的家庭,一个合格的男人和一个合格的女人(妊娠年龄在20 +,,,不是卧床不起)。家庭拥有超过两个相同性别的合格的成年人,“基士法”(5](家庭的所有合格的参与者排名根据年龄减少订单(男性紧随其后的是女性);参与者选择使用基表确定最后的数字家庭和合格的参与者的数量)应用于随机选择一个个体被包括在这项研究。

3所示。数据收集

从家庭通过访谈收集的数据在当地语言和标准化的临床检查以及血液样本集合在当地营地(钦奈,德里)或在家里(卡拉奇)。在三个城市中,集体基线问卷完成的响应率为94.7%和84.3%,样本收集。数据收集的训练领域使用标准化的技术团队(6]。

3.1。慢性疾病的定义

在目前的研究中,慢性疾病包括高血压、糖尿病、慢性肾脏疾病,被认为是心脏病和中风。这些医疗条件定义如下:高血压(之前诊断或自我报告测量血压140/90毫米汞柱以上);糖尿病(自我报告之前诊断或空腹血糖≥126 mg / dL或糖化血红蛋白≥6.5);心脏病或中风(自我报告的前诊断);慢性肾病(自我报告的前诊断)。所有参与者都已经有两个或两个以上的风险研究的开始。

我们进一步分类参与者为双向指定慢性病的联合分布,也就是说,心脏病,高血压,心脏病和糖尿病,心脏病和慢性肾脏疾病,糖尿病和高血压,中风,高血压,中风,糖尿病,慢性肾脏疾病和糖尿病,高血压和慢性肾病。

3.2。模型的发展

让和是两个相互竞争的风险。(我) 发生的概率。(2) 发生的概率,在那里。(3) 和代表的数量试验的人暴露在风险和,分别。(IV) 概率是一个特定的第一或第二类型的风险是致命的导致死亡。(V) 存活的概率和。(VI) 死亡的概率是或没有考虑到竞争的风险。(七) 死亡病例暴露的风险或而由于死亡可能发生或,真正的原因是未知的。(八) 死亡病例暴露的风险或而真正的原因是未知的。 人口的规模。(第九) 。

然后我们有 死亡的条件概率下的双重风险和。因此不保密的情况下死亡的概率被分类的类别(死亡)的确切原因 的分类是由 在哪里原油的死亡概率的风险存在的风险在一个时间。它是由 在哪里 同样的, 继弗洛伊德(7以上),我们进一步泛化参数考虑到风险发生与强度,那么风险后发生在更大的强度(而不是) ):因为更大的概率的风险。同样,与反向推理可以表明风险发生之前将与更大的强度吗(而不是)。

我们说明这个概念通过弗洛伊德的二元指数分布 我们在表1的联合风险水平的相对比较几个相互竞争的慢性疾病如下:也就是说,糖尿病和心脏病,高血压和心脏病,慢性肾脏疾病与心脏病、糖尿病和中风、高血压和中风、糖尿病和慢性肾病,高血压和慢性肾病和糖尿病和高血压。

糖尿病、高血压、心脏病、慢性肾脏疾病、中风不复发。生存数据基本上有两种类型,即平行式(i)和(ii)系列或竞争类型。

并行的数据类型发生在多组分的分析并行系统,尤其是并行配对组件(比如两个肾脏,两只眼睛,两个肺,等等。因为系统的生存取决于最后幸存的组件的寿命在这种情况下,成对的数据无论是否审查。

该系列类型的数据通常出现在好几个竞争对手的风险的情况下,说,,这可能被想象为相互竞争的生活个人或一个系统。但由于可能发生死亡或失败,因为一个特定的风险(在存在其他风险),我们不配对或多元数据的寿命由于几个基地在同一病人的风险。因此不存在样本空间,因此二元或多元模型来衡量竞争风险下的寿命是不可能的。这可能发生更多特别的要求配对数据共同竞争风险下如糖尿病与心脏病和糖尿病慢性肾脏疾病。因为死亡最终可能出现的两种风险,因此,不可能得到成对数据或双变量样本空间。

我们已经考虑数量的相关冲击类似的竞争风险,所以Biswas的模型和努尔3大约可以在目前的调查。

糖尿病和高血压的危险因素,可能会导致其他问题,可能导致死亡。

据统计,其他疾病可能发生由于高血压和糖尿病的交互。其他疾病的性质和他们的大小是未知的;因此这样的交互一直忽视假定他们不会影响估计。

我们没有足够的数据来计算额外的联合分布(如心脏病和糖尿病和肾病)。本研究致力于联合分布的两种竞争死亡率相关模型的基础上的风险。然而,两个以上的方法可以推广竞争风险。

有14.7%(卡尔数据)的人有2个或更多的竞争风险。置换比例56.6%没有风险基准竞争。在分析中,我们认为是慢性疾病和死亡率的随访数据在3.5年的随访。

心脏病和慢性肾脏疾病有60 - 65%的机会与高血压或糖尿病死亡率。中风和高血压或糖尿病死亡率70%的机会。

4所示。条件导致特定死亡率通过贝叶斯方法

我们考虑的条件概率的贝叶斯方法估计死于心脏病和慢性肾脏疾病的高血压,糖尿病,慢性肾脏疾病和中风或心脏病。数据包括个人观察组二元指标的症状,和一个指示器这表示哪一个原因是负责的人的死亡。

定义死亡的条件概率在吗鉴于双星系统包括。经验贝叶斯估计已经从之前获得的数据可以从卡尔。通常简单的贝叶斯估计没有先验分布可以计算假设所有死亡的风险已经被相同的概率分布。使用贝叶斯规则[4),

虽然贝叶斯方法提供了完整信息的数据和基于声音逻辑逆概率。

5。结论

心脏疾病(60%),慢性肾脏疾病(65%),和中风(70%)有更高的几率死于高血压和糖尿病的存在。因此,未来的研究的问题是个体疾病是否单独或增强了竞争风险。

这将是值得开展类似研究复制以及加强流行病学的理解。

信息披露

Suddhendu Biswas以前是数学科学学院的院长,德里大学。

的利益冲突

作者没有利益冲突的披露。

确认

卡尔的研究是由部分由国家心脏、肺、血液研究所的美国国立卫生研究院,卫生和人类服务部(合同编号。HHSN268200900026C),联合健康集团(明尼阿波利斯,美国)。卡尔研究小组包括以下:指导委员会:Dorairaj Prabhakaran公里Venkat Narayan K Srinath Reddy, Nikhil经脉,V汉,穆罕默德M Kadir也和穆罕默德·K·阿里;行为和操作:Dorairaj Prabhakaran Nikhil经脉,公里Venkat Narayan,穆罕默德·K·阿里伊姆兰Naeem,鲁帕Shivashankar R Pradeepa,和M的同时;协调中心(德里):Dorairaj Prabhakaran Nikhil经脉,鲁帕Shivashankar Vamadevan Ajay, Deksha Kapoor;数据管理和统计团队:酒窝Kondal,乃文,Garima,这个镇;实验室:Lakshmy Ramakrishnan, Ruby古普塔和Savita嫂子。关于报告,Kalpana辛格教授Suddhendu Biswas做了分析和写手稿。作者非常感谢教授Dorairaj普拉巴卡兰为编辑和修改手稿。

引用

1. f .当通”二元指数分布在可靠性理论中,“英国皇家统计学会杂志》上。系列B(方法论),32卷,不。3、408 - 417年,1970页。视图:谷歌学术搜索
2. A•马歇尔(george w . bush)和i Olkin多元指数分布。”美国统计协会杂志》上,卷62,不。317年,30 - 44岁,1967页。视图:出版商的网站|谷歌学术搜索|MathSciNet
3. Biswas和h·s·努尔”分类的概率模型未知的死亡原因由于两个竞争风险为可转让的原因,“生物统计学杂志》,30卷,不。7,827 - 833年,1988页。视图:出版商的网站|谷歌学术搜索|MathSciNet
4. h·t·麦考密克z李泽楷,c·卡尔弗特,c . a . Crampin k . Kahn和j·s·克拉克,“概率死因分配使用口头尸检:中心统计和社会科学:工作报告系列中,“工作报告。147年,2014年。视图:谷歌学术搜索
5. 世界卫生组织,“阶梯式方法,监测(步骤),”2014年,http://www.who.int/chp/steps/en/。视图:谷歌学术搜索
6. m·奈尔·m·k·阿里v . s . Ajay et al .,”卡尔监测研究:设计和方法从多个角度来评估负担,”BMC公共卫生,12卷,不。1,第701条,2012。视图:出版商的网站|谷歌学术搜索
7. j·e·弗洛伊德“二元指数分布的延伸。”美国统计协会杂志》上卷,56号296年,第977 - 971页,1961年。视图:出版商的网站|谷歌学术搜索|Zentralblatt数学|MathSciNet

版权

版权©2017 Kalpana辛格和Suddhendu Biswas。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。