Which Test?

Concept: Deze pagina is nog niet beoordeeld door een statisticus. Gebruik haar als startpunt en leg belangrijke keuzes voor aan een statisticus.

Competing risks: cumulative incidence and Fine-Gray

Schat de cumulatieve incidentie van een gebeurtenis als een andere gebeurtenis die kan voorkomen, in plaats van de concurrerende gebeurtenis als censurering te behandelen.

Klinisch voorbeeld

Tijd tot recidief, waarbij patiënten die vóór een recidief overlijden geen recidief meer kunnen krijgen.

Wanneer te gebruiken

  • De uitkomst is de tijd tot een gebeurtenis, en een andere gebeurtenis kan die voorkomen.
  • De concurrerende gebeurtenis komt vaak voor, zoals overlijden vóór een recidief.
  • U wilt het aandeel dat de gebeurtenis in de tijd naar verwachting krijgt, niet alleen een snelheid.

Aannames om te controleren

De concurrerende gebeurtenis is gedefinieerd

Bepaal vooraf welke gebeurtenissen concurreren met de gebeurtenis die u bestudeert, en codeer elke patiënt als gecensureerd, gebeurtenis of concurrerende gebeurtenis.

Niet-informatieve censurering

Patiënten die gecensureerd zijn, bijvoorbeeld wegens verlies uit follow-up, moeten hetzelfde toekomstige risico hebben als patiënten die onder observatie blijven.

Wat te rapporteren

  • Cumulatieve-incidentiecurven voor de gebeurtenis van belang en voor de concurrerende gebeurtenis
  • Cumulatieve incidentie op een klinisch relevant tijdstip met 95%-BI
  • Subdistributie-hazard ratio met 95%-BI, als u die modelleert

Veelgemaakte fouten

Censureer concurrerende gebeurtenissen niet

Overlijden als censurering behandelen bij het bestuderen van een recidief overschat het risico op een recidief. Gebruik cumulatieve incidentie in plaats van 1 min Kaplan-Meier.

Alternatieven

Als uw situatie is…Gebruik
De concurrerende gebeurtenis is zeldzaamCox proportional hazards regression

In uw software

R
# R
library(tidycmprsk)
# status: factor met niveaus censored, relapse, death (in die volgorde)
cuminc(Surv(time_months, status) ~ arm, data = cohort)
crr(Surv(time_months, status) ~ arm + age, data = cohort)