Математика - 30.04.2024 - Анализ выживаемости - 1 ч. = конспект YandexGPT

Описание: Математика - 30.04.2024 - Анализ Выживаемости - 1 часть + конспект от YandexGPT - https://300.ya.ru/v_cNTUm8IZ

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.