Stata:生存解析の結果をまとめる

Stataを使って生存解析の解析を表にまとめましょう。

典型的なまとめ方は下記です。暴露因子は飲酒頻度・量であり、アウトカムは蛋白尿(尿蛋白≧1+)です。

以下、具体的に各ステップでどのような統計処理を行うのかについて解説します。

①アウトカム発症率の比較

各暴露群において、アウトカムの発症数と発症率を算出し、群間差をPearson’s chi-squared testで評価します。

tabulate outcome_var exposure_var, co chi

②追跡期間の比較

追跡期間の分布をhistogramで確認します。通常は正規分布ではないので、中央値(25%-75%)で分布を示し、群間差をKruskal-Wallis testで評価します。

histogram observation_var, by(exposure_var)
tabstat observation_var, by(exposure_var)  statistics(p50 p25 p75)
kwallis obsrvation_var, by(exposure_var)

③Poisson分布に基づいたincidence rate(95%信頼区間)の算出

ci meanコマンドを使って、暴露群別にincidence rateを計算し、Poisson分布に基づいた95%信頼区間を算出する。ciはconfidence intervalの略です。totalオプションをつけておくと、全体の95%信頼区間も同時に評価してくれます。

bysort exposure: ci mean outcome_var, poisson exposure(observation_var) total

④単変量解析

交絡因子の影響を考慮しない単変量解析を用いて、暴露因子とアウトカムの関連を評価します。上記の論文では、Poisson回帰モデルを用いて、incidence rate ratio(IRR)を算出しています(Stata:Poisson回帰モデルによる生存解析を参照して下さい)。

Cox比例ハザードモデルを用いてハザード比を算出することの方が多いので、以下にCox比例ハザードモデルのコマンドを提示します。

stcoxコマンドを用いて、Cox比例ハザードモデルを作成し、ハザード比を算出します。estat phtestコマンドで、Schoenfeld残差を用いて比例ハザード性が成立していることも確認します。もし比例ハザード性が成立していない可能性があれば、estat phtest, plotを用いて、グラフィカルに比例ハザード性を評価します。

stset obsevartion_var, failure(outcome_var==1)
stcox i.exposure_var
estat phtest, detail
estat phtest, plot(j.exposure_var)

⑤多変量解析

交絡因子の影響を考慮した多変量解析を行います。Cox比例ハザードモデルを用いる場合、stcoxコマンドを利用します。比例ハザード性も確認しましょう。

stcox i.exposure_var covar1 covar2 covar3 ... covarn
estat phtest, detail
estat phtest, plot(x.covar)

コメントを残す

メールアドレスが公開されることはありません。 * が付いている欄は必須項目です

このサイトはスパムを低減するために Akismet を使っています。コメントデータの処理方法の詳細はこちらをご覧ください