Comparison of 2 Methods for Calculating Adjusted Survival Curves From Proportional Hazards Models
Notice bibliographique
Résumé
CONTEXT: Adjusted survival curves are often presented in medical research articles. The most commonly used method for calculating such curves is the mean of covariates method, in which average values of covariates are entered into a proportional hazards regression equation. Use of this method is widespread despite published concerns regarding the validity of resulting curves. OBJECTIVE: To compare the mean of covariates method to the less widely used corrected group prognosis method in an analysis evaluating survival in patients with and without diabetes. In the latter method, a survival curve is calculated for each level of covariates, after which an average survival curve is calculated as a weighted average of the survival curves for each level of covariates. DESIGN, SETTING, AND PATIENTS: Analysis of cohort study data from 11 468 Alberta residents undergoing cardiac catheterization between January 1, 1995, and December 31, 1996. MAIN OUTCOME MEASURES: Crude and risk-adjusted survival for up to 3 years after cardiac catheterization in patients with vs without diabetes, analyzed by the mean of covariates method vs the corrected group prognosis method. RESULTS: According to the mean of covariates method, adjusted survival at 1044 days was 94.1% and 94.9% for patients with and without diabetes, respectively, with misleading adjusted survival curves that fell above the unadjusted curves. With the corrected group prognosis method, the corresponding survival values were 91.3% and 92.4%, with curves that fell more appropriately between the unadjusted curves. CONCLUSIONS: Misleading adjusted survival curves resulted from using the mean of covariates method of analysis for our data. We recommend using the corrected group prognosis method for calculating risk-adjusted curves.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».