Assessment of time-varying long-term effects of therapies and prognostic factors (T: Time-varying)
Final Report Abstract
Zwei Hauptforschungsziele von Time-varying waren: 1) Untersuchung der Eigenschaften des eigenen fractional polynomial-time (FPT) Ansatzes und 2) Vergleichen des FPT Ansatzes mit vier anderen vorgeschlagenen Ansätzen, die zeit-variierende Effekte in multivariablen Modellen für Ereigniszeitdaten bewerten. Bei diesen waren wir die ersten externen Anwender der Programme und konnten dabei mehrere Probleme identifizieren. Für den FPT Ansatz wurden umfangreiche Simulationsstudien durchgeführt und jeder der fünf identifizierten Ansätze wurde an drei Datensätzen untersucht. Um verschiedene Funktionen für zeit-variierende Effekte bewerten und vergleichen zu können, haben wir ein neues Maß vorgeschlagen. Die Untersuchungen ergaben, dass der FPT Algorithmus für große Stichproben und Langzeit-Follow-up sehr zeitaufwändig ist. In Reaktion darauf haben wir den Ansatz modifiziert, um Kategorisierung von Ereigniszeiten zuzulassen. Weitere Projektergebnisse umfassen Themen wie: a) Neues Maß zur Bewertung zeit-variierender Funktionen, b) Stabilitätsanalyse des FPT Ansatzes, c) Einfluss der Kategorisierung der Ereigniszeit auf die FPT Ergebnisse, d) Untersuchung hergeleiteter Gen-Signaturen aus hochdimensionalen Daten auf zeit-variierende Effekte. Für FPT gibt es ein Stata Programm. Es wurde von unserem Kooperationspartner Patrick Royston geschrieben.
Publications
-
A new proposal for multivariable modelling of time-varying effects in survival data based on fractional polynomial time-transformation. Biom J 2007; 49:453-473
Sauerbrei W, Royston P, Look M
-
Multivariable Model-Building - A pragmatic approach to regression analysis based on fractional polynomials for modelling continuous variables. Wiley, 2008
Royston P, Sauerbrei W
-
Comparison of procedures to assess non-linear and time-varying effects in multivariable models for survival data. Biom J 2011; 53(2):308-331
Buchholz A, Sauerbrei W
-
Multivariable fractional polynomial models. Lovric M. (ed.): International Encyclopedia of Statistical Science, Springer Berlin 2011; :899-902
Sauerbrei W, Royston P
