[R-es] ayuda con análisis de supervivencia

[JM Arbones]

Hola,
muchas gracias por contestar (tambien a Javier Rubén).
El bmi hasta el evento seria el el bmi que tienen los individuos cuando 
se les detecta el síndrome metabólico o el ultimo bmi que consta para 
aquellos que no desarrollaron el síndrome metabólico.

un saludo

Jose Miguel


On 03/08/15 11:33, Griera wrote:
> Hola:
>
> A que te refieres como "el bmi hasta el evento"?
>
> Respecto que no sea un tiempo de supervivencia, no eres el único. En este artículo tampoco utilizan un "tiempo":
>
> http://www.ncbi.nlm.nih.gov/pubmed/8970394
>
> Saludos.
>
>
> On Sun, 2 Aug 2015 19:19:45 +0200
> JM ARBONES <marbones en unizar.es> wrote:
>
>> Hola a todos,
>> -Estoy estudiando el efecto de dos genotipos (~tratamientos) en la aparición de síndrome metabólico (MetS) con datos longitudinales recogidos a tiempo 0,7,10,15,20 y 25 años.
>>
>> -He hecho un dataframe con las siguientes variables
>> MetS: Síndrome Metabólico (Si=1,No=0)
>> bmi: Indice de masa corporal (IMC) cuando se produce la conversión a MetS+ . Para los que permancen MetS-, esta variable indica el bmi cuando hay censura (por abandono del estudio o al finalizar el estudio en el año 25).
>> bmi0: IMC al inicio del estudio (categórica, levels=normal/overweight/obese)
>> apoE4: Genotipo de interés (E4, no-E4)
>>
>> -Mi hipótesis es que la interacción genotipo~MetS depende del IMC al principio del estudio. Concretamente, individuos 'overweight' al inicio del estudio y con el genotipo E4 hacen la conversión a MetS+ a valores de IMC mas bajos que los que tienen el genotipo no-E4. Este fenómeno no ocurriría en los 'normal' y 'obese'.
>>
>> -He creado unos objetos Surv, pero en lugar de utilizar el tiempo hasta evento (MetS+) estoy utilizando el bmi hasta el evento. Las gráficas que resultan al hacer el análisis de supervivencia parecerían confirmar mi hipótesis, pero no se si lo que estoy haciendo es una aberración estadística. Tampoco se si los coeficientes de la regresión de Cox tienen sentido al no utilizar la variable tiempo.
>>
>> ?Alguien me podría 1)decir si lo que estoy haciendo tiene sentido y 2) como interpretar los resultados (regresión de Cox y gráficas)?
>> Si a alguien se anima a contestar, adjunto un link con los datos (.Rdata) y el script que he utilizado en el análisis.
>>
>>
>> https://www.dropbox.com/s/d96itird8ms42yx/dataframe.Rdata?dl=0 <https://www.dropbox.com/s/d96itird8ms42yx/dataframe.Rdata?dl=0>
>>
>> sapply(levels(df0$bmi0),function (x){ #####SURVIVAL CURVE
>>    dfx=filter(df0,bmi0==x)
>>    
>>    surv2=Surv(dfx$bmi,dfx$MetS)
>>    km2=survfit(surv2~dfx$apoe4)##start.time=20,type='kaplan')
>>    plot(km2,lty=2:1,xlim=c(20,41),xlab='BMI at onset',main=x,mark.time = F)
>>    legend('bottomleft',c('E4','no-E4'),lty=2:1)
>>    cox=list(coxph(surv2~relevel(dfx$apoe4,ref='no-E4')))
>> })
>>
>> sapply(levels(df0$bmi0),function (x){ #####CUMULATIVE HAZARDs
>>    dfx=filter(df0,bmi0==x)
>>    
>>    surv2=Surv(dfx$bmi,dfx$MetS)
>>    km2=survfit(surv2~dfx$apoe4)
>>    plot(km2,lty=2:1,xlim=c(20,41),xlab='BMI at onset',main=x,mark.time = F,fun='cumhaz')
>>    legend('topleft',c('E4','no-E4'),lty=2:1)
>>    
>> })
>>
>> Muchas gracias y un saludo
>>
>> Jose Miguel
>>
>> -------------------------------------------------------------------
>>
>> Jose Miguel Arbones-Mainar, PhD
>> Unidad de Investigación Traslacional
>> Instituto Aragones de Ciencias de la Salud
>> Hospital Universitario Miguel Servet
>> Pº Isabel la Católica, 1-3
>> 50009 Zaragoza (Spain)
>> Tel: +34 976 769 565
>> Fax: +34 976 769 566
>> www.adipofat.com <http://www.adipofat.com/>
>>
>>
>>
>>
>> -----------------------------------------------------------------------------------
>> Jose Miguel Arbones-Mainar
>> www.adipofat.com <http://www.adipofat.com/>
>>
>>
>>
>>
>>
>>
>>
>> 	[[alternative HTML version deleted]]
>>
>> _______________________________________________
>> R-help-es mailing list
>> R-help-es en r-project.org
>> https://stat.ethz.ch/mailman/listinfo/r-help-es