본 논문에서는 첫 번째로, Kaplan-Meier 분석을 통해 폐암에 걸린 환자의 생존기간과 생존율을 구해보았고 두 번째로, 비모수적 검정법인 로그순위 검정법(Log-rank test)을 이용하여 폐암에 영향을 주는 변수들을 찾아보았으며 생존곡선을 통해 유의한 영향을 주는지 다시 확인 해 보았다. 이 때, 연속형 독립변수들의 적절한 변수 변환을 고려해 보았다. 세 번째로, Weibull과 Cox비례위험함수모형을 통해 폐암 생존율에 유의한 영향을 주는 예후변수를 선별하였고 두 모형이 비슷한 결과로 해석되기 때문에 최종적으로 Cox 비례위험함수모형을 제시하였다.
각 변수의 Chi-Square값을 비교하여 ...
본 논문에서는 첫 번째로, Kaplan-Meier 분석을 통해 폐암에 걸린 환자의 생존기간과 생존율을 구해보았고 두 번째로, 비모수적 검정법인 로그순위 검정법(Log-rank test)을 이용하여 폐암에 영향을 주는 변수들을 찾아보았으며 생존곡선을 통해 유의한 영향을 주는지 다시 확인 해 보았다. 이 때, 연속형 독립변수들의 적절한 변수 변환을 고려해 보았다. 세 번째로, Weibull과 Cox비례위험함수모형을 통해 폐암 생존율에 유의한 영향을 주는 예후변수를 선별하였고 두 모형이 비슷한 결과로 해석되기 때문에 최종적으로 Cox 비례위험함수모형을 제시하였다.
각 변수의 Chi-Square값을 비교하여 유의수준 5%에서 검정하였고, SAS Procedure에서 MODEL문의 OPTION SELECTION에 세 가지 변수 선택법을 이용하여 유의한 예후변수를 선택하였다. 최종 모형의 선택에서는 -2 log L값을 비교하여 변수를 모형에 추가하거나 제거하였을 때 유의한 영향을 주는지 확인하였다.
따라서, 변수변환을 이용한 Cox 비례위험함수모형(Cox proportional hazard model) 결과 연구시작점에서의 환자 상태(Kps)가 경(經)에 가까울수록 폐암에 걸릴 위험률은 낮아지고, 종양의 조직학적 유형(Cell)형태가 large cell에 비해 adeno cell인 경우 특히 위험하다고 판단 할 수 있었다. 환자의 나이(Age)는 70세 이상의 연령에 비해 50대의 경우 위험률이 감소하는 것을 알 수 있었다. 비례위험함수모형을 토대로 연속형 독립변수들의 적절한 변수변환을 고려해 보았다는 점에서 본 논문의 의의를 찾을 수 있다.
본 논문에서는 첫 번째로, Kaplan-Meier 분석을 통해 폐암에 걸린 환자의 생존기간과 생존율을 구해보았고 두 번째로, 비모수적 검정법인 로그순위 검정법(Log-rank test)을 이용하여 폐암에 영향을 주는 변수들을 찾아보았으며 생존곡선을 통해 유의한 영향을 주는지 다시 확인 해 보았다. 이 때, 연속형 독립변수들의 적절한 변수 변환을 고려해 보았다. 세 번째로, Weibull과 Cox비례위험함수모형을 통해 폐암 생존율에 유의한 영향을 주는 예후변수를 선별하였고 두 모형이 비슷한 결과로 해석되기 때문에 최종적으로 Cox 비례위험함수모형을 제시하였다.
각 변수의 Chi-Square값을 비교하여 유의수준 5%에서 검정하였고, SAS Procedure에서 MODEL문의 OPTION SELECTION에 세 가지 변수 선택법을 이용하여 유의한 예후변수를 선택하였다. 최종 모형의 선택에서는 -2 log L값을 비교하여 변수를 모형에 추가하거나 제거하였을 때 유의한 영향을 주는지 확인하였다.
따라서, 변수변환을 이용한 Cox 비례위험함수모형(Cox proportional hazard model) 결과 연구시작점에서의 환자 상태(Kps)가 경(經)에 가까울수록 폐암에 걸릴 위험률은 낮아지고, 종양의 조직학적 유형(Cell)형태가 large cell에 비해 adeno cell인 경우 특히 위험하다고 판단 할 수 있었다. 환자의 나이(Age)는 70세 이상의 연령에 비해 50대의 경우 위험률이 감소하는 것을 알 수 있었다. 비례위험함수모형을 토대로 연속형 독립변수들의 적절한 변수변환을 고려해 보았다는 점에서 본 논문의 의의를 찾을 수 있다.
This paper aims to find the significant variables in the analysis of modelling survival data through Kaplan-Meier analysis, Log-rank test, Weibull proportional hazard model and Cox proportional hazard model. The first, survival time and survival probabilities are found through data of lung cancer pa...
This paper aims to find the significant variables in the analysis of modelling survival data through Kaplan-Meier analysis, Log-rank test, Weibull proportional hazard model and Cox proportional hazard model. The first, survival time and survival probabilities are found through data of lung cancer patients by Kaplan-Meier analysis. The second, we transform the continuous independent variables, and then evaluate the significant variables at level α=0.10 through the Log-rank test that is a non-parametric method. The third, we find the transformed simple Cox model using forward selection, backward elimination, and stepwise selection by parameters comparison between a Weibull proportional hazard model and a Cox proportional hazard model. At this time, we insert variables at level α=0.15 and eliminate variables at level α=0.25. So, we realize that there is a small value of -2 log L and degree of freedom.
Therefore, we would like to find the significant variables influencing the lung cancer patient in common through -2 log L, degree of freedom and transformation variable comparison.
This paper aims to find the significant variables in the analysis of modelling survival data through Kaplan-Meier analysis, Log-rank test, Weibull proportional hazard model and Cox proportional hazard model. The first, survival time and survival probabilities are found through data of lung cancer patients by Kaplan-Meier analysis. The second, we transform the continuous independent variables, and then evaluate the significant variables at level α=0.10 through the Log-rank test that is a non-parametric method. The third, we find the transformed simple Cox model using forward selection, backward elimination, and stepwise selection by parameters comparison between a Weibull proportional hazard model and a Cox proportional hazard model. At this time, we insert variables at level α=0.15 and eliminate variables at level α=0.25. So, we realize that there is a small value of -2 log L and degree of freedom.
Therefore, we would like to find the significant variables influencing the lung cancer patient in common through -2 log L, degree of freedom and transformation variable comparison.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.