机器算法验证 |
您所在的位置:网站首页 › mantelhaenszel检验 › 机器算法验证 |
两者通常给出相同(或几乎相同)的结果。但是,当多个受试者同时死亡或风险比远低于 1.0 时,结果可能会有所不同。 Bernsetin 及其同事使用这两种方法分析了模拟数据 (1)。在他们所有的模拟中,比例风险的假设都是正确的。这两种方法给出了非常相似的值。对数秩方法(他们称为 O/E 方法)报告的值比真实风险比更接近 1.0,尤其是当风险比很大或样本量很大时。 当有联系时,这两种方法都不太准确。对数秩方法倾向于报告更接近 1.0 的风险比(因此当风险比大于 1.0 时报告的风险比太小,而当风险比小于 1.0 时报告的风险比太大)。相比之下,Mantel-Haenszel 方法报告的风险比远离 1.0(因此当风险比大于 1.0 时报告的风险比太大,而当风险比小于 1.0 时报告的风险比太小)。 他们没有使用比例风险假设不正确的模拟数据测试这两种方法。我见过一个数据集,其中两个 HR 估计值非常不同(相差三倍),并且比例风险的假设对于这些数据是可疑的。似乎 Mantel-Haenszel 方法更重视后期时间点的危险差异,而 logrank 方法在任何地方都给予相同的权重(但我没有详细探讨这一点)。如果您使用两种方法看到非常不同的 HR 值,请考虑比例风险假设是否合理。如果该假设不合理,那么描述整个曲线的单一风险比的整个概念当然没有意义 |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |