R တွင် log rank စမ်းသပ်နည်း
မှတ်တမ်းအဆင့်စစ်ဆေးမှု သည် အုပ်စုနှစ်ခုကြားရှိ ရှင်သန်မှုမျဉ်းကြောင်းများကို နှိုင်းယှဉ်ရန် အသုံးအများဆုံးနည်းလမ်းဖြစ်သည်။
ဤစမ်းသပ်မှုသည် အောက်ပါ ယူဆချက်များကို အသုံးပြုပါသည်။
H 0 : အုပ်စုနှစ်ခုကြားတွင် ရှင်သန်ခြင်းတွင် ကွာခြားချက်မရှိပါ။
H A : အုပ်စုနှစ်ခုကြားတွင် ရှင်သန်ခြင်းတွင် ကွာခြားချက် ရှိသည် ။
အကယ်၍ စမ်းသပ်မှု၏ p-တန်ဖိုး သည် အချို့သော အရေးပါမှုအဆင့်အောက်တွင် ရှိပါက (ဥပမာ α = 0.05)၊ ထို့နောက် null hypothesis ကို ငြင်းပယ်နိုင်ပြီး အုပ်စုနှစ်ခုကြားတွင် ရှင်သန်မှုတွင် ကွာခြားမှုရှိသည်ဟု ဆိုရန် လုံလောက်သော အထောက်အထားရှိကြောင်း ကောက်ချက်ချနိုင်သည်။
R တွင် log-rank test ကိုလုပ်ဆောင်ရန်၊ အောက်ဖော်ပြပါ syntax ကိုအသုံးပြုသည့် survdiff() လုပ်ဆောင်ချက်ကို survival package မှအသုံးပြုနိုင်သည်-
survdiff(Surv(အချိန်၊ အခြေအနေ) ~ ခန့်မှန်းသူများ၊ ဒေတာ)
ဤလုပ်ဆောင်ချက်သည် chi-square စမ်းသပ်မှုကိန်းဂဏန်းနှင့် သက်ဆိုင်သော p-တန်ဖိုးကို ပြန်ပေးသည်။
အောက်ပါဥပမာသည် R တွင် log-rank test ကိုလုပ်ဆောင်ရန် ဤလုပ်ဆောင်ချက်ကို မည်သို့အသုံးပြုရမည်ကို ပြသထားသည်။
ဥပမာ- R ဖြင့် မှတ်တမ်းအဆင့် စမ်းသပ်ခြင်း
ဤဥပမာအတွက်၊ ကျွန်ုပ်တို့သည် ရှင်သန်မှု ပက်ကေ့ခ်ျမှ သား အိမ်ဒေတာအစုံကို အသုံးပြုပါမည်။ ဤဒေတာအတွဲတွင် လူနာ ၂၆ ဦးအတွက် အောက်ပါအချက်အလက်များပါရှိသည်။
- သားအိမ်ကင်ဆာရောဂါရှာဖွေတွေ့ရှိပြီးနောက် ရှင်သန်ချိန် (လများအတွင်း)
- ရှင်သန်ချိန်ကို ဆင်ဆာဖြတ်သည်ဖြစ်စေ၊
- ကုသမှုအမျိုးအစား (rx = 1 သို့မဟုတ် rx = 2)
အောက်ပါကုဒ်သည် ဤဒေတာအတွဲ၏ ပထမခြောက်တန်းကို မည်သို့ပြသရမည်ကို ပြသသည်-
library (survival) #view first six rows of dataset head(ovarian) futime fustat age resid.ds rx ecog.ps 1 59 1 72.3315 2 1 1 2 115 1 74.4932 2 1 1 3 156 1 66.4658 2 1 2 4 421 0 53.3644 2 2 1 5,431 1 50.3397 2 1 1 6 448 0 56.4301 1 1 2
အောက်ပါ ကုဒ်သည် မတူညီသော ကုသမှုများကို လက်ခံရရှိသော လူနာများကြားတွင် အသက်ရှင်ရပ်တည်မှု ကွာခြားမှုရှိမရှိ ဆုံးဖြတ်ရန် မှတ်တမ်းအဆင့်စစ်ဆေးမှုကို မည်သို့လုပ်ဆောင်ရမည်ကို ပြသသည်-
#perform log rank test
survdiff(Surv(futime, fustat) ~ rx, data=ovarian)
Call:
survdiff(formula = Surv(futime, fustat) ~ rx, data = ovarian)
N Observed Expected (OE)^2/E (OE)^2/V
rx=1 13 7 5.23 0.596 1.06
rx=2 13 5 6.77 0.461 1.06
Chisq= 1.1 on 1 degrees of freedom, p= 0.3
Chi-square စမ်းသပ်မှုကိန်းဂဏန်းသည် 1.1 လွတ်လပ်မှု 1 ဒီဂရီဖြစ်ပြီး သက်ဆိုင်ရာ p-value သည် 0.3 ဖြစ်သည်။ ဤ p-value သည် 0.05 ထက်မနည်းသောကြောင့်၊ null hypothesis ကို ငြင်းပယ်ရန် ပျက်ကွက်ပါသည်။
တစ်နည်းဆိုရသော် ကုသမှုနှစ်ခုကြားတွင် ရှင်သန်မှုတွင် ကိန်းဂဏန်းသိသိသာသာ ကွာခြားမှုရှိသည်ဟု ဆိုရန် လုံလောက်သော အထောက်အထား မရှိပါ။
အောက်ဖော်ပြပါ အထားအသိုကို အသုံးပြု၍ အုပ်စုတစ်ခုစီအတွက် ရှင်သန်မှုမျဉ်းကွေးများကိုလည်း ရေးဆွဲနိုင်သည်-
#plot survival curves for each treatment group plot(survfit(Surv(futime, fustat) ~ rx, data = ovarian), xlab = " Time ", ylab = “ Overall survival probability ”)
ရှင်သန်မှုမျဉ်းကြောင်းများသည် အနည်းငယ်ကွဲပြားသည်ကို ကျွန်ုပ်တို့တွေ့မြင်နိုင်သော်လည်း မှတ်တမ်းအဆင့်စမ်းသပ်မှုတွင် ကွာခြားချက်မှာ ကိန်းဂဏန်းအရ သိသာထင်ရှားခြင်းမရှိကြောင်း ကျွန်ုပ်တို့အား ပြောပြခဲ့သည်။