[Seminar] SINH HOẠT KHOA HỌC: “SỬ DỤNG PHẦN MỀM STATA TRONG PHÂN TÍCH SỐNG SÓT”

Vào 14h30 chiều thứ Sáu ngày 29 tháng 11 năm 2024, Khoa Khoa học Cơ sở tổ chức sinh hoạt khoa học với chủ đề: “Sử dụng phần mềm Stata trong phân tích sống sót”

Người trình bày: TS. Đoàn Trọng Tuyến, GV Khoa Khoa học Cơ sở, ĐHKTQD.

Thành phần tham dự: Toàn thể GV Khoa Khoa học Cơ sở và các giảng viên quan tâm

Người trình bày đã trình bày các nội dung:

• Chuẩn bị dữ liệu cho phân tích sống sót
• Ước lượng phi tham số: Hàm Kaplan-Meier
• Mô hình Cox PH
• Ước lượng hàm nguy cơ cơ sở
• Ước lượng hàm sống sót cơ sở

Một số ý kiến trao đổi:

• Stata là một phần mềm mạnh mẽ trong phân tích dữ liệu và có rất nhiều công cụ hỗ trợ cho phân tích sống sót, bao gồm các mô hình hồi quy Cox, Kaplan-Meier và các công cụ kiểm tra sự khác biệt trong phân phối sống sót.
• Một bộ dữ liệu được chuẩn bị đúng cách phân tích sống sót thông thường bao gồm ít nhất hai biến quan trọng: Thời gian sống (thời gian tính từ điểm bắt đầu cho đến khi sự kiện xảy ra), Biến sự kiện (biến nhị phân (0 hoặc 1), trong đó 1 biểu thị sự kiện đã xảy ra, còn 0 biểu thị không có sự kiện xảy ra). khi sử dụng Stata cho phân tích sống sót, cần đảm bảo rằng dữ liệu đã được làm sạch, cần kiểm tra các giá trị thiếu và xử lý chúng một cách hợp lý. Hơn nữa, cũng cần kiểm tra các giả định của mô hình (như giả định tỷ lệ nguy cơ trong mô hình Cox) để đảm bảo rằng kết quả phân tích là đáng tin cậy.
• Đánh giá ước lượng Kaplan-Meier là một trong những phương pháp phổ biến nhất trong phân tích sống sót, đây là phương pháp phi tham số dùng để ước lượng hàm phân phối xác suất sống sót.
• Mô hình hồi quy Cox là một phương pháp phổ biến để nghiên cứu mối quan hệ giữa các yếu tố giải thích và thời gian sống sót. Mô hình này không yêu cầu giả định về phân phối của thời gian sống, và cho phép điều chỉnh nhiều yếu tố đồng thời. Một giả định quan trọng trong mô hình hồi quy Cox là giả định tỷ lệ nguy cơ (proportional hazards assumption): tỷ lệ nguy cơ giữa các nhóm phải là không thay đổi theo thời gian. Nếu giả định bị vi phạm, có thể cần phải sử dụng các phương pháp khác, như mô hình hồi quy Cox với tương tác giữa thời gian và các biến độc lập. Stata cung cấp các phương pháp để xử lý các biến này thông qua việc sử dụng các “biến tương tác theo thời gian” trong mô hình Cox.
• Sau khi xây dựng mô hình, cần đánh giá chất lượng mô hình và kiểm tra sự phù hợp. Các công cụ như AIC, BIC (tiêu chí thông tin Akaike và Bayes) có thể được sử dụng để so sánh các mô hình khác nhau.

Một số hình ảnh