survival-analysis - 如何找到生存分析的最佳分类？

Question

我有一个关于生存分析的问题。但是，我有以下数据（只是摘录）：

现在我正在尝试使用 Python 生命线包进行生存分析。例如，我想了解 T 细胞是否会影响总体存活率 (OS)。但据我所知，我需要将 T 细胞的数量分类为不同类别，例如高 T 细胞和低 T 细胞……对吗？但是我如何找到最合适的 Cut-Out？我的计划是证明，具有高 T 细胞的肿瘤比低 T 细胞具有更好的存活率。但是我怎么能从我这里的数据中找到区分高 T 细胞和低 T 细胞的最佳截止值。

有人有想法吗？我的一个朋友谈到了“ROC”-Analysis，但我现在真的很困惑......我会很高兴有任何帮助！

Answer 1

连续变量到分类变量的转换远非显而易见。第一种方法可以基于现有文献，尤其是在医学/生物学方面。对现有文献的回顾可能足以创建这些类。另一种方法可以基于 T 细胞变量的经验分布，有时会突出“明显”的分类。使用 ROC 曲线可能是个好主意，但不知何故我认为没有必要。有必要在 Kaplan-Meier 类型生存分析中对变量进行分类，但如果您使用Cox 模型没有必要对这个变量进行分类。因此，我建议您使用 Cox 回归进行生存分析。Cox 回归将允许您在建模中添加多个预测变量以及交互项，这更方便。