Red de conocimientos sobre prescripción popular - Conocimiento de perdida de peso - Cómo asignar valores a cuatro opciones y dos categorías

Cómo asignar valores a cuatro opciones y dos categorías

Los investigadores planearon observar el efecto antitumoral de un nuevo fármaco y dividieron aleatoriamente a 70 pacientes con cáncer de pulmón en dos grupos. Se observaron los tiempos de supervivencia de dos grupos de pacientes con cáncer de pulmón utilizando medicamentos nuevos y medicamentos convencionales, respectivamente. El estudio de seguimiento terminó con la muerte y ambos tratamientos fueron los principales factores del estudio.

Al mismo tiempo, teniendo en cuenta el impacto del ajuste de edad y género, en la tabla se muestra si existe una diferencia en el impacto de los dos tratamientos en la supervivencia de los pacientes con cáncer de pulmón y algunos datos originales. 1 y Tabla 2. El estudio utilizó la muerte como criterio de valoración y el método de tratamiento como factor principal de investigación. Cada sujeto tuvo el tiempo desde el inicio del seguimiento hasta la muerte, las pérdidas durante el seguimiento o el final del seguimiento, y los efectos del ajuste. También se consideraron la edad y el sexo.

Introducción:

Para saber si existe una diferencia en la supervivencia entre estos dos tratamientos para pacientes con cáncer de pulmón, podemos utilizar un modelo de riesgos proporcionales, también conocido como regresión. De hecho, el resultado de la regresión no es necesariamente la muerte, sino que también puede ser una enfermedad, otro embarazo, etc. La misma característica consiste en examinar no sólo si se produjo el resultado, sino también cuándo se produjo.

Antes del análisis de regresión, si no hay muchas muestras pero sí muchas variables, se recomienda dibujar una curva de supervivencia, utilizar el método KM de análisis univariado para examinar la relación entre todas las variables independientes y dependientes, y descartar algunas que pueden no ser variables significativas y luego realizar un análisis multivariado para garantizar que los resultados sean más confiables.