来自作者:
我们感谢作者提出了关于我们最近的论文的两个问题,提出了在1 S中表达强制呼气量的替代方式(FEV1)患者数据1。首先是关于我们从统计建模的结论可能的不利影响,用于导出我们使用的预测方程。我们的工作使用了从其他来源提供的建立方程。线性回归的先决条件是:1)从属变量,在我们的情况下是FEV1,通常是分布在独立或预测变量的分布;2)从属变量中的任何错误与独立变量无关;3)从属变量的散射是均匀的,并且独立于预测变量(IE。数据是同性恋);4)这种关系是线性的。
大多数参考方程发现,正常肺功能数据的散射不违反同性恋,即,关于预测变量的变化,散射不变。因此,为等式提供的残余标准偏差是恒定的。如果散射以可预测的方式与一个或多个预测器中的预测方式变化,则可以进行更复杂的回归,并且将引用残余标准偏差作为与预测变量有关的表达式。成年人的常用预测方程都不是这样。然而,对于孩子而言,随着他们的增长,散落似乎随着年龄的增长而增加。
FEV.1随着年龄的增长而下降,所以预测的FEV1倾向于与前进年龄接近零。这不是一个统计克里克,只是一个事实。但是,如果来自普通科目的数据侵占限制,则会呈现线性回归的问题。这是fev是真的1/ fvc,它具有固定的团结的上限,但对于fev来说不是真的1。作者报价的肺功能指数在正常对象中具有较差的肺功能,用于进行线性回归以产生预测方程,而美国胸部社会/欧洲呼吸道学会用于临床决策,并且没有与之相关的索引188bet官网地址我们的论文。
老年人恶化时的事实永远不会有一个fev1标准化的残留为低于年轻人的差错不是用于预测的回归方程背后的统计推理的错,但是是一个自然的事实,赋予疾病的受试者(非正常受试者)将接近。此事实不会使预测等式无效。这是我们为表达FEV严重程度提供替代策略的主要原因1独立于预测方程的异常。我们已经提出,为了看待疾病的严重程度,更好地考虑受试者高于一些较低的边界,而不是他们从建议的预测值下降的距离。
提出的第二个问题是关于用于排名模型的方法。每个Cox回归模型对其他COX回归模型(似然比测试)和呈现的每个模型比其他模型明显更好或更差,如其Chi平方结果所示。在审查过程中,审阅者要求我们产生一个接收者的经营特征(ROC)情节,这些情节不是在纸张的原始提交中,因为我们认为特别有所帮助。ROC分析的结果不用于区分模型。虽然FEV.1是一般人群中全因和呼吸死亡率的最佳预测因子,以及肺病患者,我们同意这不是一个强大或强大的预测因素。但是,如果fev1正在研究或临床环境中使用各种方式FEV1结果可以表达。我们的论文提高了对FEV的替代操作的认识1这会影响变量与生存有多大关系。死亡率是一个明确的终点,患者和临床医生都很欣赏很重要。在研究设置中,它是一个好主意,可以增强来自数据的任何可能的信号,而不建议通过无意中添加噪声来减少任何可能的信号。我们的论文旨在鼓励临床医生和研究人员,以考虑提高FEV内固有的信号的方法1。我们提出了更好的方法来使用fev1数据对患者和研究的最佳优势以及这也可能有助于研究界决定如何最好地定义,阶段和治疗慢性阻塞性肺病。
脚注
兴趣表
没有宣布。
- ©2010 ers.