对固定概率应用变化的风险
您可能希望为马尔可夫模型中的某个事件概率加入风险变化的灵活性。TreeAge Pro 提供了一项实用功能,可基于威布尔分布把固定概率转换为非固定概率。这种额外的事件风险灵活性有助于通过马尔可夫校准使模型结果更好地匹配临床数据。
威布尔分布有两个参数——尺度(scale)与形状(shape)。尺度参数类似速率,用于描述风险水平:尺度越大表示风险越高。形状参数决定风险随时间如何变化。
尺度(Scale):增大尺度即提高风险
形状(Shape):决定风险随时间如何变化。
shape = 1:风险随时间固定(等同于指数分布)
shape > 1,风险随时间递增
shape < 1,风险随时间递减
TreeAge Pro 提供了一项函数,可把表示固定概率的变量转换为由威布尔分布计算得到的变量。该过程执行以下操作:
创建一个新的威布尔分布。
尺度根据原始固定概率与周期长度计算得出。
形状设为 1。
重新定义原变量,使用 DistTransProb 函数从新的威布尔分布计算概率。
完成转换后,模型结果将保持不变,因为由形状为 1 的新分布计算出的概率在每个周期都会返回相同的固定概率。不过,您可以修改分布的尺度与形状参数,使基于分布的概率随时间变化。这在校准马尔可夫模型时很有帮助。
我们将在医疗保健示例模型(Healthcare Example Model) MarkovCalibration_1a_Fixed_PreCal.trex 上运行该过程。
打开上面引用的示例模型。
从菜单中选择“树(Tree)” > “将固定概率转换为变化风险(Convert Fixed Probability to Varying Risk)”。
在如下所示的对话框中,选择固定概率变量 p_Cet1_prog。
根据模型的周期长度,选择周期长度 Annual(每年)。
单击“确定(OK)”。

模型中新添加了一个威布尔分布,其名称与原变量相同,并在末尾加上“_dist”。该分布引用了两个新变量,分别用于新分布的速率与形状,我们接下来将查看它们。

用于速率与形状的新变量如下所示(位于变量视图(Variables view)中)。

原变量 p_Cet1_Prog 现在通过 DistTransProb 函数由新分布计算得出。由于速率是根据原始概率计算得到的、且形状为 1,计算出的数值没有改变。不过,现在可以通过分布的形状参数更灵活地调整风险。
医疗保健示例模型(Healthcare Example Model) MarkovCalibration_4a_Dist_PreCal.trex 对全部马尔可夫概率使用威布尔分布。在本章前面的小节中您可以看到,借助威布尔分布改变风险的额外灵活性,校准能够更好地匹配潜在的生存曲线。