Umístění Menu: Analysis_Survival_Cox regrese.
Tato funkce se hodí coxův model proporcionálních rizik pro přežití-čas (time-to-event) výsledky na jeden nebo více prediktorů.
Cox regrese (nebo úměrné nebezpečí regrese) je metoda pro zkoumání vlivu několika proměnných na dobu určitou akci bere stát. V souvislosti s výsledkem, jako je smrt, je to známé jako Cox regrese pro analýzu přežití., Metoda nepředpokládá žádný konkrétní „model přežití“, ale není skutečně neparametrická, protože předpokládá, že účinky prediktorových proměnných na přežití jsou v průběhu času konstantní a jsou aditivní v jedné stupnici. Neměli byste používat Cox regresi bez vedení statistiků.
za Předpokladu, že předpoklady Cox regrese jsou splněny, tato funkce bude poskytovat lepší odhady přežití pravděpodobnosti a kumulativní nebezpečnosti, než těch, které jsou poskytovány podle Kaplan-Meierova funkce.,
Nebezpečnosti a nebezpečnosti-poměry
Kumulativní riziko v čase t je riziko úmrtí mezi časem 0 a čase t, a přežil funkce v čase t je pravděpodobnost přežití do času t (viz také Kaplan-Meier).
koeficientů v Cox regrese se týkají nebezpečí; pozitivní koeficient znamená horší prognózu a záporný koeficient naznačuje ochranný vliv proměnné, s níž je spojena.,
poměr rizik spojený s prediktorovou proměnnou je dán exponentem jeho koeficientu; toto je dáno s intervalem spolehlivosti pod volbou „podrobnosti koeficientu“ ve StatsDirect. Poměr rizik lze také považovat za relativní úmrtnost, viz Armitage a Berry (1994). Výklad nebezpečí poměr závisí na rozsahu měření prediktor proměnnou v otázce, viz Sahai a Kurshid (1996) pro další informace o relativní riziko nebezpečí.,
časově závislé a pevné kovariáty
v prospektivních studiích, kdy jsou jednotlivci sledováni v průběhu času, se hodnoty kovariátů mohou časem měnit. Kovariáty lze tedy rozdělit na pevné a časově závislé. Kovariát je časově závislý,pokud se rozdíl mezi jeho hodnotami u dvou různých subjektů mění s časem; např. Kovariát je pevný, pokud se jeho hodnoty nemohou měnit s časem, např. sex nebo rasa. Faktory životního stylu a fyziologická měření, jako je krevní tlak, jsou obvykle závislé na čase., Kumulativní expozice, jako je kouření, jsou také časově závislé, ale často jsou nuceny k nepřesné dichotomii, tj. Neexistují žádná tvrdá a rychlá pravidla týkající se zacházení s kovariáty závislými na čase. Pokud uvažujete o použití Cox regrese, měli byste vyhledat pomoc Statistika, nejlépe ve fázi návrhu vyšetřování.
Model analýzy a deviace
test celkové statistické významnosti modelu je uveden pod „model analýzy“ možnost., Zde pravděpodobnost, statistiku chi-square, je vypočítána porovnáním deviace (- 2 * log pravděpodobnost) modelu s kovariancí máte uvedeno, proti modelu s kovariancí klesl. Individuální příspěvek z proměnné do modelu lze posoudit z testu významnosti daných s každým koeficient v hlavním výstupu; to předpokládá poměrně velké velikosti vzorku.
odchylka je minus dvojnásobek logu poměru pravděpodobnosti u modelů vybavených maximální pravděpodobností (Hosmer and Lemeshow, 1989 and 1999; Cox and Snell, 1989; Pregibon, 1981)., Hodnota přidání parametrů do Coxova modelu je testována odečtením deviance modelu s novým parametrem z deviance modelu, aniž by nový parametr, rozdíl je pak testován proti chi-kvadrát s stupňů volnosti, který se rovná rozdílu mezi stupně volnosti staré a nové modely. Model analýzy možnost testy modelu zadáte proti modelu s pouze jeden parametr intercept; tento zkoušek společné hodnoty uvedené ukazatele/proměnné v modelu.,
Některé statistické balíčky nabízejí postupně Cox regrese, která provádí systematické testy pro různé kombinace prediktorů/proměnné. Automatické postupy vytváření modelů, jako jsou tyto, mohou být zavádějící, protože nepovažují skutečný význam každého prediktoru, z tohoto důvodu StatsDirect nezahrnuje postupný výběr.
Přežití a kumulativní riziko sazby,
přežití/přežití funkce a kumulativní riziko funkci (jak je uvedeno pod Kaplan-Meier) jsou vypočteny vzhledem k základní (nejnižší hodnota proměnné) v každém bodě., Cox regrese poskytuje lepší odhad těchto funkcí než metoda Kaplan-Meier, když jsou splněny předpoklady modelu Cox a fit modelu je silný.
Budete mít možnost na střed kontinuální proměnné‘ – to je přežití a rizikové funkce, vztaženo ke střední hodnotě spojité proměnné spíše než relativní minimální, což je obvykle nejvíce smysluplné srovnání.
Pokud máte binární/dichotomické prediktorů v modelu máte možnost pro výpočet přežití a kumulativního rizika pro každou proměnnou zvlášť.,
příprava dat
- čas od události, např. čas, který subjekt ve zkoušce přežil.
- kód události / cenzury – musí to být ≥1 (událost(události) se stala) nebo 0 (žádná událost na konci studie, tj.
- vrstvy-např. středový kód pro multicentrickou studii. Buďte opatrní při výběru vrstev; vyhledejte radu Statistika.
- prediktory – tyto jsou také označovány jako kovariáty, což může být řada proměnných, o kterých se předpokládá, že souvisejí se studovanou událostí. Je-li prediktor klasifikační proměnnou s více než dvěma třídami (tj., ordinální nebo nominální) pak musíte nejprve použít funkci fiktivní proměnné, abyste ji převedli na řadu binárních tříd.
Technické validace
StatsDirect optimalizuje log pravděpodobnost spojena s Cox regresní model až do změny v protokolu pravděpodobnost, s iterací je menší než přesnost, které zadáte v dialogovém okně, které se zobrazí těsně předtím, než výpočet probíhá (Lawless, 1982; Kalbfleisch a Prentice, 1980; Harris, 1991; Cox a Oakes, 1984; Le, 1997; Hosmer a Lemeshow, 1999).,
výpočet dialogové okno možnosti nastaví hodnotu (výchozí hodnota je 10000) pro „ROZDĚLENÍ POMĚRU“; je to poměr proporcionality konstantní v čase t, nad kterou StatsDirect bude rozdělení dat do více vrstev a výpočet rozšířené pravděpodobnost, že řešení, viz Bryson a Johnson (1981).
vazby jsou řešeny breslowovou aproximací (Breslow, 1974).
Cox-Snell residuals jsou vypočteny podle COX a Oakes (1984). Cox-Snell, Martingale a deviace reziduí jsou vypočteny podle specifikovaných Collett (1994).,
základní přežití a kumulativní míra nebezpečnosti se vypočítávají pokaždé. Používají se metody s maximální pravděpodobností, které jsou iterativní, pokud je v pozorovaném čase více než jedna smrt / událost (Kalbfleisch a Prentice, 1973). Jiný software může používat méně přesné odhady Breslow pro tyto funkce.
příklad
od Armitage and Berry (1994, s. 479).
zkušební sešit (pracovní list pro přežití: skupina fází, čas, cenzor).
následující údaje představují přežití ve dnech od vstupu do studie u pacientů s difúzní histiocytární lymfom., Dvě různé skupiny pacientů, těch se ve stádiu III a ty s stádiu choroby IV, jsou ve srovnání.,2ee13″>0
Alternatively, open the test workbook using the file open function of the file menu., Poté vyberte Cox regresi z části analýzy přežití v nabídce analýza. Vyberte sloupec, označený jako „Čas“, když se zeptal na časy, vyberte možnost „Cenzurovat“, když žádal o smrt/ cenzura, klikněte na tlačítko zrušit, když požádal o vrstvách a když se zeptal, o prediktorů a vyberte sloupec, označený jako „Fáze skupina“.
příklad:
Cox (proporcionálních rizik) regrese
80 subjektů s 54 událostí,
Deviance (míra pravděpodobnosti) chi-square = 7.634383 df = 1 P = 0.0057
Stage skupiny b1 = 0.96102 z = 2.492043 P = 0.,0127
Cox regression – hazard ratios
| Parameter | Hazard ratio | 95% CI |
| Stage group | 2.614362 | 1.227756 to 5.566976 |
| Parameter | Coefficient | Standard Error |
| Stage group | 0.96102 | 0.,385636 |
Cox regrese – model analýzy
Přihlaste se pravděpodobnost, že se žádné proměnné = -207.554801
Přihlaste se pravděpodobnost, že se všechny proměnné modelu = -203.737609
Deviance (míra pravděpodobnosti) chi-square = 7.634383 df = 1 P = 0.0057
testu významnosti pro koeficient b1 testuje nulovou hypotézu, že se rovná nule, a proto, že jeho exponent se rovná jedné., Interval spolehlivosti pro exp(b1) je tedy interval spolehlivosti pro relativní úmrtnost nebo hazard ratio; můžeme tedy odvodit, že s 95% jistotou, že úmrtnost od fáze 4 rakoviny je přibližně 3 krát, a nejméně 1,2 krát, riziko z fáze 3 rakoviny.
Napsat komentář