lokalizacja Menu: Analysis_Survival_Cox regresja.
Ta funkcja pasuje do proporcjonalnego modelu zagrożeń Coxa dla wyników w czasie przeżycia (time-to-event) dla jednego lub więcej predyktorów.
regresja Coxa (lub regresja zagrożeń proporcjonalnych) jest metodą badania wpływu kilku zmiennych na czas, jaki ma wydarzyć się określone zdarzenie. W kontekście takiego wyniku jak śmierć jest to znane jako regresja Coxa dla analizy przeżycia., Metoda nie zakłada żadnego konkretnego „modelu przeżycia”, ale nie jest naprawdę nieparametryczna, ponieważ zakłada, że wpływ zmiennych predykcyjnych na przeżycie jest stały w czasie i są addytywne w jednej skali. Nie należy stosować regresji Coxa bez wskazówek Statystyka.
pod warunkiem spełnienia założeń regresji Coxa, funkcja ta zapewni lepsze oszacowania prawdopodobieństwa przeżycia i zagrożenia kumulacyjnego niż te, które zapewnia funkcja Kaplana-Meiera.,
ryzyko i współczynniki ryzyka
ryzyko kumulacyjne w czasie t to ryzyko zgonu pomiędzy czasem 0 a czasem t, a funkcja przeżycia w czasie t to prawdopodobieństwo przeżycia do czasu t (patrz również szacunki Kaplana-Meiera).
współczynniki w regresji Coxa odnoszą się do zagrożenia; współczynnik dodatni oznacza gorsze rokowanie, a współczynnik ujemny oznacza efekt ochronny zmiennej, z którą jest związana.,
współczynnik zagrożeń związany ze zmienną predykcyjną jest podawany przez wykładnik jej współczynnika; jest on podawany z przedziałem ufności w opcji „Szczegóły współczynnika” w StatsDirect. Współczynnik ryzyka może być również uważany za względny wskaźnik śmierci, zobacz Armitage and Berry (1994). Interpretacja wskaźnika zagrożeń zależy od skali pomiaru danej zmiennej predykcyjnej, patrz Sahai and Kurshid (1996), aby uzyskać więcej informacji na temat względnego ryzyka zagrożeń.,
współzmienniki zależne od czasu i stałe
w badaniach prospektywnych, gdy jednostki są obserwowane w czasie, wartości współzmienników mogą zmieniać się z czasem. Kowarianty można więc podzielić na stałe i zależne od czasu. Współzmienność jest zależna od czasu, jeśli różnica między jej wartościami dla dwóch różnych podmiotów zmienia się z czasem; np. cholesterolu w surowicy. Kowariantność jest stała, jeśli jej wartości nie mogą zmieniać się w czasie, np. płeć lub rasa. Czynniki stylu życia i pomiary fizjologiczne, takie jak ciśnienie krwi, są zwykle zależne od czasu., Skumulowane ekspozycje, takie jak palenie tytoniu, są również zależne od czasu, ale często są zmuszane do nieprecyzyjnej dychotomii, tj. „narażone” vs ” Nie narażone „zamiast bardziej znaczącego”czasu ekspozycji”. Nie ma twardych i szybkich zasad dotyczących obsługi kowariant zależnych od czasu. Jeśli rozważasz zastosowanie regresji Coxa, powinieneś zwrócić się o pomoc do Statystyka, najlepiej na etapie projektowania dochodzenia.
analiza modelu i odchylenia
test ogólnej istotności statystycznej modelu podano w opcji „Analiza modelu”., Tutaj prawdopodobieństwo chi-kwadrat statystyka jest obliczana przez porównanie dewiacji (- 2 * prawdopodobieństwo log) modelu, ze wszystkimi kowariantami, które zostały określone, z modelem z wszystkich kowariantach spadła. Indywidualny udział kowariantnych w modelu można ocenić na podstawie badania istotności podanego dla każdego współczynnika w głównym wyjściu; zakłada to dość duży rozmiar próbki.
dewiacja jest minus dwa razy większa od współczynnika prawdopodobieństwa dla modeli wyposażonych w maksymalne prawdopodobieństwo (Hosmer and Lemeshow, 1989 i 1999; Cox and Snell, 1989; Pregibon, 1981)., Wartość dodawania parametru do modelu Coxa jest testowana przez odjęcie odchylenia modelu z nowym parametrem od odchylenia modelu bez nowego parametru, różnica jest następnie testowana względem rozkładu chi-kwadratowego o stopniach swobody równej różnicy między stopniami swobody starych i nowych modeli. Opcja analizy modelu testuje określony model względem modelu z tylko jednym parametrem, przechwyceniem; testuje łączną wartość określonych predyktorów / kowariantnych w modelu.,
Niektóre pakiety statystyczne oferują stopniową regresję Coxa, która wykonuje testy systematyczne dla różnych kombinacji predyktorów / kowariantnych. Automatyczne procedury budowania modeli, takie jak te, mogą być mylące, ponieważ nie uwzględniają rzeczywistego znaczenia każdego z predyktorów, z tego powodu StatsDirect nie obejmuje wyboru stopniowego.
przeżywalność i skumulowane współczynniki zagrożenia
funkcja przeżycia / przetrwania i skumulowana funkcja zagrożenia (jak opisano w Kaplan-Meier) są obliczane w stosunku do wartości wyjściowej (najniższej wartości współzmiennych) w każdym punkcie czasowym., Regresja Coxa zapewnia lepsze oszacowanie tych funkcji niż metoda Kaplana-Meiera, gdy spełnione są założenia modelu Coxa i dopasowanie modelu jest silne.
otrzymujesz opcję 'centrowania kowariantnych ciągłych' – to sprawia, że funkcje przeżycia i zagrożenia są względne do średniej zmiennych ciągłych, a nie do minimum, co jest zwykle najbardziej znaczącym porównaniem.
Jeśli masz w swoim modelu predykatory binarne/dychotomiczne, masz możliwość obliczenia zagrożenia przetrwania i kumulacyjnego dla każdej zmiennej osobno.,
przygotowanie danych
- czas do zdarzenia, np. Czas, w którym podmiot w procesie przeżył.
- kod zdarzenia / cenzury – musi być ≥1(Zdarzenie / zdarzenia) lub 0 (żadne zdarzenie na końcu badania, tzn. „prawo ocenzurowane”).
- warstwy-np. kod centralny dla wieloośrodkowej wersji próbnej. Bądź ostrożny przy wyborze warstw; zasięgnij porady Statystyka.
- Predykatory – są one również określane jako kowarianty, które mogą być liczbą zmiennych, które są uważane za związane z badanym zdarzeniem. Jeśli predyktorem jest zmienna klasyfikująca o więcej niż dwóch klasach (tj., porządkowy lub nominalny) następnie musisz najpierw użyć funkcji zmiennej obojętnej, aby przekonwertować ją na serię klas binarnych.
Walidacja techniczna
StatsDirect optymalizuje prawdopodobieństwo logowania związane z modelem regresji Coxa, dopóki zmiana prawdopodobieństwa logowania z iteracjami nie będzie mniejsza niż dokładność określona w oknie dialogowym, które jest wyświetlane tuż przed obliczeniem (Lawless, 1982; Kalbfleisch and Prentice, 1980; Harris, 1991; Cox and Oakes, 1984; Le, 1997; Hosmer and Lemeshow, 1999).,
okno dialogowe Opcje obliczania ustawia wartość (domyślnie jest to 10000) dla „współczynnika podziału”; jest to stosunek w stałej proporcjonalności w czasie t, powyżej którego StatsDirect podzieli Twoje dane na więcej warstw i obliczy rozszerzone rozwiązanie prawdopodobieństwa, Zobacz Bryson and Johnson, (1981).
krawaty są obsługiwane przez przybliżenie Breslowa (Breslow, 1974).
pozostałości Coxa-Snella są obliczane zgodnie z zaleceniami Coxa i Oakesa (1984). Cox-Snell, Martingale i deviance residuals są obliczane zgodnie z zaleceniami Colletta (1994).,
Stosuje się metody maksymalnego prawdopodobieństwa, które są iteracyjne, gdy w obserwowanym czasie występuje więcej niż jedna śmierć/Zdarzenie (Kalbfleisch and Prentice, 1973). Inne oprogramowanie może wykorzystywać mniej precyzyjne szacunki Breslowa dla tych funkcji.
przykład
z Armitage and Berry (1994, s. 479).
skoroszyt testowy (arkusz Survivalowy: Grupa sceniczna, czas, Cenzura).
poniższe dane przedstawiają przeżycie w dniach od włączenia do badania pacjentów z rozproszonym chłoniakiem histiocytarnym., Porównuje się dwie różne grupy pacjentów, chorych w stadium III i chorych w stadium IV.,2ee13″>0
Alternatively, open the test workbook using the file open function of the file menu., Następnie wybierz regresję Coxa z sekcji Analiza przeżycia w menu Analiza. Wybierz kolumnę oznaczoną „czas”, gdy zapytano o czasy, wybierz „Cenzor”, gdy zapytano o śmierć / cenzurę, kliknij przycisk Anuluj, gdy zapytano o warstwy i pytano o predyktory, a następnie wybierz kolumnę oznaczoną „Grupa etapowa”.
dla tego przykładu:
regresja Cox (zagrożenia proporcjonalne)
80 pacjentów z 54 zdarzeniami
dewiacja (współczynnik prawdopodobieństwa) chi-kwadrat = 7,634383 df = 1 p = 0,0057
Grupa etapowa 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 |
regresja Coxa – analiza Modelu
prawdopodobieństwo logowania bez kowariantnych = -207.554801
prawdopodobieństwo logowania ze wszystkimi kowariantnymi modelami = -203.737609
dewiacja (współczynnik prawdopodobieństwa) chi-kwadrat = 7.634383 df = 1 p = 0.0057
test istotności dla współczynnika B1 testuje hipotezę zerową, że jest równa zero, a tym samym, że jego wykładnik jest równy jeden., Przedział ufności dla exp (b1) jest więc przedziałem ufności dla względnej śmiertelności lub współczynnika ryzyka; możemy zatem wywnioskować z 95% pewnością, że śmiertelność z nowotworów w stadium 4 jest około 3 razy, a co najmniej 1,2 razy większe niż ryzyko z nowotworów w stadium 3.
Dodaj komentarz