localização do Menu: Regressão Analysis_Survival_Cox.esta função encaixa-se no modelo de riscos proporcionais de Cox para os resultados do tempo de sobrevivência (tempo-A-evento) num ou mais predicadores.
Cox regressão (ou regressão proporcional de perigos) é o método para investigar o efeito de várias variáveis no tempo em que um evento especificado leva a acontecer. No contexto de um resultado como a morte este é conhecido como regressão Cox para análise de sobrevivência., O método não assume nenhum “modelo de sobrevivência” particular, mas não é verdadeiramente não parametrico, porque ele assume que os efeitos das variáveis predictor sobre a sobrevivência são constantes ao longo do tempo e são aditivos em uma escala. Não deve usar a regressão de Cox sem a orientação de um estatístico.
desde que os pressupostos da regressão de Cox sejam cumpridos, esta função irá fornecer melhores estimativas das probabilidades de Sobrevivência e do perigo cumulativo do que as fornecidas pela função Kaplan-Meier.,
risco e razões de perigo
risco cumulativo num momento t é o risco de morte entre o tempo 0 e o tempo t, e a função de sobrevivência no tempo t é a probabilidade de sobrevivência até ao tempo t (ver também estimativas de Kaplan-Meier).
os coeficientes numa regressão de Cox relacionam-se com o perigo; um coeficiente positivo indica um prognóstico pior e um coeficiente negativo indica um efeito protector da variável a que está associado.,
a razão de perigo associada a uma variável de predictor é dada pelo expoente do seu coeficiente; isto é dado com um intervalo de confiança sob a opção “detalhes do coeficiente” no StatsDirect. O rácio de riscos também pode ser considerado como a taxa de mortalidade relativa, ver Armitage e Berry (1994). A interpretação do rácio de riscos depende da escala de medição da variável predictor em questão, ver Sahai e Kurshid (1996) para mais informações sobre o risco relativo de riscos.,em estudos prospectivos, quando os indivíduos são seguidos ao longo do tempo, os valores de covariados podem mudar com o tempo. As covariações podem, portanto, ser divididas em fixas e dependentes do tempo. A covariação é dependente do tempo se a diferença entre os seus valores para dois indivíduos diferentes se alterar com o tempo; por exemplo, colesterol sérico. Um covariato é fixo se seus valores não podem mudar com o tempo, por exemplo, sexo ou raça. Os factores de estilo de vida e as medidas fisiológicas, tais como a pressão arterial, são normalmente dependentes do tempo., Exposições cumulativas como fumar também são dependentes do tempo, mas muitas vezes são forçados a uma dicotomia imprecisa, ou seja, “exposto” vs. “não exposto” em vez do “tempo de exposição”mais significativo. Não há regras duras e rápidas sobre o tratamento de covariados dependentes do tempo. Se você está considerando usar a regressão Cox você deve procurar a ajuda de um estatístico, de preferência na fase de projeto da investigação.
análise do Modelo e desvio
um teste da significância estatística global do modelo é dado sob a opção “análise do modelo”., Aqui a probabilidade da Estatística do Qui-quadrado é calculada comparando o desvio (- 2 * probabilidade de log) do seu modelo, com todas as covariadas que você especificou, com o modelo com todas as covariadas deixadas cair. A contribuição individual das covariadas para o modelo pode ser avaliada a partir do teste de significância dado com cada coeficiente na saída principal, o que pressupõe uma dimensão razoavelmente grande da amostra.
Deviance is minus twice the log of the likelihood ratio for models fitted by maximum probability (Hosmer and Lemeshow, 1989 and 1999; Cox and Snell, 1989; Pregibon, 1981)., O valor da adição de um parâmetro para uma Cox modelo é testado subtraindo-se a deviance do modelo com o novo parâmetro de deviance do modelo sem o novo parâmetro, a diferença é então testado em relação a uma distribuição qui-quadrado com graus de liberdade igual à diferença entre os graus de liberdade dos modelos novos e antigos. A opção de análise do modelo testa o modelo que você indica em relação a um modelo com apenas um parâmetro, a interceptação; isto testa o valor combinado dos predictores/covariados especificados no modelo.,alguns pacotes estatísticos oferecem regressão passo-a-passo Cox que realiza testes sistemáticos para diferentes combinações de Predicadores/covariados. Procedimentos de construção de modelos automáticos como estes podem ser enganadores, pois eles não consideram a importância do mundo real de cada predictor, por esta razão StatsDirect não inclui seleção passo a passo.
Sobrevivência e taxas de risco cumulativas
a função de sobrevivência / sobrevivência e a função de risco cumulativo (tal como discutido na Kaplan-Meier) são calculadas em relação à linha de base (valor mais baixo das covariadas) em cada ponto Temporal., Cox regression fornece uma melhor estimativa destas funções do que o método Kaplan-Meier quando os pressupostos do modelo Cox são cumpridos e o ajuste do modelo é forte.
é-lhe dada a opção de ‘covariações contínuas centrais’ – isto torna as funções de Sobrevivência e de perigo relativas à média das variáveis contínuas em vez de relativas ao mínimo, que é normalmente a comparação mais significativa.
Se tiver predictores binários / dicotómicos no seu modelo, é-lhe dada a opção de calcular a sobrevivência e os perigos cumulativos para cada variável separadamente.,preparação dos dados
- tempo até à ocorrência, por exemplo, Tempo em que um indivíduo num ensaio sobreviveu.
- Event / censor code – this must be ≥1 (event (s) happened) or 0 (no event at the end of the study, i.e. “right censored”).estratos-por exemplo, código de centro para um ensaio multicêntrico. Tenha cuidado com a sua escolha de estratos; procure o conselho de um estatístico.
- Predictores – estes também são referidos como covariados, que pode ser um número de variáveis que se pensa estarem relacionadas com o evento em estudo. Se um predictor é uma variável classificadora com mais de duas classes (i.e., ordinal ou nominal) então você deve primeiro usar a função variável fictícia para convertê-la para uma série de classes Binárias.
validação Técnica
StatsDirect optimiza o registo de probabilidade associada a um modelo de regressão de Cox até que a alteração no registo de probabilidade com iterações é menor do que a precisão que você especificar na caixa de diálogo que é exibida antes que o cálculo tem lugar (Lawless, 1982; Kalbfleisch e Prentice, 1980; Harris, 1991; Cox e Oakes, 1984; Le, 1997; Hosmer e Lemeshow, 1999).,
a janela de opções de cálculo define um valor (por omissão é 10000) para a “razão de repartição”; esta é a razão em constante de proporcionalidade num tempo t acima do qual o StatsDirect irá dividir os seus dados em mais estratos e calcular uma solução de probabilidade estendida, veja Bryson e Johnson, (1981).as ligações são tratadas pela aproximação de Breslow (Breslow, 1974).os resíduos de Cox-Snell são calculados de acordo com as especificações de Cox e Oakes (1984). Os resíduos de Cox-Snell, Martingale e de desvios são calculados de acordo com as especificações de Collett (1994).,a sobrevivência inicial e as taxas de perigo cumulativas são calculadas em cada momento. Métodos de máxima probabilidade são usados, que são iterativos quando há mais de uma morte / evento em um tempo observado (Kalbfleisch e Prentice, 1973). Outro software pode usar as estimativas menos precisas de Breslow para estas funções.exemplo de Armitage e Berry (1994, p. 479).
Test workbook (Survival worksheet: Stage Group, Time, Censor).
os dados seguintes representam a sobrevivência nos dias desde o início do ensaio de doentes com linfoma histiocítico difuso., Dois grupos diferentes de pacientes, aqueles com Fase III e aqueles com Fase IV da doença, são comparados.,2ee13″>0
Alternatively, open the test workbook using the file open function of the file menu., Em seguida, selecione a regressão Cox da seção de análise de sobrevivência do menu de análise. Selecione a coluna “tempo” quando for pedida a hora, selecione “Censor” quando for pedida a morte/ censura, clique no botão Cancelar quando for perguntado sobre estratos e quando for perguntado sobre predictores e selecione a coluna “Grupo de estágio”.
Por exemplo:
Cox (riscos proporcionais) regressão
os 80 indivíduos com 54 eventos
Deviance (risco relativo (likelihood ratio) chi-square = 7.634383 df = 1 P = 0.0057
Fase de grupo 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 regressão – modelo de análise
Log de verossimilhança sem covariáveis = -207.554801
Log de probabilidade com todos os modelo de covariáveis = -203.737609
Deviance (risco relativo (likelihood ratio) chi-square = 7.634383 df = 1 P = 0.0057
O teste de significância para o coeficiente b1 testa a hipótese nula de que ele é igual a zero e, portanto, que o seu expoente é igual a um., O intervalo de confiança para exp(b1) é, portanto, o intervalo de confiança para a taxa de mortalidade relativa ou taxa de risco; podemos, portanto, inferir com 95% de confiança que a taxa de mortalidade do cancro da Fase 4 é aproximadamente 3 vezes, e pelo menos 1, 2 vezes, o risco do cancro da fase 3.
Deixe uma resposta