最直观的理解Cox模型-生存分析Survival Analysis-Chapter 3-Cox模型及其特点(a)
深入剖析Cox模型：生存分析中的关键工具
Cox模型，作为生存分析的基石，以直观的方式揭示了在白血病患者数据中的治疗效果。在一组接受治疗和安慰剂的病人中，通过模型1至3的比较，我们发现尽管模型3的Wald检验p值为0.51，似然比检验也接近显著性门槛，这暗示了组别、logWBC和交互作用之间可能没有显著的交互影响。模型2的亮点在于，其治疗的风险比为3.6，置信区间不包含1，这强有力地证明了治疗在调整logWBC后的实际效果。
在Cox模型的构建中，风险并非固定不变，而是由基线风险和预测因子的指数项共同决定，遵循比例风险假定。性别等非时间依赖变量与时间关联性较弱，而对于时间依赖变量，模型需进行扩展以捕捉其随时间的变化。Cox模型的独特之处在于它是半参数模型，对参数的了解程度介于完全确定和完全未知之间，特别适合那些参数不确定的复杂情况。
半参数回归方法，如Cox、MARS和gam，Cox模型凭借其强大的鲁棒性脱颖而出。它能适应各种数据类型，无需对数据分布做严格假设，还能处理删失数据，充分利用时间信息，揭示事件发生顺序中的协变量影响。以彩票概率为例，Cox模型揭示了协变量如何影响彩票中奖的相对概率。
举吸烟为预测因子的例子，Cox模型清晰地展现了吸烟者与非吸烟者之间的个体风险差异。其似然函数由事件发生的时间和各自的风险组成，每个事件的时间点都至关重要。在Harry的Cox似然函数中，通过事件的时间点计算个体风险之和，基线风险被巧妙地消除。Cox模型的参数估计以极大似然估计为目标，而删失数据则通过风险的集中体现。
在模型2和3中，我们观察到考虑交互项后，风险比会随着变量取值的变化而变化。一个通用的公式适用于这种交互作用分析。在统计软件中，我们通常得到的风险比是经过简化处理的，但仍保留了其对个体风险比的直观理解。总的来说，Cox模型以其强大的适应性和直观性，为我们揭示了生存数据中的关键信息和预测力量。
绛旓細Cox妯″瀷锛屼綔涓鐢熷瓨鍒嗘瀽鐨勫熀鐭筹紝浠鐩磋鐨鏂瑰紡鎻ず浜嗗湪鐧借鐥呮偅鑰呮暟鎹腑鐨勬不鐤楁晥鏋溿傚湪涓缁勬帴鍙楁不鐤楀拰瀹夋叞鍓傜殑鐥呬汉涓紝閫氳繃妯″瀷1鑷3鐨勬瘮杈冿紝鎴戜滑鍙戠幇灏界妯″瀷3鐨刉ald妫楠宲鍊间负0.51锛屼技鐒舵瘮妫楠屼篃鎺ヨ繎鏄捐憲鎬ч棬妲涳紝杩欐殫绀轰簡缁勫埆銆乴ogWBC鍜屼氦浜掍綔鐢ㄤ箣闂村彲鑳芥病鏈夋樉钁楃殑浜や簰褰卞搷銆傛ā鍨2鐨勪寒鐐瑰湪浜庯紝鍏舵不鐤楃殑椋庨櫓...
绛旓細Cox鍥炲綊妯″瀷涓鐞嗚В闅忚鐮旂┒涓殑浜嬩欢鍙戠敓閫熷害鎻愪緵浜嗗己澶у伐鍏凤紝灏ゅ叾鏄湪涓村簥鍜岀敓鐗╁尰瀛﹂鍩熴傚畠涓嶄粎甯姪鎴戜滑鎸栨帢褰卞搷鐢熷瓨閫熷害鐨勫叧閿彉閲忥紝杩樿兘鎻愪緵鐩稿椋庨櫓璇勪及锛屽府鍔╂垜浠仛鍑烘洿涓虹簿纭殑棰勬祴鍜屽喅绛栥傚湪Minitab鐨勫疄鐢ㄦ搷浣滀腑锛屾垜浠笉浠呭涔犱簡鐞嗚锛屾洿棰嗙暐浜咰ox鍥炲綊鐨勫疄闄呭簲鐢ㄤ环鍊笺
绛旓細鍦ㄦ湰鏂囦腑锛屾垜浠弿杩颁簡Cox鍥炲綊妯″瀷锛岀敤浜庡悓鏃惰瘎浼板绉嶉闄╁洜绱犱笌鎮ｈ鐢熷瓨鏃堕棿涔嬮棿鐨勫叧绯汇傛垜浠紨绀轰簡濡備綍浣跨敤 鐢熷瓨 鍖呰绠Cox妯″瀷銆傛澶栵紝鎴戜滑鎻忚堪浜嗗浣曚娇鐢 survminer 杞欢鍖呮潵鍙鍖栧垎鏋愮粨鏋溿
绛旓細涔嬪墠鏂囩珷 浠嬬粛浜咾aplan-Meier鐢熷瓨鏇茬嚎鍒嗘瀽锛孠aplan-Meier妯″瀷闄や簡灞曠ず棰勫悗鐘跺喌锛屼篃鍙互鐢╨og-rank娉曟娴嬫槸鍚﹀垎缁勯鍚庢湁鏄捐憲宸紓銆俢ox姣斾緥椋庨櫓妯″瀷鍒欓傚悎琛￠噺鍏蜂綋鏌愪竴鍥犵礌瀵圭敓瀛樼殑褰卞搷绋嬪害锛岀敤HR(hazard ratio)鍊间綋鐜帮紝HR鏄煇涓鍥犵礌褰卞搷鐢熷瓨鐨勬瘮鐜囥cox妯″瀷鍏紡濡備笅銆侶R鍊煎搴斿惈涔夊涓 涓嶈繃鎴戜滑涓嶅彧鐪婬R鍊硷紝杩樿...
绛旓細鍗曞洜绱Cox鍥炲綊妯″瀷鏄竴绉嶇敤浜庣敓瀛樺垎鏋愮殑缁熻鏂规硶锛屽畠鍙互鐢ㄦ潵鐮旂┒涓涓垨澶氫釜鍥犵礌瀵圭敓瀛樻椂闂寸殑褰卞搷銆備互涓嬫槸浣跨敤鍗曞洜绱燙ox杩涜鐢熷瓨鍒嗘瀽鐨勬楠わ細1.鏁版嵁鍑嗗锛氶鍏堬紝鎴戜滑闇瑕佹敹闆嗕竴缁勫叧浜庢偅鑰鐨勭敓瀛鏃堕棿鍜屽彲鑳藉奖鍝嶇敓瀛樼殑鍥犵礌鐨勬暟鎹傝繖浜涙暟鎹氬父鍖呮嫭鎮ｈ呯殑鍩烘湰淇℃伅锛堝骞撮緞銆佹у埆銆佺鏃忕瓑锛夈佺柧鐥呰瘖鏂拰娌荤枟淇℃伅锛...
绛旓細1銆鐢熷瓨鍒嗘瀽鎸囩殑鏄竴绯诲垪鐢ㄦ潵鎺㈢┒鎵鎰熷叴瓒ｇ殑浜嬩欢鐨勫彂鐢熺殑鏃堕棿鐨勭粺璁℃柟娉曪紝Cox姣斾緥椋庨櫓鍥炲綊妯″瀷锛屽彲浠ュ垎鏋愯繛缁彉閲忓鐢熷瓨閫犳垚鐨勫奖鍝嶏紝涔熷彲浠ュ鍙橀噺鍒嗘瀽瀵圭敓瀛樼殑褰卞搷锛屼袱鑰呮剰鎬濅笉鍚屻2銆佹彁鍑鸿呬笉鍚屻傜敓瀛樺垎鏋愮殑鍘嗗彶鏈鏃╁彲浠ヨ拷婧埌澶╂枃瀛﹀Halley锛1656-1742锛夋彁鍑虹殑瀵垮懡琛紝Cox鍥炲綊妯″瀷鏄敱鑻卞浗缁熻瀛﹀DRCox...
绛旓細Cox鍥炲綊妯″瀷锛屽張绉扳滄瘮渚嬮闄╁洖褰掓ā鍨(proportional hazards model)鈥,绠绉癈ox鍥炲綊銆傚畠鏄竴绉嶇爺绌剁浉鍏冲洜绱犲浜鐢熷瓨鏃堕棿褰卞搷鐨勫洖褰掓ā鍨嬶紝鍏跺凡鍦ㄥ尰鐤楋紝閲戣瀺鍜屽競鍦虹爺绌剁瓑涓撲笟棰嗗煙涓箍娉涗娇鐢ㄣ傛瘮濡傚尰瀛︾爺绌朵腑锛屾柊鑽墿浣跨敤鏄惁浼氭湁鏁堢殑澧炲姞鐧岀棁鐥呬汉鐨勫瓨娲绘椂闂达紱浼佷笟鍒涘浜鸿兘鍔涚礌璐ㄥ浜庝紒涓氱敓瀛樻椂闂寸殑褰卞搷鍏崇郴鐮旂┒绛夈傚綋...
绛旓細Kaplan-Meier娉曞垯鏄崟鍥犵礌鍒嗘瀽鐨勫埄鍣紝瀹冮傜敤浜庡ぇ灏忔牱鏈紝鑰冭檻浜嗘不鐤楁晥鏋溿傞氳繃Log rank缁熻閲忥紝鎴戜滑鍙互姣旇緝涓嶅悓鍒嗗眰鐨鐢熷瓨鐜囷紝濡傛у埆瀵圭敺鎮ｈ呯殑褰卞搷锛圥=0.339锛夛紝绾挎ц秼鍔垮垎鏋愬垯鍦2绾у垎缁勪腑鏄惧緱涓嶉偅涔堥噸瑕併備笁銆Cox鍥炲綊锛氭瘮渚嬮闄妯″瀷鐨勫吀鑼 Cox姣斾緥椋庨櫓妯″瀷鏄鍥犵礌鍒嗘瀽鐨勫熀鐭筹紝閫氳繃鍥炲綊鍙傛暟锛堝尾...
绛旓細1. Cox鍥炲綊锛欳ox鍥炲綊锛屼篃绉颁负姣斾緥椋庨櫓妯″瀷鎴朇ox姣斾緥椋庨櫓妯″瀷锛屾槸涓绉嶇敤浜鐢熷瓨鍒嗘瀽鐨勭粺璁℃柟娉曘傜敓瀛樺垎鏋愭槸涓绉嶇粺璁℃柟娉曪紝鐢ㄤ簬鐮旂┒鍦ㄦ煇绉嶄簨浠跺彂鐢熷墠涓綋鐨勨滅敓瀛樷濇椂闂淬傝繖閲岀殑鈥滀簨浠垛濆彲浠ユ槸浠讳綍鎰熷叴瓒ｇ殑浜嬩欢锛屾瘮濡傛浜°佺柧鐥呭鍙戙佽澶囨晠闅滅瓑銆侰ox鍥炲綊鐨勪富瑕佺洰鏍囨槸璇勪及涓涓垨澶氫釜棰勬祴鍥犵礌瀵圭敓瀛樻椂闂寸殑褰卞搷銆
绛旓細Cox鍥炲綊涓昏鐮旂┒鍜屾瘮杈冦傚涓嬶細涓銆佷妇鎸嘋ox鍥炲綊鐨勫畾涔夊拰姒傝堪 Cox鍥炲綊锛屼篃绉颁负Cox姣斾緥椋庨櫓妯″瀷锛屾槸涓绉嶇敤浜庡垎鏋鐢熷瓨鏁版嵁鐨勭粺璁℃ā鍨嬨傚畠骞挎硾搴旂敤浜庡尰瀛︺佺敓鐗╁鍜岀ぞ浼氱瀛︾瓑棰嗗煙锛岀敤浜庢帰绌舵煇绉嶅洜绱犲浜嬩欢鍙戠敓鏃堕棿鐨勫奖鍝嶃侰ox鍥炲綊鑳藉浼拌鐩稿鍗遍櫓搴︼紙hazard ratio锛夛紝鍗充笉鍚屽鐞嗘垨鍥犵礌姘村钩涔嬮棿鐨勯闄╂瘮杈冦備簩銆...
