ScholarGate
دستیار
Process / pipelineClinical / epidemiology

رگرسیون بقای چندمتغیره با نسبت خطر متناسب تعدیل‌شده بر اساس ریسک (مدل کاکس)

رگرسیون کاکس تعدیل‌شده بر اساس ریسک، مدل بقای کلاسیک کاکس (۱۹۷۲) را با وارد کردن همزمان عوامل مخدوش‌کننده شناخته‌شده — سن، جنسیت، بیماری‌های همراه، شدت بیماری — در کنار عامل مورد علاقه اصلی به مدل، گسترش می‌دهد. این تعدیل، اثر مستقل عامل مورد علاقه را بر نسبت خطر یک رویداد ایزوله می‌کند و نسبت‌های خطر (HRs) را تولید می‌کند که توسط تفاوت‌های پایه‌ای بین گروه‌های مقایسه‌ای مخدوش نشده‌اند. این روش، پرکاربردترین روش برای تحلیل بقا چندمتغیره در تحقیقات بالینی و اپیدمیولوژیک است.

باز کردن در MethodMindبه‌زودیApply, compare, get guidance
Tools & resources
دریافت اسلایدها
Learn & explore
ویدیوبه‌زودی

مطالعهٔ کامل روش

ویژهٔ اعضا

برای خواندن این بخش با حساب رایگان وارد شوید.

ورود

نقشهٔ روش

همسایگی روش‌های مرتبط — برای کاوش، یک گره را برگزینید.

رگرسیون بقای چندمتغیره با نسبت خطر متناسب تعدیل‌شده بر اساس ریسک (مدل کاکس)
مدل رگرسیون کوکس (Cox Pr…تخمینگر کاپلان-مایرآزمون لوک-رنک برای مقایس…رگرسیون لجستیکتطابق امتیاز تمایل (Prop…

منابع

  1. Cox, D. R. (1972). Regression models and life-tables. Journal of the Royal Statistical Society: Series B (Methodological), 34(2), 187–202. DOI: 10.1111/j.2517-6161.1972.tb00899.x
  2. Hosmer, D. W., Lemeshow, S., & May, S. (2008). Applied Survival Analysis: Regression Modeling of Time-to-Event Data (2nd ed.). Wiley. ISBN: 978-0471754992

نحوهٔ استناد به این صفحه

ScholarGate. (2026, June 3). Risk-adjusted Cox Proportional Hazards Regression. ScholarGate. https://scholargate.app/fa/epidemiology/risk-adjusted-cox-proportional-hazards

کدام روش؟

این روش را در کنار نزدیک‌ترین روش‌های خویشاوندش بگذارید و آن‌ها را کنار هم بخوانید — کتابخانه کتاب‌ها را روی میز می‌گشاید؛ انتخاب با شماست.

مقایسهٔ کنار هم
ScholarGateRisk-adjusted Cox Proportional Hazards (Risk-adjusted Cox Proportional Hazards Regression). بازیابی‌شده در 2026-06-19 از https://scholargate.app/fa/epidemiology/risk-adjusted-cox-proportional-hazards · مجموعه‌داده: https://doi.org/10.5281/zenodo.20539026