เปรียบเทียบวิธี

	การวิเคราะห์การรอดชีพแบบปรับเปลี่ยนได้	แบบจำลองการถดถอยโคกซ์แบบสัดส่วนภาวะเสี่ยง
สาขาวิชา	ระบาดวิทยา	ระบาดวิทยา
ตระกูล	Process / pipeline	Process / pipeline
ปีกำเนิด	2000s (formalized ~2000–2006)	1972
ผู้ริเริ่ม	Bauer, Posch, and collaborators (adaptive design framework); Lachin & Foulkes (event-driven survival trial foundations)	Sir David Roxbee Cox
ประเภท	Adaptive statistical design for time-to-event outcomes	Semi-parametric regression model
แหล่งต้นตำรับ	Bauer, P., & Posch, M. (2004). Modification of the sample size and the schedule of interim analyses in survival trials based on data inspections. Statistics in Medicine, 23(8), 1333–1353.	Cox, D. R. (1972). Regression models and life-tables. Journal of the Royal Statistical Society: Series B (Methodological), 34(2), 187–202.
ชื่อเรียกอื่น	adaptive time-to-event analysis, adaptive event-driven trial analysis, adaptive hazard modeling, ASA	Cox regression, Cox PH model, proportional hazards model, CPH
ที่เกี่ยวข้อง	3	5
สรุป	Adaptive survival analysis integrates adaptive clinical trial design with time-to-event statistical methods, allowing pre-specified modifications to sample size, event targets, or allocation ratios at interim stages based on accumulating survival data. It is widely used in oncology, cardiovascular, and infectious disease research where the primary endpoint is a hazard-based outcome such as progression-free survival or all-cause mortality.	The Cox proportional hazards model is a semi-parametric regression method that estimates the effect of one or more covariates on the hazard — the instantaneous rate of an event such as death, relapse, or failure — while making no assumption about the shape of the baseline hazard function. Introduced by David Cox in 1972, it is the dominant tool for multivariable survival analysis in clinical and epidemiological research.