เปรียบเทียบวิธี

	Cox Regression with Time-Varying Covariates	ตัวประมาณค่าการรอดชีพแบบแคปแลน-ไมเออร์
สาขาวิชา	การวิเคราะห์การอยู่รอด	การวิเคราะห์การอยู่รอด
ตระกูล	Survival analysis	Survival analysis
ปีกำเนิด	1972	1958
ผู้ริเริ่ม	Cox, D. R. (extended formulation by Therneau & Grambsch)	Kaplan, E. L. & Meier, P.
ประเภท	Semi-parametric hazard regression model	Non-parametric survival estimator
แหล่งต้นตำรับ	Therneau, T. M. & Grambsch, P. M. (2000). Modeling Survival Data: Extending the Cox Model. Springer.	Kaplan, E. L. & Meier, P. (1958). Nonparametric Estimation from Incomplete Observations. Journal of the American Statistical Association, 53(282), 457–481.
ชื่อเรียกอื่น	time-varying covariate Cox model, extended Cox model, Zamana Bağlı Kovaryatlı Cox Regresyonu	product-limit estimator, km curve, kaplan-meier sağkalım analizi
ที่เกี่ยวข้อง	4	2
สรุป	Time-dependent Cox regression is an extension of the standard Cox proportional hazards model, introduced through the counting-process formulation developed by Therneau and Grambsch (2000), that allows one or more predictor variables to take different values at different points in a subject's follow-up period. It is the method of choice whenever a covariate — such as a laboratory measurement, a medication dose, or a disease severity score — changes over time rather than remaining fixed from study entry.	The Kaplan-Meier estimator, introduced by Kaplan and Meier in 1958, is a non-parametric method that estimates the survival curve — the probability of remaining event-free over time — from right-censored time-to-event data. The log-rank test is the companion procedure used to compare survival curves between groups.