Bayes Cox Orantılı Tehlike — Bayesçi Sağkalım Regresyonu
Bayesian Cox Proportional Hazards Model · Ayrıca şöyle bilinir: Bayesian CPH, Bayesian survival regression, Bayesian semiparametric hazard model, Bayesian partial likelihood survival model
Bayesçi Cox orantılı tehlike modeli, Cox'un klasik yarı parametrik sağkalım regresyonunu Bayesçi çıkarımla birleştirerek, nokta tahminleri ve p-değerleri yerine regresyon katsayıları üzerindeki tam sonsal dağılımları kullanır. Sağdan sansürlenmiş olay-zamanı çıktılarını ele alır, tehlike oranları hakkındaki belirsizliği olasılıksal terimlerle ölçer ve önsel klinik veya tarihsel bilgilerin analize doğrudan dahil edilmesine olanak tanır.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Bayesçi Cox orantılı tehlike modeli şu durumlarda kullanılır: çıktı sağdan sansürlemeli bir olaya (ölüm, nüks, hastaneden taburculuk) zamanıdır; kovaryetler mevcuttur; önsel klinik bilgi veya tarihsel kontrol verileri resmi olarak dahil edilmelidir; örneklem boyutları küçüktür ve belirsizlik ölçümü önemlidir; veya araştırma sorusu olasılıksal olarak formüle edilmiştir (örneğin, 'tedavinin riski %20'den fazla azaltma olasılığı nedir?'). Şu durumlarda KULLANILMAMALIDIR: orantılı tehlikeler varsayımı açıkça ihlal edilmiş ve bunun yerine zamanla değişen etkiler modeli gerekiyorsa; çıktı zamana-olaya değil ikili veya sürekli ise; MCMC için hesaplama kaynakları veya uzmanlığı mevcut değilse; veya basit bir sıklıkçı Cox modeli yeterliyse ve önsel bilgi gerçekten yoksa.
Güçlü yönler & sınırlılıklar
- Tehlike oranları üzerinde tam sonsal dağılımlar sağlar, bu da tedavi etkileri hakkında doğrudan olasılıksal ifadeler sağlar.
- Önsel klinik bilgiyi veya tarihsel verileri resmi olarak dahil eder, küçük örneklemlerde verimliliği artırır.
- Küçük veya seyrek veri kümelerini doğal olarak ele alır, burada sıklıkçı güven aralıkları geniş veya güvenilmezdir.
- Doğrudan olasılık yorumuna sahip güven aralıkları üretir, p-değeri yanlış yorumlamasından kaçınır.
- Esnek: temel tehlike belirtilmemiş (yarı parametrik) bırakılabilir veya parametrik olmayan olarak modellenebilir.
- Sonsal öngörücü sağkalım eğrileri, parametre belirsizliğini sağkalım tahminlerine yayar.
- Hesaplama açısından yoğundur — MCMC, büyük veri kümeleri veya çok sayıda kovaryet içeren karmaşık modeller için yavaş olabilir.
- Önsel belirleme, sonuçları etkileyebilecek açık seçimler gerektirir, özellikle küçük örneklemlerde; önseller arası duyarlılık analizleri beklenir.
- Yazılım uzmanlığı gereklidir: Stan, JAGS veya R paketleri (rstanarm, brms, BayesSurv) olasılıksal programlama konusunda aşinalık gerektirir.
- Orantılı tehlikeler varsayımı hala doğrulanmalıdır; Bayesçi çıkarım bu yapısal gereksinimi gevşetmez.
- Sonuçlar ve yorumları, sıklıkçı sağkalım analizine alışkın gözden geçirenler için daha az tanıdık olabilir.
SSS
Bayesçi Cox, standart (sıfıkçı) Cox modelinden nasıl farklıdır?
Yapısal model — h(t|x) = h0(t) exp(beta^T x) — aynıdır. Fark çıkarımsaldır: sıfıkçı Cox, kısmi olabilirlik maksimize ederek beta'yı tahmin eder ve asimptotik normal yaklaşımlara dayalı güven aralıklarını raporlar; Bayesçi Cox, beta'ya önseller atar, bunları olabilirlikle birleştirir ve sonsal dağılımları ve güven aralıklarını raporlar. Bayesçi versiyon ayrıca önsel kanıtların resmi olarak dahil edilmesine izin verir ve parametreler hakkında doğrudan olasılıksal ifadeler yapar.
Regresyon katsayıları için hangi önseli kullanmalıyım?
Güçlü bir önsel bilgi mevcut olmadığında, zayıf bilgilendirici bir normal önsel — örneğin, beta ~ Normal(0, sigma^2) ve sigma log-tehlike oranı ölçeğinde yaklaşık 1–2 — makul bir varsayılan değerdir. Tahminleri sıfıra doğru güçlü bir şekilde çekmeden hafif bir düzenleme sağlar. Tarihsel denemelerin güvenilir tahminler sağladığı katsayılar için, önselin gerekçelendirildiği ve önsel genişlikleri boyunca bir duyarlılık analizinin raporlandığı varsayılarak, bilgilendirici bir normal veya t önseli tarihsel tahminin etrafında merkezlenmiş olarak uygundur.
Bayesçi yaklaşım orantılı tehlikeler varsayımını gevşetir mi?
Hayır. Orantılı tehlikeler varsayımı, modelin yapısal bir özelliğidir, çıkarımsal bir özellik değildir. Bayesçi çıkarım, modeli bu varsayımın ihlallerine karşı daha dayanıklı hale getirmez. Tehlike oranları zamanla değişiyorsa, zamanla değişen katsayı uzantısı (bu da Bayesçi bir çerçevede formüle edilebilir) veya hızlandırılmış arıza süresi gibi alternatif bir model düşünülmelidir.
Bayesçi Cox modellerini hangi yazılım paketleri uygular?
Stan (rstanarm veya brms R paketleri aracılığıyla) HMC örneklemesi ile esnek, iyi belgelenmiş Bayesçi Cox işlevselliği sağlar. JAGS ve OpenBUGS, dweib veya özel olabilirlik özellikleri aracılığıyla Cox modellerini destekler. BayesSurv ve survstan R paketleri özel arayüzler sunar. Python kullanıcıları PyMC veya Stan'ı CmdStanPy aracılığıyla kullanabilir. Her biri kısmi veya tam olabilirlik ve önsel dağılımların açıkça belirtilmesini gerektirir.
Güvenilir Bayesçi Cox tahmini için kaç olaya ihtiyaç vardır?
Kaba bir kural olarak, kararlı sıfıkçı Cox tahminleri için kovaryet başına en az 10–15 olay önerilir; Bayesçi büzülme önselleri daha az olayla yardımcı olabilir, ancak bu önsel seçimini daha etkili hale getirir. Çok az olayla (toplamda 30'dan az), sonuçlar dikkatli yorumlanmalı ve önsel duyarlılığı resmi olarak değerlendirilmelidir. Bayesçi yaklaşım tam olarak seyrek veri durumlarında en avantajlıdır, ancak yeterli örneklem boyutunun yerini tutmaz.
Kaynaklar
- Ibrahim, J. G., Chen, M.-H., & Sinha, D. (2001). Bayesian Survival Analysis. Springer. ISBN: 978-0387952772
- Cox, D. R. (1972). Regression models and life-tables. Journal of the Royal Statistical Society: Series B, 34(2), 187–220. DOI: 10.1111/j.2517-6161.1972.tb00899.x ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Bayesian Cox Proportional Hazards Model. ScholarGate. https://scholargate.app/tr/epidemiology/bayesian-cox-proportional-hazards
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Bayesçi Rastgele Kontrollü Klinik AraştırmaEpidemiyoloji↔ karşılaştır
- Cox Orantılı TehlikelerEpidemiyoloji↔ karşılaştır
- Kaplan-Meier AnaliziEpidemiyoloji↔ karşılaştır
- Hayatta Kalma AnaliziAraştırma istatistiği↔ karşılaştır