Cox Orantılı Tehlike Regresyonu

Bir öngörücü için tehlike oranı (HR), regresyon katsayısının tahmini olan β̂'dir. 1.5'lik bir HR, herhangi bir zamanda, öngörücünün bir birim daha fazla olan deneklerin, referans grubuna göre %50 daha yüksek anlık olay oranına sahip olduğu anlamına gelir. 1'in altındaki bir HR koruyucu bir ilişkiyi gösterir. HR'yi her zaman %95 güven aralığı ile bildirin; yalnızca bir p-değeri, etkinin yönünü veya büyüklüğünü iletmez.

Standart yaklaşım, her kovaryant için Schoenfeld artıklarını hesaplamak ve Grambsch–Therneau testi (R'de cox.zph) kullanarak zamanla bir eğilim gösterip göstermediklerini test etmektir. Bir kovaryant için istatistiksel olarak anlamlı bir test (p < 0.05), o kovaryant için tehlike oranının takip süresi boyunca sabit olmadığı anlamına gelir. Tamamlayıcı bir görsel kontrol log-log sağkalım grafiğidir: orantılı tehlikeler varsayımı geçerliyse, farklı gruplar için eğriler log(-log) ölçeğinde kabaca paralel olmalıdır.

İhlalin doğasına bağlı olarak birkaç seçenek mevcuttur. Bir öngörücünün etkisinin zamanla düzgün bir şekilde değişmesi durumunda, zamanla değişen katsayılar – zaman-kovaryant etkileşimi olarak da adlandırılır – modele eklenebilir. Bir katmanlama değişkeni varsayımı ihlal ederse ancak etkisi birincil ilgi konusu değilse, model o değişkenle katmanlanabilir, bu da her katmanın kendi bazal tehlikesine sahip olmasına izin verir. Alternatif olarak, hızlandırılmış bir arıza süresi (AFT) modeli veya esnek bir parametrik model daha uygun olabilir.

Fine-Gray regresyonu, deneklerin birden fazla farklı olay türünden birini yaşayabildiği ve diğerleri varlığında belirli bir olay türünün kümülatif insidansını modellemek istediğinizde uygundur. Böyle bir rakip risk ortamında, diğer nedenli olayları Cox modelinde basit sansürleme olarak ele almak, ilgi konusu olayın kümülatif insidansını hafife alabilir. Fine-Gray modeli, kümülatif insidans fonksiyonuna karşılık gelen alt dağılım tehlikesini doğrudan modeller.