Zamanla Değişen Kovaryantlarla Cox Regresyonu
Cox Regression with Time-Varying Covariates · Ayrıca şöyle bilinir: time-varying covariate Cox model, extended Cox model, Zamana Bağlı Kovaryatlı Cox Regresyonu
Zamana bağlı Cox regresyonu, standart Cox orantılı tehlike modelinin bir uzantısıdır ve Therneau ve Grambsch (2000) tarafından geliştirilen sayma-süreç formülasyonu aracılığıyla tanıtılmıştır. Bu model, bir veya daha fazla öngörücü değişkenin, bir denek takip süresinin farklı noktalarında farklı değerler almasına izin verir. Bir laboratuvar ölçümü, ilaç dozu veya hastalık şiddeti puanı gibi bir kovaryantın çalışma başlangıcından itibaren sabit kalmak yerine zamanla değiştiği durumlarda tercih edilen yöntemdir.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Verilerinizde takip süresince değeri değişen kovaryantlar içeriyorsa ve bunları önemli bilgileri kaybetmeden tek bir başlangıç özetine indirgeyemiyorsanız, zamana bağlı Cox regresyonunu kullanın. Tipik senaryolar arasında tekrarlanan laboratuvar ölçümleri, zamana bağlı tedavi veya ilaç maruziyeti, kümülatif maruziyet ölçümleri ve poliklinik ziyaretlerinde ölçülen hastalık aktivitesi puanları yer alır. Veriler, denek başına aralık başına bir satırla uzun formata yeniden yapılandırılmalıdır. Minimum pratik örneklem büyüklüğü, yeterli olayla birlikte yaklaşık 50 denektir, çünkü model birçok aralık boyunca katsayıları tahmin etmelidir. Standart Cox regresyonunun bilgilendirici olmayan sansür varsayımı burada da geçerlidir. İçsellikle (endogeneity) dikkatli olun: eğer zamana bağlı bir kovaryantın kendisi sonuç süreci tarafından etkileniyorsa (örneğin, deneğin ölüme yaklaşması nedeniyle bozulan bir biyobelirteç), nedensel yorumlama ek dikkat gerektirir ve ortak bir model daha uygun olabilir.
Güçlü yönler & sınırlılıklar
- Kovaryantların zamana bağlı doğasını yakalar, başlangıçtaki seyreltilmiş bir anlık görüntüsü yerine gerçek kovaryant-tehlike ilişkisini yansıtan tahminler üretir.
- Standart Cox regresyonunun yarı-parametrik esnekliğini korur - temel tehlike belirtilmez.
- Sayma-süreç çerçevesi aracılığıyla sağ sansürü doğrudan, istatistiksel teoriye herhangi bir modifikasyon yapmadan ele alır.
- Tekrarlanan ölçümlerin zamana-olay sonucunu eşlik ettiği her alanda uygulanabilir.
- Verilerin uzun formatta (başlangıç-bitiş yapısı) olmasını gerektirir, bu da oluşturulması hataya açık olabilir; yeniden yapılandırmadaki hatalar sonuçları sessizce bozar.
- Yeterli olay sayısıyla birlikte yaklaşık 50 denek gereklidir; daha az veriyle zaman-aralık katsayıları kararsız hale gelir.
- Sonuç süreci tarafından yönlendirilen bir biyobelirteç gibi içsel (endojen) zamana bağlı kovaryantlar, nedensel yorumlanabilirliği ihlal eder; bu durumda ortak bir model tercih edilir.
- Orantılı tehlike varsayımı her aralık içinde hala geçerlidir ve ihlali standart Cox modeline göre teşhis etmek daha zordur.
SSS
Zamana bağlı kovaryant nedir?
Zamana bağlı (veya zamana bağımlı) kovaryant, çalışma başlangıcında sabit olmayan ancak takip süresi boyunca değeri değişen bir öngörücüdür. Örnekler arasında her poliklinik ziyaretinde ölçülen laboratuvar değerleri, ilaç değişiklikleri ve biriken maruziyet seviyeleri yer alır. Buna karşılık, cinsiyet veya başlangıç yaşı gibi sabit kovaryantlar, tüm takip süresi boyunca tek bir değer alır.
Standart Cox regresyonundan nasıl farklıdır?
Standart Cox regresyonu, başlangıçta ölçülen denek başına tek bir kovaryant değeri kullanır ve bunun sabit kaldığını varsayar. Zamana bağlı Cox regresyonu, kısmi olasılıkta her olay zamanındaki mevcut kovaryant değerini kullanır ve verilerin ardışık zaman aralıklarını kapsayan denek başına birden çok satıra yeniden yapılandırılmasını gerektirir.
Ne zaman ortak bir modeli zamana bağlı Cox'a tercih etmeliyim?
Zamana bağlı kovaryant endojen olduğunda - yani olaya yol açan biyolojik veya hastalık sürecinin bir parçası olduğunda - standart zamana bağlı Cox regresyonu yanlı tahminler üretir ve nedensel çıkarımı destekleyemez. Ortak bir model, biyobelirtecin boylamsal yörüngesini ve sağkalım sürecini eş zamanlı olarak modeller, bağımlılıklarını doğru bir şekilde hesaba katar ve bu nedenle bu durumda tercih edilen yöntemdir.
Bu model için verilerimi nasıl yapılandırmalıyım?
Her denek takip süresi, tüm kovaryantların sabit kaldığı aralık başına bir satıra genişletilmelidir. Her satırın bir başlangıç zamanı (aralığın sol ucu, hariç), bir bitiş zamanı (sağ uç, dahil) ve denek olayı bitiş zamanında yaşadıysa yalnızca son satırda 1 olan bir olay göstergesi gereklidir. Diğer tüm satırlar 0 olay göstergesine sahiptir.
Kaynaklar
- Therneau, T. M. & Grambsch, P. M. (2000). Modeling Survival Data: Extending the Cox Model. Springer. DOI: 10.1007/978-1-4757-3294-8 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 1). Cox Regression with Time-Varying Covariates. ScholarGate. https://scholargate.app/tr/survival/time-dependent-cox
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Uzunlamasına ve Olay Zamanı Verileri için Birleşik ModelSağkalım↔ karşılaştır
- Kaplan-Meier Sağkalım TahmincisiSağkalım↔ karşılaştır
- Esnek Parametrik Sağkalım Modeli (Royston-Parmar)Sağkalım↔ karşılaştır