Регрессия Кокса, или модель пропорциональных рисков:

изучает зависимость времени дожития от независимых переменных предполагает прогнозирование риска наступления события для рассматриваемого объекта и оценивает влияние независимых переменных на этот риск.

При анализе данных дожития интерес представляют:

Функция дожития – вероятность, что объект исследования выживет по прошествии времени.

Функция риска – вероятность, что событие наступит в течение ничтожно малого интервала времени, учитывая, что объект доживает до начала этого интервала.

В регрессии Кокса основными являются три вида показателей:

•исход

•период наблюдения

•предикторы.

Только в регрессии Кокса можно оценить влияние множества предикторов на исход с учетом периода наблюдения.

Критерии применения регрессии Кокса:

все предикторы независимы.

все переменные линейно влияют на логарифм функции риска наступления события;

риск наступления события для любых двух объектов в любой интервал времени пропорционален.

момент начала и окончания исследования или интервал наблюдения в единицах времени должны быть точно определены для каждого члена выборки;

определение исхода и момент его возникновения также должны быть четко зафиксированы;

цензурированные и нецензурированные наблюдения не должны отличаться по выживаемости друг от друга;

методы оценки выживаемости и определения исхода одинаковы на протяжении всего исследования;

условия, влияющие на выживаемость, не меняются в ходе исследования.

Особенностью кодировки исхода в базе данных для удобства работы с программным обеспечением является то, что наличие исхода за период наблюдения должно быть закодировано единицей, а его отсутствие – нулем.

Оценка регрессионной модели:

критерий Wald – если регрессионный коэффициент значимо отличается от нуля, то независимая переменная вносит значимый вклад в предсказательную способность модели.

коэффициент Exp(B) – показывает во сколько раз изменяется риск возникновения исхода, если значение предиктора изменяется на единицу.

Источник: vk.com

Комментарии: