Überlegungen zu Daten für Cox-Modell in einem Zählprozessformular anpassen

Befolgen Sie beim Erfassen von Daten, Durchführen der Analyse und Interpretieren der Ergebnisse die folgenden Richtlinien, um sicherzustellen, dass die Ergebnisse gültig sind.

Die Antwortvariable sollte stetig sein

Stetige Daten sind Messwerte, die potenziell einen beliebigen Wert innerhalb eines Wertebereichs auf einer stetigen Skala annehmen können; dazu gehören auch Brüche und Dezimalzahlen.

Die Antwortdaten können einzelne Ereigniszeiten oder mehrere Ereigniszeiten sein

Um Daten zu sammeln, messen Sie in der Regel die Zeit bis zu einem Ereignis. Für ein Zählprozessformular müssen Sie auch den Zeitpunkt angeben, zu dem das Subjekt in die Studie eintritt. Zum Beispiel hat ein Subjekt eine Form von Hautkrebs nach 7, 11, 15 und 27 Monaten der Studie. Danach war das Subjekt 6 Monate lang krebsfrei. Bei jedem Zeitintervall zeichnen die Forscher den festen Prädiktor der Behandlungsgruppe auf und zeichnen einen zeitabhängigen Prädiktor des Hormonspiegels des Probanden auf.

Sie können auch Daten verwenden, die mehrere Ereignisse beschreiben. Zum Beispiel geht ein Auto kaputt, wird repariert und wieder in Betrieb, dann geht es wieder kaputt und so weiter. Die Datenwerte stellen die Zeit jedes Fehlers dar, ohne die Reparaturzeit zu berücksichtigen.

Die Daten müssen im Eingabestil des Zählprozesses liegen

Im Eingabeformular des Zählprozesses stellen mehrere Zeilen jedes Thema dar. Jede Zeile beschreibt ein Zeitintervall, in dem die Werte aller Variablen konstant sind. Zeitabhängige Prädiktoren ändern sich zwischen Zeilen. Die Intervalle beginnen direkt nach der Startzeit und schließen die Endzeit ein. Die Prädiktoren können fest oder zeitabhängig sein. Weitere Informationen finden Sie unter Eingeben der Daten für Cox-Modell in einem Zählprozessformular anpassen.

Zensierte Daten müssen berücksichtigt werden

Da die Antwortdaten von der Zeit bis zum Ereignis sind, unterliegen sie der Zensur und Kürzung. Für Cox-Regressionsmodelle ist die häufigste Form der Zensur die Rechtszensierung, und die häufigste Form der Kürzung ist die Linkskürzung. Sie können eine Spalte angeben, um anzugeben, welche Antwortzeiten zensiert und unzensiert sind.

• Rechtszensiert: Eine Reaktionszeit des Probanden wird richtig zensiert, wenn der Prozehnt das interessierende Ereignis vor dem Ende der Studie nicht erlebt oder wenn der Prozehnt aus der Studie entfernt wird, bevor er das Ereignis erlebt. Beispielsweise kann eine Testeinheit nach dem Testzeitraum noch funktionieren, oder ein Testperson könnte sich aus einem anderen Grund als dem Tod vorzeitig von einer Studie zurückziehen.
• Linkskürzung oder Verzögerung von Einträgen: Eine linke Kürzung tritt auf, wenn Sie ein Subjekt zu Beginn der Studie nicht beobachten. Stattdessen beziehen Sie sie später in die Studie ein, wenn ein Zwischenereignis eintritt. Der Zeitpunkt, zu dem der Probanden in die Studie eintritt, wird als Eintrittszeit oder Kürzungszeit bezeichnet. Zum Beispiel nehmen Sie Patienten nicht auf eine Warteliste für eine Organtransplantation auf, bis ein Organ für die Transplantation verfügbar ist.

Probanden mit verschiedenen Behandlungen erleben das Ereignis mit proportionalen Raten

Für das Cox-Regressionsmodell müssen Sie keine parametrische Verteilung für die Antwortdaten angeben. Das Modell geht jedoch davon aus, dass Personen in zwei verschiedenen Behandlungen proportionale Gefahren oder Risiken haben, um das Ereignis zu erleben. Die proportionale Gefahrenannahme bietet eine einfache Interpretation der Regressionskoeffizienten in Form von Hazard Ratios oder relativen Risiken. Wenn die proportionale Gefahrenannahme nicht zuhält, kann die Relative-Risiko-Tabelle zu falschen Schlussfolgerungen führen. Verwenden Sie die Tabelle "Tests für proportionale Gefahren", das Andersen-Diagramm und das Arjas-Diagramm, um diese Annahme zu überprüfen.

Das Modell muss den vollen Rang aufweisen.

Ein Modell weist den vollen Rang auf, wenn es eine ausreichende Menge von Daten enthält, um alle Terme im Modell schätzen zu können. Fehlende Daten, unzureichende Daten oder hohe Kollinearität können verhindern, dass ein Modell den vollen Rang aufweist. Wenn das Modell nicht den vollen Rang aufweist, gibt Minitab beim Durchführen der Analyse eine Warnmeldung aus. Dieses Problem kann häufig behoben werden, indem unwichtige Wechselwirkungen höherer Ordnung aus dem Modell entfernt werden.