Descripción general de Ajuste el Modelo de Cox con Predictores Fijos solamente

Utilice Ajuste el Modelo de Cox con Predictores Fijos solamente para describir la relación entre los predictores fijos y la supervivencia, estableciendo la hipótesis de las tasas de riesgo proporcionales. Un predictor es fijo cuando se conoce el valor al inicio del estudio y no cambia durante el período de estudio. Es posible incluir términos de interacción y polinomios, así como realizar una selección escalonada de los términos.

Por ejemplo, los analistas dividen a los pacientes con cáncer por género y administran tratamientos farmacológicos en varios niveles de dosis. Los analistas registran los tiempos de supervivencia de los pacientes y comparan los riesgos relativos de dos grupos.

Los resultados clave de los estudios comparativos que utilizan la regresión de Cox a menudo informan acerca de los riesgos relativos de los predictores y muestran gráficas de la experiencia de supervivencia de los sujetos en diferentes tratamientos. Por ejemplo, un estudio sobre un tratamiento contra el cáncer concluye que el riesgo relativo para dos grupos es 4, lo cual significa que los pacientes de un grupo están libres de cáncer a una tasas 4 veces mayor que los pacientes del otro grupo de estudio durante el período de estudio. Minitab muestra los riesgos relativos para cada variable para que pueda comparar fácilmente la experiencia de supervivencia de los sujetos en diferentes grupos de tratamiento.

Dónde encontrar este análisis

Para realizar la regresión de Cox con predictores fijos, elija Estadísticas > Confiabilidad/supervivencia > Regresión de Cox > Modelo de Ajuste de Cox solo con predictores fijos.

Cuándo utilizar un análisis alternativo

Utilice Ajuste el Modelo de Cox con Formato del Proceso de Conte si cada sujeto incluido en los datos podría tener múltiples filas de observaciones o registros que contengan intervalos de tiempo, (inicio, final) donde todos los valores predictores para el sujeto permanecen constantes. Los predictores pueden ser fijos o dependientes del tiempo.

Con esta forma de entrada de datos, los sujetos también podrían experimentar el evento varias veces. Esto indica que el evento de interés es recurrente. Por ejemplo, un sujeto podría tener un tumor recurrente en varias ocasiones durante el período de estudio.