Tableau des essais pour les dangers proportionnels pour Ajuster le modèle de Cox sous forme de processus de comptage

Obtenez des définitions et bénéficiez de conseils en matière d'interprétation pour chaque statistique du tableau des valeurs ajustées et des diagnostics.

Sur ce thème

DL
Corrélation
Khi deux
Valeur de p

La note de bas de page du tableau identifie la transformation des temps d’événement pour le test. Demandez-vous s’il faut essayer des transformations supplémentaires pour votre analyse, en particulier si les graphiques résiduels montrent des valeurs aberrantes dans les données.

DL

Chaque coefficient du modèle utilise 1 degré de liberté. Les degrés de liberté pour l’essai global pour les dangers proportionnels sont égaux à la somme des degrés de liberté pour les coefficients dans le modèle.

Corrélation

La corrélation mesure la force de l’association linéaire entre les résidus de Schoenfeld mis à l’échelle pour un coefficient et la fonction des temps d’événement pour le test. Des corrélations plus importantes indiquent plus de preuves par rapport à l’hypothèse des dangers proportionnels. Utilisez la valeur de p pour interpréter formellement le test en fonction de l’incertitude dans les données.

Khi deux

Chaque terme du tableau a une valeur du chi carré. Le test global a également une valeur de chi carré. La valeur du chi carré est la statistique d’essai qui évalue l’hypothèse des dangers proportionnels. Une statistique de Khi deux suffisamment élevée engendre une petite valeur de p, indiquant que le terme ou le modèle est statistiquement significatif.

Valeur de p

La valeur de p est la probabilité qui mesure le degré de certitude avec lequel il est possible d'invalider l'hypothèse nulle. Des probabilités faibles permettent d'invalider l'hypothèse nulle avec plus de certitude.

Interprétation

Utilisez les tests pour déterminer si le modèle répond à l’hypothèse des dangers proportionnels. L’hypothèse nulle est que le modèle répond à l’hypothèse pour tous les prédicteurs. En général, un seuil de signification (noté alpha ou α) de 0,05 fonctionne bien. Un seuil de signification de 0,05 indique 5 % de risques de conclure à tort que le modèle explique la variation dans la réponse.

Essai global: L’hypothèse nulle est que l’effet de tous les termes du modèle répond à l’hypothèse des risques proportionnels. Si la valeur de p est inférieure à votre niveau de signification, il existe des preuves statistiques qu’au moins un terme viole l’hypothèse des dangers proportionnels. Examinez les tests des termes individuels pour déterminer quels termes sont responsables de la violation.
Tester un terme: L’hypothèse nulle est que l’effet du terme répond à l’hypothèse des dangers proportionnels. Si la valeur de p est supérieure au seuil de signification, vous pouvez en conclure qu'il n'existe aucune association statistiquement significative et terminer ainsi l'interprétation. Si le test identifie une violation, envisagez de stocker les résidus de Schoenfeld mis à l’échelle pour les tracer par rapport aux temps d’événement et aux temps d’événement transformés. Utilisez des diagrammes des résidus de Schoenfeld à l’échelle pour identifier les causes de la non-proportionnalité, comme un effet décroissant ou croissant. Dans certains cas, la non-proportionnalité disparaît par l’ajout de termes d’interaction ou l’utilisation de termes pour former des strates.