Généralités sur Ajuster le modèle de Cox avec des prédicteurs fixes uniquement

Utiliser Ajuster le modèle de Cox avec des prédicteurs fixes uniquement pour décrire la relation entre les prédicteurs fixes et la survie, en supposant des taux de risque proportionnels. Un prédicteur est fixe lorsque vous connaissez la valeur au début de l’étude et qu’elle ne change pas pendant la période d’étude. Vous pouvez inclure des termes d’interaction et polynomiaux et effectuer une sélection progressive des termes.

Par exemple, les analystes divisent les patients atteints de cancer par sexe et administrent des traitements médicamenteux à différents niveaux de dose. Les analystes enregistrent les temps de survie des patients et comparent les risques relatifs pour deux groupes.

Les principaux résultats des études comparatives qui utilisent la régression de Cox rapportent souvent des risques relatifs pour les prédicteurs et affichent des graphiques de l’expérience de survie des sujets sous différents traitements. Par exemple, une étude sur un traitement contre le cancer conclut que le risque relatif pour deux groupes est de 4, ce qui signifie que les patients d’un groupe sont exempts de cancer à 4 fois le taux de patients de l’autre groupe au cours de la période d’étude. Minitab affiche les risques relatifs pour chaque variable afin que vous puissiez facilement comparer l’expérience de survie des sujets dans différents groupes de traitement.

Où trouver cette analyse ?

Pour effectuer une régression de Cox avec des prédicteurs fixes, choisissez Stat > Fiabilité/Survie > Régression de Cox > Adapter le modèle de Cox avec des prédicteurs fixes uniquement.

Quand utiliser une autre analyse

Utilisez Ajuster le modèle de Cox sous forme de processus de comptage si chaque sujet de vos données peut avoir plusieurs lignes d’observations ou d’enregistrements contenant des intervalles de temps (début, fin), sur lesquels toutes les valeurs prédictrices du sujet restent constantes. Les prédicteurs peuvent être fixes ou dépendants du temps.

Avec cette forme de saisie de données, les sujets peuvent également vivre l’événement plusieurs fois. Cela indique que l’événement d’intérêt est récurrent. Par exemple, un sujet peut avoir une tumeur qui se reproduit plusieurs fois au cours de la période d’étude.