の主要な結果を解釈する 計測プロセスフォームでのCoxモデルの適合

カテゴリ予測変数の相対リスク表では、カテゴリ変数の2つのレベルがレベルAとレベルBにラベル付けされます。相対リスクは、レベル B に対するレベル A のイベント発生率を表します。例えば、以下の結果では、forを有する患者に対して事象を経験 ハイリスク病気の段階 するリスクは、の患者よりも2倍高い 病気の段階ノーマル。

検定を使用して、モデルが比例ハザードの仮定を満たしているかどうかを判断します。帰無仮説は、モデルがすべての予測変数の仮定を満たしていることです。通常、0.05の有意水準（αまたはアルファとも呼ばれる）が有効に機能します。0.05の有意水準は、実際にはモデルによって応答の変動は説明できないにも関わらず、説明できると結論付ける可能性が5%であることを示しています。

p値が有意水準以下の場合、データは分布に従わないと結論付けることができます。p値が有意水準より大きい場合、そのモデルにより応答での変動が説明されると結論することはできません。

異なる地層に対する比例ハザードの仮定をモデルが満たしているかどうかを判断するには、アンダーセンプロットを使用します。1 つ以上の階層化変数の値のそれぞれの組み合わせによって、階層が定義されます。プロットには、各階層の曲線が含まれています。モデルが仮定を満たしている場合、曲線は X = 0 および Y = 0 の点を通る直線になります。地層のベースラインハザードレートがX軸上の地層のベースラインハザードレートと同じ場合、曲線はプロット上の45度基準線に従います。

モデルが仮定を満たしていない場合は、モデルが比例ハザードの仮定を満たしていない階層変数でデータを分割するかどうかを検討します。次に、データの各サブセットに対して個別の分析を実行します。個別の分析は、各サブセットの予測変数に異なる効果をもたらします。