Para garantir que seus resultados sejam válidos, considere as seguintes diretrizes quando coletar dados, realizar a análise e interpretar seus resultados.
- A variável resposta deve ser contínua
- Os dados contínuos são medidas que podem, potencialmente, assumir qualquer valor numérico dentro de um intervalo de valores ao longo de uma escala contínua, incluindo valores fracionários ou decimais.
- Os dados de resposta podem ser tempos de evento único ou vários vezes de evento
- Para coletar dados, geralmente você mede a quantidade de tempo até um evento. Para um formulário de processo de contagem, você também deve especificar o tempo em que o sujeito entra no estudo. Por exemplo, um sujeito tem uma forma de câncer de pele aos 7, 11, 15 e 27 meses do estudo. Depois, o assunto ficou livre do câncer por 6 meses. A cada intervalo de tempo, os pesquisadores registram o preditor fixo do grupo de tratamento, e registram um preditor dependente do tempo do nível hormonal do sujeito.
- Você também pode usar dados que descrevem vários eventos. Por exemplo, um automóvel quebra, é reparado, e retorna ao serviço, depois quebra novamente, e assim por diante. Os valores dos dados representam o tempo de cada falha sem considerar o tempo de reparo.
- Os dados devem estar no estilo de entrada do processo de contagem
- No formulário de entrada do processo de contagem, várias linhas representam cada assunto. Cada linha descreve um intervalo de tempo quando os valores de todas as variáveis são constantes. Preditores dependentes do tempo mudam entre linhas. Os intervalos começam logo após o horário de início e incluem o tempo final. Os preditores podem ser fixos ou dependentes de tempo. Para obter mais informações, acesse Digite seus dados para Ajuste Modelo de Cox em Formato de Processo de Contagem.
- Você deve responder por dados incompletos
-
Como os dados de resposta são tempo-a-evento, ele está sujeito a censura e truncação. Para os modelos de regressão de Cox, a forma mais comum de censura é a censura à direita, e a forma mais comum de truncação é a truncação à esquerda. Você pode especificar uma coluna para indicar quais tempos de resposta são censurados e sem censura.
- Censurado à direita: Um tempo de resposta ao assunto é censurado se o sujeito não experimentar o evento de interesse antes do término do estudo, ou se o assunto for removido do estudo antes de experimentar o evento. Por exemplo, uma unidade de teste ainda pode funcionar após o período de teste, ou um sujeito pode se retirar mais cedo de um estudo por uma razão diferente da morte.
- Entradas de truncação à esquerda ou atraso: A truncação esquerda ocorre quando você não observa um assunto no início do estudo. Em vez disso, você os inclui mais tarde no estudo quando ocorre um evento intermediário. O momento em que o sujeito entra no estudo é conhecido como o tempo de entrada ou tempo de truncação. Por exemplo, você não inclui pacientes em uma lista de espera para um transplante de órgãos até que um órgão esteja disponível para transplante.
- Temas sobre diferentes tratamentos experimentam o evento a taxas proporcionais
- O modelo de regressão de Cox não exige que você especifique uma distribuição paramétrica para os dados de resposta. No entanto, o modelo pressupõe que indivíduos em dois tratamentos diferentes tenham riscos ou riscos proporcionais para vivenciar o evento. A suposição de riscos proporciona uma interpretação simples dos coeficientes de regressão em termos de razões de risco ou riscos relativos. Se a suposição de riscos proporcionais não se mantiver, então a tabela de riscos relativos pode produzir conclusões erradas. Use os testes para a tabela de riscos proporcionais, o enredo de Andersen e o enredo de Arjas para verificar essa suposição.
- O modelo deve ser de posto completo.
- Um modelo de classificação completa inclui dados suficientes para estimar todos os termos do seu modelo. Dados faltantes, dados insuficientes ou alta colinearidade podem causar problemas com posto completo. Se o modelo não estiver em posição completa, o Minitab irá alertá-lo quando você realizar a análise. Muitas vezes você pode resolver esse problema removendo interações sem importância e de maior ordem do modelo.
