Considerações de dados para Ajuste Modelo de Cox com Preditores Fixos apenas

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 são organizados em colunas:

Para coletar dados, geralmente você mede a quantidade de tempo até que um evento específico ocorra quando ele está sujeito a diferentes condições que são medidas por uma ou mais variáveis e/ou fatores. Por exemplo, você pode medir o tempo até a falha de um item em execução a temperaturas diferentes.

Se os dados de resposta de um sujeito forem caracterizados por um intervalo de tempo em que o sujeito esteja em risco, use Ajuste Modelo de Cox em Formato de Processo de Contagem.

Os tempos de falha devem ser independentes

O tempo de falha de um item não deve influenciar o tempo de falha de outro item. Se as observações são dependentes, os resultados podem não ser válidos. Por exemplo, os tempos entre falhas para um sistema reparável muitas vezes não são independentes. Se você tiver dados onde o sujeito possa experimentar o evento de interesse várias vezes, como um sistema reparável, use Ajuste Modelo de Cox em Formato de Processo de Contagem.

As variáveis preditoras devem ser quantitativas

Um preditor é fixado quando você sabe seu valor no início do estudo e não muda durante o período de estudo. Por exemplo, o local de nascimento de um sujeito é um preditor fixo.

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 observação censurada ocorre se uma unidade funciona após o período de teste ou se um sujeito se muda para uma nova cidade e se retira de um estudo.
• 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.