Métodos para Ajuste Modelo de Cox com Preditores Fixos apenas

Selecione o método ou fórmula de sua preferência.
Deixe a variável aleatória T denotar o tempo para um evento, como a morte de um paciente ou a falha de um componente eletrônico. Os dados consistem em tempos de eventos observados, uma variável de censura que indica se o evento ocorre no momento do evento, e valores preditores para explicar a variação nos tempos de evento. Seja Para representam os dados observados. Esta representação usa as seguintes definições:
TermoDescrição
o tempo de estudo para a unidade de amostra ith ou indivíduo
um indicador para se o assunto eu é censurado, de tal forma que se o assunto que eu experimentei o evento e Senão
um vetor p-componente de preditores para oith individual, que é equivalente à ilinha da matriz de design
Com a representação , os valores dos preditores são conhecidos no início do estudo não mudam ao longo do estudo. Esses valores fixos dos preditores não dependem do ponto no tempo do estudo. Minitab exclui quaisquer linhas com as seguintes características dos cálculos:
  • Remover linhas com valores faltante
  • Linhas onde o tempo do evento é 0
  • Linhas com tempos de evento negativos
  • Linhas onde o tempo do evento é igual ao tempo de entrada

O modelo de riscos proporcionais cox

A especificação do modelo de riscos proporcionais cox usa a taxa de perigo no momento para um indivíduo i com o vetor de valores preditor . , da equação tem a seguinte forma:

em que é a taxa de risco da linha de base que caracteriza a distribuição não especificada do tempo de sobrevivência e é um vetor p-componente desconhecido para os efeitos dos preditores. O modelo de riscos proporcionais cox não faz uma suposição sobre a distribuição da taxa de risco da linha de base.

O modelo de riscos proporcionais cox pode incluir uma variável de estratificação. Com uma variável de estratificação, a equação tem a seguinte forma:

em que representa os diferentes estratos. Esta especificação pressupõe que os coeficientes de regressão são os mesmos entre os estratos. Essa suposição equivale à afirmação de que as encostas são constantes. A função de riscos da linha de base pode mudar entre os estratos.

Censura

Em análise de confiabilidade, dados de falha frequentemente possuem tempos individuais até a falha. Por exemplo, você poderia coletar tempos de falha para unidades operando a uma determinada temperatura. Você também poderia coletar amostras de tempos até a falha sob diferentes temperaturas ou diferentes combinações de variáveis de estresse.

Algumas vezes você registra os tempos exatos até a falha. Outras vezes os tempos exatos para algumas unidades de teste são desconhecidos. Nesse caso, os dados são chamados censurados. Dados de falha são frequentemente censurados de alguma forma. No Minitab Statistical Software, o modelo de riscos proporcionais cox leva em conta linhas onde o evento não ocorre pela última observação da unidade ou assunto. Essas linhas são censuradas à direita.

Truncação à esquerda

Truncação à esquerda é quando observações de indivíduos potenciais de um estudo não ocorrem na origem do estudo, mas o sujeito entra no estudo em um momento específico posterior. Esta hora mais tarde é a hora de entrada. Por exemplo, um paciente em uma lista de espera para um transplante de órgãos não entra em um estudo até que o paciente receba um órgão. O conjunto de risco R(t) para um evento t é o conjunto de todos os assuntos que satisfazem a expressão Em que e são o tempo de entrada atrasado do assunto e o tempo de entrada do assunto, respectivamente. O conjunto de riscos para um tempo de evento não inclui sujeitos cujos horários de entrada são maiores do que o tempo de evento.

O tempo do evento do assunto tem um dos seguintes tipos de dados:
  • Não confiável e censurado à direita
  • Esquerda truncada e censurada à direita
  • Não confiável e sem censura

Truncação à esquerda é diferente da censura à esquerda. O tempo do evento é de esquerda censurado se o evento ocorrer antes de qualquer observação do assunto. Com dados censurados à esquerda, o tempo observado é maior do que o tempo do evento. O Minitab Statistical Software exclui dados censurados à esquerda das análises de regressão de Cox.

Observações correlacionadas e o robusto estimador de covariância

Em alguns modelos, o desenho correlaciona subgrupos de observações. Por exemplo, as observações do sujeito estão correlacionadas em modelos que incluem eventos repetidos ou recorrentes. Lin e Wei (1989)1 propor um ajuste da matriz de covariância para explicar a correlação entre observações dentro do assunto. Seja ser a matriz de resíduos de pontuação. A matriz de variância-covariância tem a seguinte forma:

em que e é a matriz residual de pontuação colapsada. Para obter a matriz residual de escore colapsada, substitua cada conjunto de linhas residuais de escore pela soma dessas linhas residuais.

Uma análise que utiliza a robusta matriz de variância-covariância tem as seguintes características:
  • Os cálculos para inferências utilizam a robusta matriz de variância-covariância.
  • Os testes Wald e Score na tabela Bondade-de-Ajuste usam a robusta matriz de variância de variância. O teste de razão de probabilidade na tabela Bondade-de-Ajuste está faltando porque o teste de razão de probabilidade pressupõe que as observações dentro de um cluster são independentes.
  • A tabela ANOVA pode usar apenas o teste Wald.
1 Lin, D.Y. & Wei, L.J. (1989). A inferência robusta para o modelo de riscos proporcionais de Cox. Journal of the American Statistical Association, 84(408), 1074-1078. https://doi.org/10.1080/01621459.1989.10478874