R教程:Cox回归中,不满足PH假定时该怎么处理? |
您所在的位置:网站首页 › cox回归协变量缺失 › R教程:Cox回归中,不满足PH假定时该怎么处理? |
作为一个临床研究工作者,在日常分析数据过程中,我们大量地使用Cox比例风险模型,却往往忽略Cox比例风险模型的一个重要假设-PH假设。这就导致我们在投文章的时候,审稿人经常会要求文章中补充如何判断PH假设的部分。 笔者就曾经遇到过这样的问题,被审稿人要求增加PH假设的判断。审稿人的comments如下: The assumption for the proportional hazards model might have been violated, as seen in Figure 4 where the KM curves crossed each other, So a single summary measure using a proportional hazards model might not be appropriate. 所以本期我们将从三个方面展开,力图一次性地解决PH假设的相关问题,首先介绍什么是PH假设,然后介绍PH假设的判断方法,最后介绍PH假设不满足时该如何处理。 本文尽量使用通俗的语言来说明PH假设的问题,但是还是会保留一定的数学公式,供想深入了解的读者学习,只是想在自己文章中解决PH假设问题的读者可以跳过这些公式。 什么是PH假设PH假设,即 proportional hazard assumption,指的是在使用Cox比例风险模型处理数据时,干预组与对照组的风险比(hazard ratio)在整个随访期间为常数,不随随访时间的变化而变化。(这里进行了简化处理,因为在投文章的时候reviewer主要关注的就是对于treatment来说PH假设是否成立,其实应该是所有纳入Cox模型的协变量都要满足PH假设) Cox回归模型如下: 从上面的式子可以看出,当X1,...,Xk一定时,treatment等于1时的hazard为 treatment等于0时的hazard为
PH假设的判断方法有两种:一种是基于回归方程的,一种是基于残差的。 R代码如下: # cox model res |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |