Suposición de riesgos proporcionales

El supuesto de riesgos proporcionales básicamente dice que la tasa de riesgo no varía con el tiempo. Es decir, . ¿Cuándo podemos asumir esto? ¿Qué pasa si las razones de riesgo en varios momentos son: y ? ¿Podemos hacer la suposición de riesgos proporcionales? También tenemos $\text{HR}(t) \equiv \text{HR}$ $2.4, 2.36, 2.27$ $2.03$

\log [h (t | x)] = \log [h_{0} (t)] + β_{1} x_{1} + \dots + β_{p} x_{p}

$\log[h(t|\textbf{x})] = \log[h_{0}(t)] + \beta_{1}x_1 + \dots + \beta_{p}x_{p}$

¿Por qué necesitamos estimar ? Si tenemos , ¿por qué no podemos poner todos los valores de los predictores a cero para obtener ? $h_{0}(t)$ $h(t|\textbf{x})$ $h_{0}(t)$

Editar. Quiero un medio para evaluar si la suposición de PH es verdadera.

survival Thomas
fuente

Tu pregunta necesita algo de claridad. Parece que estás hablando de una razón de riesgo, no de una tasa de riesgo. ¿Hay alguna razón por la que haya elegido esa ecuación de regresión en particular? Hay muchas maneras de abordar un análisis de supervivencia. ¿Y qué quiere decir con "cuándo" podemos suponer esto? ¿Desea un conjunto de circunstancias en las que sea cierto o un medio para evaluar si es cierto en su caso?

Fomite

¿Qué software desea "significa evaluar si la suposición de PH es verdadera"? En mi pregunta anterior , estoy tratando de lidiar con el problema que tiene después de probar la suposición de PH, pero la parte superior muestra cómo verificar utilizando el método de Grambsch y Therneau.

Max Gordon

El software que utilizó debe proporcionar pruebas de esto. Por ejemplo, SAS utilizará el método de Lin, Wei y Ying (1993) (consulte la documentación de PHREG y, en particular, la declaración ASSESS)

Peter Flom

Respuestas:

Peter tiene razón, depende del software que esté utilizando para verificar esto, en el paquete de supervivencia con R está la función cox.ph ().

La mayoría de las evaluaciones del supuesto implicarán observar los residuos de Schoenfeld. Si se traza contra el tiempo, no debe haber un patrón notable.

Consulte los riesgos proporcionales de Cox a partir de la página 12.

Además, si modela variables categóricas, puede crear curvas de Kaplan-Meier para cada variable y ver si son aproximadamente proporcionales entre sí.

Cañada
fuente

Incluir un coeficiente que varíe en el tiempo en el modelo también es un medio para verificar la suposición de PH

boscovich

El uso de un mecanismo de ponderación como IPTW incluso le permitiría hacer curvas marginales de Kaplan-Meier para evaluar visualmente los riesgos proporcionales en un modelo con más que solo variables categóricas.

Fomite