ฉันจะตีความ Exp (B) ในการถดถอยแบบ Cox ได้อย่างไร

ฉันเป็นนักศึกษาแพทย์ที่พยายามทำความเข้าใจกับสถิติ (!) - ดังนั้นขอให้สุภาพ! ;)

ฉันกำลังเขียนเรียงความที่ประกอบด้วยการวิเคราะห์ทางสถิติในจำนวนที่เหมาะสมรวมถึงการวิเคราะห์การอยู่รอด (Kaplan-Meier, Log-Rank และ Cox regression)

ฉันใช้ Cox regression กับข้อมูลของฉันพยายามค้นหาว่าฉันสามารถค้นหาความแตกต่างที่สำคัญระหว่างการเสียชีวิตของผู้ป่วยในสองกลุ่ม (ผู้ป่วยที่มีความเสี่ยงสูงหรือผู้ที่มีความเสี่ยงต่ำ)

ฉันได้เพิ่ม covariates หลายตัวลงใน Cox regression เพื่อควบคุมอิทธิพลของพวกเขา

Risk (Dichotomous)
Gender (Dichotomous)
Age at operation (Integer level)
Artery occlusion (Dichotomous)
Artery stenosis (Dichotomous)
Shunt used in operation (Dichotomous)

ฉันลบ Artery occlusion ออกจากรายการ covariates เนื่องจาก SE มีค่าสูงมาก (976) SE อื่น ๆ ทั้งหมดอยู่ระหว่าง 0,064 ถึง 1,118 นี่คือสิ่งที่ฉันได้รับ:

                    B       SE      Wald    df  Sig.    Exp(B)  95,0% CI for Exp(B)
                                                                Lower   Upper
    risk            2,086   1,102   3,582   1   ,058    8,049   ,928    69,773
    gender         -,900    ,733    1,508   1   ,220    ,407    ,097    1,710
    op_age          ,092    ,062    2,159   1   ,142    1,096   ,970    1,239
    stenosis        ,231    ,674    ,117    1   ,732    1,259   ,336    4,721
    op_shunt        ,965    ,689    1,964   1   ,161    2,625   ,681    10,119

ฉันรู้ว่าความเสี่ยงนั้นมีความสำคัญต่อเขตแดนเพียงอย่างเดียวที่ 0,058 แต่นอกจากนั้นฉันจะตีความค่าประสบการณ์ (B) ได้อย่างไร ฉันอ่านบทความเกี่ยวกับการถดถอยโลจิสติกส์ (ซึ่งค่อนข้างคล้ายกับการถดถอยของ Cox?) โดยที่ค่า EXP (B) ถูกตีความว่า: "การอยู่ในกลุ่มที่มีความเสี่ยงสูงนั้นรวมถึงความเป็นไปได้ที่เพิ่มขึ้น 8 เท่า" ในกรณีนี้คือความตาย ฉันสามารถพูดได้ว่าผู้ป่วยที่มีความเสี่ยงสูงของฉันมีโอกาสตายเร็วกว่า 8 เท่า ... อะไร?

โปรดช่วยฉันด้วย! ;)

โดยวิธีที่ฉันใช้ SPSS 18 เพื่อเรียกใช้การวิเคราะห์

โดยทั่วไป$\exp(\hat\beta_1)$คืออัตราส่วนของอันตรายระหว่างสองบุคคลที่มีค่าของ$x_1$แตกต่างกันโดยหนึ่งหน่วยเมื่อตัวแปรอื่น ๆ ที่จะมีขึ้นอย่างต่อเนื่อง เส้นขนานกับแบบจำลองเชิงเส้นอื่น ๆ คือในการถดถอยแบบค็อกซ์ฟังก์ชั่นอันตรายจะถูกจำลองเป็น$h(t)=h_0(t)\exp(\beta'x)$โดยที่$h_0(t)$เป็นอันตรายพื้นฐาน นี่เปรียบได้กับบันทึกนั้น( กลุ่มอันตราย/$\log(\text{group hazard}/\text{baseline hazard})=\log\big((h(t)/h_0(t)\big)=\sum_i\beta_ix_i$จากนั้นการเพิ่มหน่วยใน$x_i$จะสัมพันธ์กับการเพิ่มขึ้นของ$\beta_i$ในอัตราอันตรายของบันทึกค่าสัมประสิทธิ์การถดถอยอนุญาต ดังนั้นเพื่อบันทึกปริมาณอันตรายในกลุ่มการรักษา (เทียบกับกลุ่มควบคุมหรือกลุ่มที่ได้รับยาหลอก) การบัญชีสำหรับโควาเรียตที่รวมอยู่ในแบบจำลองนั้นถูกตีความว่าเป็นความเสี่ยงสัมพัทธ์ (สมมติว่าไม่มีค่าสัมประสิทธิ์เวลาแปรผัน)

ในกรณีของการถดถอยโลจิสติกสัมประสิทธิ์การถดถอยสะท้อนให้เห็นถึงการบันทึกของอัตราต่อรองดังนั้นการตีความเป็น K-fold เพิ่มความเสี่ยง ใช่แล้วการตีความอัตราส่วนความเป็นอันตรายนั้นมีความคล้ายคลึงกันบ้างกับการตีความอัตราส่วนอัตราต่อรอง

อย่าลืมตรวจสอบเว็บไซต์ Dave Garson ว่ามีวัสดุที่ดีเกี่ยวกับCox Regressionด้วย SPSS

ฉันไม่ใช่นักสถิติ แต่เป็น MD พยายามเรียงลำดับสิ่งต่าง ๆ ในโลกแห่งสถิติ

$\exp(B)$$1/\exp(B)$$\exp(B) = 0.407$$1/0.407 = 2.46$

$\exp(B) > 1$การตีความก็ง่ายขึ้นตามมูลค่าของการพูด $\exp(B) = 1.259$ (เช่นในกรณีของตัวแปร "stenosis" ของคุณ) หมายความว่าการให้คะแนน "stenosis" = 1 จะส่งผลให้มีโอกาสเพิ่มขึ้น (25.9%) ของการประสบกับจุดสิ้นสุดเมื่อเปรียบเทียบกับเมื่อ "stenosis" = 0

ช่วงความเชื่อมั่น (CI) บอกเราว่าอยู่ในช่วงใด (ของความน่าจะเป็น 95%) ซึ่งเราสามารถคาดหวังว่าค่านี้จะแตกต่างกันถ้าเราต้องทำซ้ำแบบสำรวจนี้เป็นจำนวนอนันต์ หาก 95% CI ทับซ้อนกับค่า 1 ดังนั้นผลลัพธ์จะไม่มีนัยสำคัญทางสถิติ (ตั้งแต่$\exp(B) = 1$หมายความว่าไม่มีความแตกต่างระหว่างความน่าจะเป็นที่จะได้รับจุดสิ้นสุดหากค่าตัวแปรเป็น "0" หรือ "1") และค่า P จะเกิน 0.05 หาก 95% CI เก็บค่า 1 (ทั้งสองด้าน),$\exp(B)$ มีนัยสำคัญทางสถิติ

จากการวิเคราะห์ของคุณดูเหมือนว่าไม่มีตัวแปรใดของคุณที่เป็นตัวทำนายที่สำคัญ (ที่ระดับสัญญาณ 5%) ของจุดสิ้นสุดของคุณแม้ว่าการเป็นผู้ป่วย "มีความเสี่ยงสูง" ก็มีความสำคัญตามแนวเขตแดน

การอ่านหนังสือ " คู่มือการเอาชีวิตรอด SPSS " โดย Julie Pallant อาจจะทำให้คุณเข้าใจในหัวข้อนี้ (และอีกมาก)