但是实际应用COX模型中通常并未对这一假设进行检验,导致模型的选择以及模型得结果可能存在一定偏差。
比例风险假设的检验方法包括:A.作图法,包括Kaplan-Meier 生存曲线图法,Schoenfeld残差图法,Martingale残差图法等;B.分析法,包括Schoenfeld残差的趋势检验法和引入时间依赖变量的COX模型检验法。
其中Schoenfeld残差为基于协变量的残差,而Martingale残差为累计危险率残差。由于原理不同,不同方法所得的统计量及P值均可能存在一定的差异。但是总体趋势基本保持一致。
如果协变量的比例风险假设不成立,则不能构建经典的COX模型。但是仍然可以利用COX模型的经典理论,构建非比例风险的COX模型,从而估计模型的参数。但在非比例风险COX模型下,对于违背比例风险假设的变量最终估计所得的HR不应再视为一个常数,而更多应解释为所有时间点下HR的加权平均值。
目前非比例风险COX模型的基本构建思想包括两种:A. 分层COX模型; B.时间依存变量的COX模型。
附件中提供了各种比例风险假设检验的STATA和SAS输出结果的比较。相关数据见附件中的STATA命令,SAS数据集则由STATA数据集转换得到。同时为了让大家更加明白比例风险假设的基本原理,附件中对COX模型的基本特征,参数估计的基本原理,COX模型可能存在的缺陷进行了简单的概括。希望对大家学习有帮助。
推荐学习材料:
1、 Survival Analysis Using SAS A Practical Guide (2ed)
2、 Applied Survival Analysis (2ed)
3、 Survival Analysis A Self-Learning Text (2ed)
4、 Survival Analysis Techniques for Censored and Truncated Data (2ed)
5、 Statistical Methods for Survival Data Analysis (3ed)