COX模型的基本假设为：不论基线风险如何，在任何时间点上，存在某一暴露的个体相对不存在该暴露的个体发生事件的风险是恒定的。也即两组人群在任何时间点上发生事件的风险比例是恒定的（或者解释为某一个暴露在所有时间里对发生事件的作用都是相同的），故COX模型又称为比例风险模型，相应的协变量的参数估计必须满足比例风险假设。

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)