複製鏈接
請複製以下鏈接發送給好友

COX迴歸模型

鎖定
COX迴歸模型,又稱“比例風險迴歸模型(proportional hazards model,簡稱Cox模型)”,是由英國統計學家D.R.Cox(1972)年提出的一種半參數迴歸模型。該模型以生存結局和生存時間為因變量,可同時分析眾多因素對生存期的影響,能分析帶有截尾生存時間的資料,且不要求估計資料的生存分佈類型。由於上述優良性質,該模型自問世以來,在醫學隨訪研究中得到廣泛的應用,是迄今生存分析中應用最多的多因素分析方法 [1] 
中文名
COX迴歸模型
外文名
Cox regression model
全    稱
Cox比例風險迴歸模型
提出人
D.R.Cox
簡    稱
Cox模型

COX迴歸模型基本概念

在介紹Cox迴歸模型之前,先介紹幾個有關的概念。
1.生存函數具有變量
的觀察對象的生存時間
大於某時刻
的概率,
稱為生存函數。生存函數
又稱為累積生存率
2. 死亡函數具有變量
的觀察對象的生存時間
不大於某時刻
的概率,
稱為死亡函數。死亡函數
的實際意義是當觀察隨訪到
時刻的累積死亡率。
3. 死亡密度函數具有變量X的觀察對象在某時刻t的瞬時死亡率,稱為死亡密度函數。
4. 危險率(風險)函數具有變量X,且生存時間已達到
的觀察對象在時刻
的瞬時死亡率,
危險率函數
實際上是一個條件瞬間死亡率 [2] 

COX迴歸模型基本原理

生存分析的主要目的在於研究變量X與觀察結果即生存函數(累積生存率)
之間的關係。當
受很多因素影響,即
為向量時,傳統的方法是考慮迴歸方程——即諸變量
的影響。但由於生存分析研究中的數據包含刪失數據。且時間變量t通常不滿足正態分佈和方差齊性的要求,這就造成了用一般的迴歸方法研究上述關係的困難 [2] 
Cox迴歸模型的基本形式
D.R.Cox提出了Cox比例風險迴歸模型,它不是直接考察
與X的關係,而是用
作為因變量,模型的基本形式為:
式中,
為自變量的偏回歸係數,它是須從樣本數據作出估計的參數;
是當X向量為0時,
的基準危險率,它是有待於從樣本數據作出估計的量。公式(1)簡稱為Cox迴歸模型
由於Cox迴歸模型對
未作任何假定,因此Cox迴歸模型在處理問題時具有較大的靈活性;另一方面,在許多情況下,我們只需估計出參數
(如因素分析等),即使在
未知的情況下,仍可估計出參數
。這就是説,Cox迴歸模型由於含有
,因此它不是完全的參數模型,但仍可根據公式(1)作出參數
的估計,故Cox迴歸模型屬於半參數模型
公式(1)可以轉化為:
Cox迴歸模型的假定
1. 比例風險假定 各危險因素的作用不隨時間的變化而變化,即
不隨時間的變化而變化。因此,公式(1)又稱為比例風險率模型(PH Model)。這一假定是建立Cox迴歸模型的前提條件。
2.對數線性假定 模型中的協變量應與對數風險比呈線性關係,如公式(2)。
Cox迴歸模型中偏回歸係數的意義
是非暴露組觀察對象的各因素取值,
是暴露組觀察對象的各因素取值,由公式(3)就可以求出暴露組對非暴露組的相對危險度RR。
由公式(2)可見,模型中偏回歸係數
的流行病學含義是在其他協變量不變的情況下,協變量
每增加一個測定單位時所引起的相對危險度的自然對數的改變量。即
式中,
分別表示在不同情況下的取值。當協變量
分別取1和0時,其對應的
從公式(1)和公式(4)可以看出有如下關係:
,則各
取值越大時,
的值越大,即
為危險因素。
,則各
的取值對
的值沒有影響,即
為無關因素。
,則各
取值越大時,
的值越小,即
為保護因素。

COX迴歸模型假設檢驗

Cox迴歸模型中的偏回歸係數可以通過建立偏似然函數,利用Newton-Raphson迭代法求得。其他自變量不變的情況下,變量
每增加一個單位,相對危險度
可信區間為:
式中
的標準誤。
對於迴歸模型的假設檢驗通常採用似然比檢驗、Wald檢驗和記分檢驗,其檢驗統計量均服從
分佈,其自由度為模型中待檢驗的自變量個數。一般説來,Cox迴歸係數的估計和模型的假設檢驗計算量較大,通常需利用計算機來完成相應的計算 [2] 

COX迴歸模型相關事件

提出“COX迴歸模型”的著名統計學家David Cox去世。 [3] 
參考資料