在存活分析中, 除了要比較不同組之間(例如不同的治療方式或是否有用藥)存活率是否有顯著的差異之外,通常還需去了解危險因子(risk factors)爲何。這時就要進行迴歸分析(regression analysis),而對於存活資料而言,最常用的模式爲Cox比例風險模式(cox proportional hazard model)。不過,使用Cox比例風險模式時,有一基本假設必須要符合,即等比例風險假設(Proportional hazard assumption, PH assumption);也就是說,針對某一危險因子而言其風險比,不能隨著時間而有所改變,必須要固定。所以當此假設違反時,將Cox比例風險模式做一些修正是必要的,其中最重要且常用的爲分層cox 迴歸模式(Stratified cox regression)


所謂的分層cox 迴歸模式即是將研究者較不感興趣,或較不重要的干擾因子(confounding factors)(而且這些因子並不符合等比例風險假設),當成分層變數,在不同層的基線危險函數(baseline hazard function)是不同的,而其它在模式中的危險因子,皆爲等比例風險。雖然,分層cox 迴歸模式在違反等比例風險假設時,仍可以進適當的分析,但是其缺點在於分層的層數若太多,統計檢定力(statistical power)會降低。目前較常見的統計軟體,例如,SAS, R, STAT, SPSS等皆可用來進行分層cox 迴歸模式分析。


Reference:
J. Klein and M. Moeschberger, Survival Analysis: Techniques for Censored and Truncated Data. Springer, second ed., 2003.

arrow
arrow

    estat 發表在 痞客邦 留言(0) 人氣()