Regresión de Cox / Modelo de Cox: definición simple

Actualizado el 21 de julio de 2024, por Luis Benites.

El modelo de regresión de riesgos proporcionales de Cox (también llamado regresión de Cox o modelo de Cox ) crea una función de supervivencia que indica la probabilidad de que ocurra un determinado evento (p. ej., la muerte) en un momento determinado t . Una vez que haya construido el modelo a partir de los valores observados, puede usarlo para hacer predicciones para nuevas entradas.

Los mejores modelos de Cox son aquellos que incluyen datos censurados : observaciones en las que el evento no ocurrió, así como datos de observaciones en las que realmente ocurrió el evento.

¿Cuándo debo usar la regresión de Cox?

La regresión de Cox puede manejar variables predictoras cuantitativas y variables categóricas .

Cox’s puede analizar múltiples factores de riesgo para la supervivencia, a diferencia de otros métodos (por ejemplo , el análisis de Kaplan-Meier ) que solo pueden manejar uno.

La regresión de Cox también aborda el problema de la heterogeneidad de los participantes . La heterogeneidad de los participantes simplemente significa que sus participantes son diferentes, lo que podría causar problemas al intentar analizar sus datos. Idealmente, sus participantes tendrían características similares (es decir, serían homogéneos ). Sin embargo, en la vida real, rara vez encuentra muestras homogéneas y la regresión de Cox aborda ese problema.

Cálculo de la regresión de Cox

Aunque es popular en el análisis de supervivencia , la regresión de Cox tiene la desventaja de que, en comparación con otros métodos de regresión, puede ser difícil de entender. Se requieren varios cálculos técnicos, incluidas numerosas multiplicaciones e inversiones de matrices. Esto hace que sea extremadamente difícil calcular a mano, pero muchos paquetes estadísticos pueden manejar este tipo particular de regresión.

SPSS

Paso 1: haga clic en Analizar > Supervivencia > Regresión de Cox.

Paso 2: elija una variable de tiempo (el análisis excluirá los valores de tiempo negativos).

Paso 3: elija una variable de estado.

Paso 4: Haga clic en «Definir evento».

Paso 5: Elija sus covariables . Opcional: seleccione cualquier variable que interactúe y luego haga clic en >a*b>.

R

Coxph (en el paquete de supervivencia) ajusta los datos a un modelo de Cox. La sintaxis es:

coxph(fórmula, data=, pesos, subconjunto,
na.action, init, control,
ties=c(“efron”,”breslow”,”exact”),
singular.ok=VERDADERO, robusto=FALSO,
modelo=FALSO, x=FALSO, y=VERDADERO, tt, método, …)

Para obtener una explicación completa de los términos de sintaxis, consulte coxph en la documentación del paquete de supervivencia en cran.r-project.org .

Referencias

Cantor, A. (2003). Técnicas de análisis de supervivencia SAS para la investigación médica . Instituto SAS.
Centro de conocimiento de IBM. Análisis de regresión de Cox. https://www.ibm.com/support/knowledgecenter/en/SSLVMB_24.0.0/spss/advanced/idh_coxr.html