R에서 coxph의 "coef"와 "(exp) coef"출력의 차이점은 무엇입니까?

14

나는 coxph의 "coef"와 "(exp) coef"출력이 정확히 무엇을 의미하는지 알아 내려고 노력했습니다. "(exp) coef"는 명령에 지정된 그룹에 따라 모델의 첫 번째 변수를 비교 한 것으로 보입니다.

coxph 함수는 "coef"및 "(exp) coef"의 값에 어떻게 도달합니까?

또한, 검열이 수반 될 때 coxph는 이러한 값을 어떻게 결정합니까?

r survival interpretation

— Annemphillip
소스

21

치료 그룹과 같은 단일 설명 변수가있는 경우 Cox의 회귀 모델에 coxph(); 계수 ( coef)는 회귀 계수 (이하 Cox 모델과 관련하여)로 읽으며 지수는 처리 그룹 (대조군 또는 위약 그룹과 비교)의 위험을 나타냅니다. 예를 들어 인 경우 위험은 이며 16.5 %입니다. $\hat\beta=-1.80$ $\exp(-1.80)=0.165$

아시다시피, 위험 기능은 다음과 같이 모델링됩니다.

h (t) = h_{0} (t) \exp (β^{'} x)

$h(t)=h_0(t)\exp(\beta'x)$

여기서 는 기준 위험입니다. 위험은 공변량에 곱셈 적으로 의존하고, 는 다른 모든 공변량이 일정하게 유지 될 때 의 값이 한 단위 씩 다른 두 개인 간의 위험 비율입니다 . 두 개인 및 의 위험 비율 은 이며 위험 비율 (또는 발생률 비율)이라고합니다. 이 비율은 시간이 지남에 따라 일정하므로 비례 위험 의 이름입니다 . $h_0(t)$ $\exp(\beta_1)$ $x_1$ $i$ $j$ $\exp\big(\beta'(x_i-x_j)\big)$

에 대한 이전 질문을 반영하기 위해 survreg여기서 형식은 지정되지 않습니다. 보다 정확하게는 공변량의 효과 만 매개 변수화되고 위험 함수가 아니라는 점에서 반모 수 모델입니다. 다시 말해, 생존 시간에 대한 분포 가정을하지 않습니다. $h_0(t)$

회귀 모수는 다음에 의해 정의 된 부분 로그 우도를 최대화하여 추정됩니다.

ℓ = \sum_{f} \log (\frac{\exp (β^{'} x_{f})}{\sum_{r (f)} \exp (β^{'} x_{r})})

$\ell=\sum_f\log\left(\frac{\exp(\beta'x_f)}{\sum_{r(f)}\exp(\beta'x_r)}\right)$

여기서 첫 번째 합산은 모든 사망 또는 실패 에 대해 이루어지고 두 번째 합산은 모든 피험자에 대해 이루어집니다. 여전히 실패시 살아 있지만 (위험에 처해 있음) 위험 세트라고 합니다. 즉, 대한 로그 프로필 가능성으로 해석 될 수 제거 후 (또는 다른 말로, 상기 LL 의 함수로 대체되었다 로 우도를 최대화 고정 벡터 경우 관련 ). $f$ $r(f)$ $\ell$ $\beta$ $h_0(t)$ $h_0(t)$ $\beta$ $h_0(t)$ $\beta$

검열에 대해 당신이 (우리가 이전에 또한라는 관측이 시작된 시간,보다 시간 스케일에 대한 원산지 고려한다면 경우 수 있습니다으로 왼쪽 검열을 참조 여부는 분명하지 않다 지연 항목 ), 또는 오른쪽 검열. 어쨌든 회귀 계수 계산 및 생존 패키지가 검열을 처리 하는 방법에 대한 자세한 내용은 Therneau and Grambsch, Survival Data Modeling (Springer, 2000)에서 확인할 수 있습니다. Terry Therneau 는 이전 S 패키지의 저자입니다. 온라인 튜토리얼 을 사용할 수 있습니다.

David Diez의 R의 Survival Analysis는 R의 Survival Analysis에 대한 좋은 소개를 제공합니다 . 회귀 모수에 대한 테스트에 대한 간략한 개요는 p. 10. @onestop으로 인용 된 온라인 도움말을 명확하게하는 데 도움이 되었으면합니다 . "모형 행렬의 열을 곱하는 선형 예측 변수의 계수를 계산합니다." 응용 교과서의 경우 Everitt와 Rabe-Hesketh (Springer, 2001, chap. 16 및 17)의 S-PLUS를 사용하여 의료 데이터 분석을 권장 합니다. 또 다른 유용한 참고 자료는 생존 데이터에 대한 Cox 비례 위험 회귀에 대한 John Fox의 부록입니다 . $\chi^2$

— chl
소스

4

+1, 이것은 매우 간단하고 간단한 질문에 대한 정말 유익한 답변입니다. 자세한 내용은 리소스에 대한 링크에 특히 감사합니다. NB Terry Therneau의 온라인 튜토리얼 링크가 종료되었습니다. S에서의 생존 분석을위한 패키지 는 동일한 물질에 대한 라이브 링크 일 수있다.

— gung-Monica Monica 복원

5

R을 입력하여 coxph 객체의 인쇄 방법에 대한 설명서를 인용하려면 ?survival::print.coxph다음 을 입력하십시오 .

coefficients 모델 행렬의 열을 곱하는 선형 예측 변수의 계수.

이것이 패키지 작성자가 제공하는 모든 문서입니다. 패키지에는 사용 설명서 또는 패키지 비 네트가 포함되어 있지 않습니다. R은 사용자 친화적으로 설계되지 않았으며 설명서에는 관련된 통계적 방법을 이미 이해하고 있다고 가정합니다.

coef열이 위의을 제공 한다고 가정 coefficients하고 exp(coef)열은 이들의 지수입니다. Cox 회귀 분석에 로그 링크 기능이 포함되므로 계수는 로그 위험 비율입니다. 따라서 지수를 늘리면 위험 비율이 다시 나타납니다.

— 한 정거장
소스