Introduktion til overlevelsesanalyse - Cox regression III

More documents

Recommendations

Info

u n i v e r s i t y o f c o p e n h a g e n d e p a r t m e n t o f b i o s t a t i s t i c s Grafisk modelkontrol via log(-log(overlevelse)) For <strong>Cox</strong>-modellen er overlevelseskurven givet den forklarende variabel X i = I(patient i behandlet) { S(t | X i ) = S 0 (t) exp(βX i) S0 (t) = exp(β) hvis i får behandling S 0 (t) hvis i får placebo. Det betyder at log(− log(S(t | X i ))) = log(− log(S 0 (t))) + βX i svarende <strong>til</strong> at differensen log(− log(S(t | X i ))) − log(− log(S(t | X j ))) = β(X i − X j ) mellem to individer i og j ikke afhænger af tiden t, dvs at overlevelseskurverne er parallelle som funktion af t. log(-log(·))-funktionen kaldes også for cloglog-funktionen. 32 / 44
u n i v e r s i t y o f c o p e n h a g e n d e p a r t m e n t o f b i o s t a t i s t i c s cloglog-kurver for kategoriske variable Med kategoriske forklarende variable kan vi estimere overlevelseskurven for hvert niveau af variablen ved Kaplan-Meier-kurven og plotte log(-log(S))-kurverne i ét plot: Behandling logWBC −2.0 −1.0 0.0 1.0 Placebo Behandling −2.5 −1.5 −0.5 0.5 Lav Mellem Høj 1 2 5 10 20 1 2 5 10 20 Køn −3.0 −2.0 −1.0 0.0 Mand Kvinde OBS! Bemærk log-skala på x-aksen (default i R). 1 2 5 10 20 33 / 44
Page 1 and 2: u n i v e r s i t y o f c o p e n h
Page 31: u n i v e r s i t y o f c o p e n h

Introduktion til overlevelsesanalyse - Cox regression III

Create successful ePaper yourself

Delete template?

Save as template?