الانتقال إلى المحتوى
العودة إلى نتائج البحث

نموذج كوكس للمخاطر النسبية — نموذج انحدار لبيانات الوقت حتى وقوع حدث

قدّمه
Sir David Roxbee Cox
السنة
1972
النوع
Semi-parametric regression model
العائلة
Clinical / epidemiology

هذا النص ترجمة آلية ولم تتم مراجعته بعد. اقرأ النص الأصلي بالإنجليزية

حجم الخط

ماذا تفعل؟

نموذج كوكس للمخاطر النسبية هو طريقة انحدار شبه بارامترية تقدّر تأثير متغير واحد أو أكثر من المتغيرات المشتركة على المخاطر — المعدل اللحظي لوقوع حدث مثل الوفاة، أو الانتكاس، أو الفشل — دون افتراض شكل دالة المخاطر الأساسية. تم تقديمه بواسطة ديفيد كوكس في عام 1972، وهو الأداة المهيمنة لتحليل البقاء متعدد المتغيرات في الأبحاث السريرية والوبائية.

الفكرة الحدسية وراء الطريقة

لنفترض أنك تريد معرفة ما إذا كان العمر ونوع العلاج يؤثران بشكل مشترك على سرعة وصول المرضى إلى الهدأة. يجيب نموذج كوكس على هذا السؤال دون أن يتطلب منك تحديد ما إذا كانت المخاطر الأساسية ترتفع، أو تنخفض، أو تظل ثابتة بمرور الوقت. يعمل عن طريق ترتيب أوقات وقوع الأحداث وتقدير أنماط المتغيرات المشتركة المرتبطة بالأحداث المبكرة. افتراض 'المخاطر النسبية' يعني أن نسبة المخاطر بين فردين لهما قيم مختلفة للمتغيرات المشتركة تظل ثابتة بمرور الوقت — إذا كان المريض المعالج أكثر عرضة للتعافي بمرتين في الشهر الثالث، فسيظل أكثر عرضة بمرتين في الشهر الثاني عشر. ينتج كل متغير مشترك نسبة مخاطر: نسبة مخاطر تبلغ 1.5 تعني معدل حدث لحظي أعلى بنسبة 50% لكل وحدة زيادة في هذا المتغير المشترك.

التاريخ

نشر ديفيد كوكس نموذج المخاطر النسبية في ورقة بحثية بارزة عام 1972 في مجلة الجمعية الملكية للإحصاء، السلسلة ب. كان النموذج ثوريًا لأنه سمح بالتكيف مع المتغيرات المشتركة في تحليل البقاء دون تحديد توزيع المخاطر الأساسية. قدم كوكس مفهوم الاحتمالية الجزئية — الذي صاغه بشكل أكمل في ورقة متابعة عام 1975 — مما سمح بالتقدير من ترتيب الأحداث وحده. أصبحت الورقة واحدة من أكثر الأوراق استشهادًا في جميع مجالات الإحصاء ومنحت كوكس لقب فارس. التوسعات بما في ذلك المتغيرات المشتركة المتغيرة زمنيًا، والقواعد الأساسية المُقسّمة طبقيًا، وحدود الهشاشة (التأثيرات العشوائية) جعلت الإطار قابلاً للتطبيق على الإعدادات المجمعة، والأحداث المتكررة، والمخاطر المتنافسة.

متى تُستخدم

استخدم نموذج كوكس عندما يكون نتيجتك هي الوقت حتى وقوع حدث، ويكون هناك استبعاد (لا يتعرض جميع المشاركين للحدث)، وتحتاج إلى التكيف مع المتغيرات المشتركة. إنها الطريقة الافتراضية متعددة المتغيرات لدراسات الأتراب، والتجارب السريرية، وتحليلات السجلات ذات نقاط نهاية البقاء. لا تستخدمها عندما يتم انتهاك افتراض المخاطر النسبية بشدة لجميع المتغيرات المشتركة — فكر في نموذج تسريع فشل الوقت أو بدائل بارامترية مرنة بدلاً من ذلك. تجنبها عندما تكون الأحداث نادرة جدًا مقارنة بعدد المتغيرات المشتركة (أقل من 10 أحداث لكل مُتنبئ هي قاعدة إرشادية معروفة لعدم الاستقرار). للتعرض الفردي بدون متغيرات مشتركة، فإن منحنيات كابلان ماير مع اختبارات لوغاريتم الرتب أبسط وكافية.

الحدود والاعتبارات

  • يجب أن يتحقق افتراض المخاطر النسبية — إذا تغيرت نسب المخاطر بمرور الوقت، فإن التقديرات تكون متوسطة ومن المحتمل أن تكون مضللة.
  • لا ينتج تنبؤات مطلقة لوقت البقاء دون تقدير إضافي للمخاطر الأساسية.
  • يتدهور الأداء عندما تكون الأحداث متفرقة مقارنة بالمتغيرات المشتركة؛ يزداد خطر الإفراط في التجهيز مع أقل من 10 أحداث لكل مُتنبئ.
  • يجب أن يكون الاستبعاد غير مُعلِم؛ إذا انسحب المرضى لأنهم يتدهورون، فإن التقديرات تكون متحيزة.

لا تغني شروط المصدر عن المراجعة العلمية المستقلة أو التحقق بواسطة محرك تحليل.

نقاط القوة

  • لا يتطلب افتراضًا حول شكل المخاطر الأساسية، مما يجعله قويًا عبر مجموعة واسعة من توزيعات وقت البقاء.
  • يتعامل مع الاستبعاد الأيمن بشكل طبيعي، وهو منتشر في بيانات المتابعة السريرية.
  • ينتج نسب مخاطر قابلة للتفسير تُقَدّر التأثير النسبي لكل متغير مشترك على معدل الحدث اللحظي.
  • يمكن توسيعه بسهولة ليشمل التحليلات المُقسّمة طبقيًا، والمتغيرات المشتركة المتغيرة مع الوقت، والبيانات المجمعة (نماذج الهشاشة).
  • تم تنفيذه على نطاق واسع في جميع برامج الإحصاء الرئيسية (R، Stata، SAS، SPSS) مع أدوات تشخيصية راسخة.

التطبيقات

  • تقييم تأثير تخصيص العلاج على البقاء الإجمالي أو البقاء الخالي من التقدم في التجارب السريرية العشوائية.
  • تحديد عوامل التنبؤ بانتكاس المرض أو الوفيات في دراسات السجلات السرطانية ودراسات الأتراب بالمستشفيات.
  • تقدير الارتباط بين التعرض المهني والوقت حتى ظهور الأمراض المزمنة في علم الأوبئة المهني.
  • نمذجة الوقت حتى إعادة دخول المستشفى بعد التكيف مع العمر، والأمراض المصاحبة، وحالة الخروج في أبحاث الخدمات الصحية.
  • تقييم معدلات فشل الأجهزة أو الغرسات المعدلة حسب عوامل خطر على مستوى المريض في دراسات الهندسة الطبية الحيوية.

كيف يعمل

كيف يعمل

1

قبل النمذجة، تحقق من افتراض المخاطر النسبية لكل متغير مشترك باستخدام رسوم بيانية لمخلفات شونفيلد أو اختبار رسمي (ارتباط المخلفات المُقاسة بالوقت). تحقق أيضًا من معدلات الأحداث القريبة من الصفر في شرائح المتغيرات المشتركة، والقيم المتطرفة في وقت المتابعة، وكفاية آلية الاستبعاد — يجب أن يكون الاستبعاد غير مُعلِم للحصول على استدلال صحيح.

2

اكتب دالة المخاطر كـ h(t|X) = h_0(t) * exp(b_1*X_1 + ... + b_p*X_p)، حيث h_0(t) هي المخاطر الأساسية غير المحددة و b_i هي معاملات لوغاريتم المخاطر التي سيتم تقديرها. اختر المتغيرات المشتركة بناءً على نظرية الموضوع أو الأدبيات السابقة، وليس فقط بناءً على قيم p الأحادية المتغيرات؛ قم بتضمين المتغيرات المربكة المعروفة بغض النظر عن أهميتها.

الصيغة
h(t|X) = h_0(t) * exp(b_1*X_1 + ... + b_p*X_p)
3

يتم تقدير المعاملات عن طريق تعظيم الاحتمالية الجزئية، وهي دالة تشترط ترتيب الأحداث المرصودة وتُلغي المخاطر الأساسية. نظرًا لأن المخاطر الأساسية تُحذف، فلا يلزم وجود افتراض توزيعي حول وقت البقاء — ومن هنا جاءت تسمية 'شبه بارامتري'. تتعامل الطريقة مع أوقات الأحداث المتساوية عبر تقريبات بريسلو أو إيفرون.

4

قيّم ملاءمة النموذج باستخدام اختبارات نسبة الاحتمالية اللوغاريتمية، واختبارات والد، واختبارات الدرجة للأهمية الإجمالية. تحقق من تأثير المتغيرات المشتركة الفردية باستخدام مخلفات dfbeta، وقيّم خطية المتنبئات المستمرة باستخدام مخلفات مارتينجال. إذا تم انتهاك افتراض المخاطر النسبية لمتغير مشترك، ففكر في التقسيم الطبقي حسب هذا المتغير أو إضافة حد تفاعل زمني.

5

قم برفع كل معامل أسيًا للحصول على نسبة مخاطر: HR = exp(b_i). نسبة مخاطر أكبر من 1 تشير إلى معدل حدث أعلى (بقاء أقصر)؛ نسبة مخاطر أقل من 1 تشير إلى معدل حدث أقل (بقاء أطول). قم بالإبلاغ عن نسب المخاطر مع فترات ثقة بنسبة 95% وقيم p ثنائية الجانب. تمثل نسبة المخاطر معدلًا نسبيًا لحظيًا، وليس نسبة خطر — قم بتوصيل هذا التمييز بوضوح للجماهير غير المتخصصة.

الصيغة
HR = exp(b_i)

الأخطاء الشائعة

  • تجاهل افتراض المخاطر النسبية — يؤدي الفشل في اختبار الإبلاغ عن مخلفات شونفيلد إلى انتهاكات غير مكتشفة تشوه تقديرات نسب المخاطر عبر فترة المتابعة بأكملها.
  • معاملة نسبة المخاطر كنسبة خطر — نسبة المخاطر هي نسبة معدل لحظي، وليست نسبة خطر تراكمي؛ الإفراط في ترجمتها إلى لغة المخاطر المطلقة يضلل الجماهير السريرية.
  • الإفراط في التجهيز مع عدد كبير جدًا من المتغيرات المشتركة مقارنة بالأحداث — إدخال جميع المتغيرات المرشحة دون النظر إلى نسبة الأحداث لكل متغير يزيد من أخطاء النوع الأول وينتج فترات ثقة غير موثوقة.
  • تجاهل أوقات الأحداث المتساوية — تقريب بريسلو الافتراضي كافٍ للارتباطات القليلة، ولكن الارتباطات الكبيرة تتطلب تقريب إيفرون أو طريقة دقيقة.

الأسئلة الشائعة

ما هو افتراض المخاطر النسبية وكيف أختبره؟

ينص الافتراض على أن نسبة المخاطر بين أي نمطين من المتغيرات المشتركة ثابتة بمرور الوقت. اختبره عن طريق رسم مخلفات شونفيلد المُقاسة مقابل الوقت لكل متغير مشترك — يشير الخط المسطح إلى أن الافتراض صحيح. توفر الدالة cox.zph() في حزمة survival في R الرسم البياني واختبار الارتباط الرسمي؛ تشير قيمة p الهامة إلى انتهاك يجب معالجته عن طريق التقسيم الطبقي أو حد تفاعل زمني.

متى يجب أن أفضل نموذج بقاء بارامتري على نموذج كوكس؟

إذا كانت معرفة الموضوع تدعم بقوة توزيعًا محددًا لأوقات البقاء (مثل Weibull لفشل الجهاز)، فإن النموذج البارامتري الكامل يكون أكثر كفاءة وينتج تنبؤات مباشرة لوقت البقاء المتوسط أو الوسطي. يُفضل نموذج كوكس عندما تكون غير مبالٍ بشكل المخاطر أو عندما تكون متانة النموذج أكثر أهمية من الكفاءة البارامترية — وهو ما يحدث في معظم الأوقات في الأبحاث السريرية.

هل يمكنني استخدام نموذج كوكس مع متغيرات مشتركة متغيرة زمنيًا؟

نعم. صيغة عملية العد لنموذج كوكس تستوعب المتغيرات المشتركة التي تتغير قيمها خلال فترة المتابعة (مثل قيم المختبر المحدثة، أو تغييرات العلاج). يجب إعادة هيكلة مجموعة البيانات إلى تنسيق فترة البدء والتوقف لكل نافذة ملاحظة. هذا مدعوم بالكامل في R (حزمة survival) و Stata و SAS.

كم عدد الأحداث التي أحتاجها؟

قاعدة إرشادية شائعة الاستخدام هي 10 أحداث على الأقل لكل متغير مُتنبئ (EPV) في النموذج. تحت هذا الحد، تصبح تقديرات المعاملات غير مستقرة، وتتسع فترات الثقة، وقد لا يتقارب النموذج بشكل موثوق. بالنسبة للنماذج التي تحتوي على العديد من المتغيرات المرشحة، يمكن للانحدار المُعاقب (ridge، LASSO) أو طرق الانكماش الرسمية تحسين الاستقرار عندما يكون EPV منخفضًا.

ما الفرق بين نموذج كوكس وتحليل المخاطر المتنافسة؟

عندما يكون نوع واحد فقط من الأحداث ممكنًا، ينطبق نموذج كوكس القياسي. تنشأ المخاطر المتنافسة عندما يمكن للمشارك أن يتعرض لواحد من عدة أحداث متعارضة (مثل الوفاة بسبب السرطان مقابل الوفاة لأسباب أخرى). في هذه الحالة، تكون نماذج كوكس الخاصة بالسبب أو نموذج مخاطر التوزيع الفرعي لـ Fine-Gray مناسبة؛ نموذج كوكس القياسي على الحدث محل الاهتمام وحده يبالغ في تقدير معدل الحدوث التراكمي الخاص بالسبب.

طرق ذات صلة

المصادر

  1. Cox, D. R. (1972). Regression models and life-tables. Journal of the Royal Statistical Society: Series B (Methodological), 34(2), 187–202.

    افتح مرجع DOI
    تم النسخ.
  2. Collett, D. (2015). Modelling Survival Data in Medical Research (3rd ed.). CRC Press.

    ردمك: 978-1439856789
    تم النسخ.