Modelo de Riesgos Proporcionales de Cox — Modelo de Regresión para Datos de Tiempo Hasta un Evento
- Propuesto por
- Sir David Roxbee Cox
- Año
- 1972
- Tipo
- Semi-parametric regression model
- Familia
- Clinical / epidemiology
Este texto es una traducción automática y aún no se ha revisado. Leer el original en inglés
¿Qué hace?
El modelo de riesgos proporcionales de Cox es un método de regresión semiparamétrico que estima el efecto de una o más covariables sobre el riesgo instantáneo — la tasa instantánea de un evento como muerte, recaída o fallo — sin hacer suposiciones sobre la forma de la función de riesgo de base.
Introducido por David Cox en 1972, es la herramienta dominante para el análisis de supervivencia multivariable en investigación clínica y epidemiológica.
La intuición detrás del método
Supongamos que desea saber si la edad y el tipo de tratamiento afectan conjuntamente la rapidez con la que los pacientes alcanzan la remisión. El modelo de Cox responde a esto sin requerir que especifique si el riesgo subyacente aumenta, disminuye o se mantiene plano con el tiempo. Funciona clasificando cuándo ocurren los eventos y estimando qué patrones de covariables están asociados con eventos más tempranos. La suposición de 'riesgos proporcionales' significa que la relación de riesgo entre dos individuos con diferentes valores de covariables se mantiene constante con el tiempo; si un paciente tratado tiene el doble de probabilidades de recuperarse en el mes 3, sigue teniendo el doble de probabilidades en el mes 12. Cada covariable produce un cociente de riesgos: un HR de 1.5 significa una tasa de eventos instantánea un 50 % mayor por cada unidad de aumento en esa covariable.
Historia
David Cox publicó el modelo de riesgos proporcionales en un artículo histórico de 1972 en el Journal of the Royal Statistical Society, Series B. El modelo fue revolucionario porque permitió el ajuste de covariables en el análisis de supervivencia sin especificar la distribución del riesgo de base. Cox introdujo el concepto de verosimilitud parcial — que formalizó más completamente en un seguimiento de 1975 — permitiendo la estimación a partir del orden de los eventos solamente. El artículo se convirtió en uno de los más citados en toda la estadística y le aseguró a Cox un título nobiliario. Extensiones que incluyen covariables dependientes del tiempo, bases estratificadas y términos de fragilidad (efectos aleatorios) han hecho que el marco sea aplicable a entornos de datos agrupados, eventos recurrentes y riesgos competitivos.
Cuándo usarlo
Utilice el modelo de Cox cuando su resultado sea tiempo hasta un evento, haya censura (no todos los participantes experimentan el evento) y necesite ajustar por covariables. Es el método multivariable predeterminado para estudios de cohortes, ensayos clínicos y análisis de registros con puntos finales de supervivencia. No lo utilice cuando la suposición de riesgos proporcionales se viola gravemente en todas las covariables; considere un modelo de tiempo de fallo acelerado o alternativas paramétricas flexibles en su lugar. Evítelo cuando los eventos son muy raros en relación con el número de covariables (menos de 10 eventos por predictor es una regla general reconocida para la inestabilidad). Para una única exposición sin covariables, las curvas de Kaplan-Meier con pruebas de log-rank son más sencillas y suficientes.
Limitaciones y consideraciones
- La suposición de riesgos proporcionales debe cumplirse; si los cocientes de riesgos cambian con el tiempo, las estimaciones se promedian y son potencialmente engañosas.
- No produce predicciones absolutas de tiempo de supervivencia sin una estimación adicional del riesgo de base.
- El rendimiento se degrada cuando los eventos son escasos en relación con las covariables; el riesgo de sobreajuste aumenta con menos de 10 eventos por predictor.
- La censura debe ser no informativa; si los pacientes abandonan porque están deteriorándose, las estimaciones están sesgadas.
Las condiciones de la fuente no sustituyen una revisión científica independiente ni la validación por un motor de análisis.
Fortalezas
- No requiere suposiciones sobre la forma del riesgo de base, lo que lo hace robusto en una amplia gama de distribuciones de tiempo de supervivencia.
- Maneja la censura a la derecha de forma natural, que es ubicua en los datos de seguimiento clínico.
- Produce cocientes de riesgos interpretables que cuantifican el efecto relativo de cada covariable sobre la tasa de eventos instantánea.
- Se extiende fácilmente a análisis estratificados, covariables dependientes del tiempo y datos agrupados (modelos de fragilidad).
- Ampliamente implementado en todo el software estadístico principal (R, Stata, SAS, SPSS) con herramientas de diagnóstico bien establecidas.
Aplicaciones
- Evaluar el efecto de la asignación del tratamiento sobre la supervivencia general o la supervivencia libre de progresión en ensayos clínicos aleatorizados.
- Identificar factores pronósticos de recurrencia de la enfermedad o mortalidad en estudios de cohortes hospitalarias y registros de cáncer.
- Estimar la asociación entre exposiciones ocupacionales y el tiempo hasta la aparición de enfermedades crónicas en epidemiología ocupacional.
- Modelar el tiempo hasta la readmisión hospitalaria después de ajustar por edad, comorbilidades y estado de alta en investigación de servicios de salud.
- Evaluar las tasas de fallo de dispositivos o implantes ajustadas por factores de riesgo a nivel del paciente en estudios de ingeniería biomédica.
Cómo funciona
Cómo funciona
Antes de modelar, verifique la suposición de riesgos proporcionales para cada covariable utilizando gráficos de residuos de Schoenfeld o una prueba formal (correlación de residuos escalados con el tiempo). Verifique también las tasas de eventos cercanas a cero en estratos de covariables, los valores atípicos extremos en el tiempo de seguimiento y la adecuación del mecanismo de censura; la censura debe ser no informativa para una inferencia válida.
Escriba la función de riesgo como h(t|X) = h_0(t) * exp(b_1*X_1 + ... + b_p*X_p), donde h_0(t) es el riesgo de base no especificado y los b_i son los coeficientes de log-riesgo a estimar. Seleccione las covariables basándose en la teoría del tema o la literatura previa, no puramente en valores p univariables; incluya los confundidores conocidos independientemente de su significancia.
Fórmula
h(t|X) = h_0(t) * exp(b_1*X_1 + ... + b_p*X_p)
Los coeficientes se estiman maximizando la verosimilitud parcial, una función que condiciona el orden de los eventos observados y cancela el riesgo de base. Dado que el riesgo de base se cancela, no se requiere ninguna suposición de distribución sobre el tiempo de supervivencia; de ahí 'semiparamétrico'. El método maneja los tiempos de eventos empatados a través de las aproximaciones de Breslow o Efron.
Evalúe el ajuste del modelo con pruebas de razón de verosimilitud logarítmica, Wald y score para la significancia general. Verifique la influencia de covariables individuales con residuos dfbeta y evalúe la linealidad de los predictores continuos utilizando residuos de martingala. Si la suposición de riesgos proporcionales se viola para una covariable, considere la estratificación por esa variable o la adición de un término de interacción temporal.
Exponencie cada coeficiente para obtener un cociente de riesgos: HR = exp(b_i). Un HR > 1 indica una tasa de eventos más alta (supervivencia más corta); un HR < 1 indica una tasa de eventos más baja (supervivencia más larga). Reporte los HR con intervalos de confianza del 95 % y valores p bilaterales. El HR representa una tasa relativa instantánea, no un cociente de riesgos; comunique claramente esta distinción a audiencias no especializadas.
Fórmula
HR = exp(b_i)
Errores comunes
- Ignorar la suposición de riesgos proporcionales — no probar y reportar los residuos de Schoenfeld conduce a violaciones no detectadas que distorsionan las estimaciones de los cocientes de riesgos durante todo el período de seguimiento.
- Tratar el cociente de riesgos como un cociente de riesgo — el HR es un cociente de tasas instantáneas, no un cociente de riesgos acumulativos; traducirlo en exceso a un lenguaje de riesgo absoluto engaña a las audiencias clínicas.
- Sobreajuste con demasiadas covariables en relación con los eventos — introducir todas las variables candidatas sin considerar la proporción de eventos por variable infla los errores de tipo I y produce IC poco fiables.
- Ignorar los tiempos de eventos empatados — la aproximación de Breslow por defecto es adecuada para pocos empates, pero empates sustanciales requieren la aproximación de Efron o un método exacto.
Preguntas frecuentes
¿Cuál es la suposición de riesgos proporcionales y cómo la pruebo?
La suposición establece que el cociente de riesgos entre dos patrones de covariables cualesquiera es constante en el tiempo. Pruébela graficando los residuos de Schoenfeld escalados contra el tiempo para cada covariable; una línea plana sugiere que la suposición se cumple. La función cox.zph() en el paquete survival de R proporciona tanto el gráfico como una prueba de correlación formal; un valor p significativo indica una violación que debe abordarse mediante estratificación o un término de interacción temporal.
¿Cuándo debo preferir un modelo de supervivencia paramétrico sobre el modelo de Cox?
Si el conocimiento del tema apoya firmemente una distribución específica para los tiempos de supervivencia (por ejemplo, Weibull para fallos de dispositivos), un modelo totalmente paramétrico es más eficiente y produce predicciones directas del tiempo de supervivencia mediano o medio. El modelo de Cox es preferible cuando se es agnóstico sobre la forma del riesgo o cuando la robustez del modelo importa más que la eficiencia paramétrica, lo que ocurre la mayor parte del tiempo en la investigación clínica.
¿Puedo usar el modelo de Cox con covariables dependientes del tiempo?
Sí. La formulación de proceso de conteo del modelo de Cox acomoda covariables cuyos valores cambian durante el período de seguimiento (por ejemplo, valores de laboratorio actualizados, cambios de tratamiento). El conjunto de datos debe reestructurarse en un formato de intervalo de inicio-fin para cada ventana de observación. Esto está totalmente soportado en R (paquete survival), Stata y SAS.
¿Cuántos eventos necesito?
Una heurística comúnmente utilizada es al menos 10 eventos por variable predictora (EPV) en el modelo. Por debajo de este umbral, las estimaciones de los coeficientes se vuelven inestables, los intervalos de confianza se amplían y el modelo puede no converger de manera fiable. Para modelos con muchas covariables candidatas, la regresión penalizada (ridge, LASSO) o métodos de contracción formales pueden mejorar la estabilidad cuando la EPV es baja.
¿Cuál es la diferencia entre el modelo de Cox y el análisis de riesgos competitivos?
Cuando solo es posible un tipo de evento, se aplica el modelo de Cox estándar. Los riesgos competitivos surgen cuando un sujeto puede experimentar uno de varios eventos mutuamente excluyentes (por ejemplo, muerte específica por cáncer frente a muerte por otras causas). En ese entorno, los modelos de Cox específicos de causa o el modelo de riesgo de subdistribución de Fine-Gray son apropiados; el modelo de Cox estándar sobre el evento de interés por sí solo sobreestima la incidencia acumulada específica de causa.
Métodos relacionados
Fuentes
Cox, D. R. (1972). Regression models and life-tables. Journal of the Royal Statistical Society: Series B (Methodological), 34(2), 187–202.
Abrir referencia DOICopiado.Collett, D. (2015). Modelling Survival Data in Medical Research (3rd ed.). CRC Press.
ISBN: 978-1439856789Copiado.