Skip to content
بازگشت به نتایج جست‌وجو

مدل رگرسیون کوکس (Cox Proportional Hazards)

معرفی‌شده توسط
Sir David Roxbee Cox
سال
1972
نوع
Semi-parametric regression model
خانواده
Clinical / epidemiology

این متن ترجمه ماشینی است و هنوز بازبینی نشده است. متن اصلی را به انگلیسی بخوانید

اندازه قلم

چه کاری انجام می‌دهد؟

مدل کوکس یک روش رگرسیون نیمه‌پارامتری است که اثر یک یا چند متغیر کمکی (covariate) را بر نرخ خطر (hazard) - نرخ لحظه‌ای وقوع رویداد مانند مرگ، عود بیماری، یا شکست - تخمین می‌زند، بدون اینکه هیچ فرضی در مورد شکل تابع خطر پایه (baseline hazard function) داشته باشد. این مدل که توسط دیوید کوکس در سال ۱۹۷۲ معرفی شد، ابزار غالب برای تحلیل بقا چندمتغیره در تحقیقات بالینی و اپیدمیولوژیک است.

شهود پشت روش

فرض کنید می‌خواهید بدانید آیا سن و نوع درمان به طور مشترک بر سرعت بهبودی بیماران تأثیر می‌گذارند. مدل کوکس بدون نیاز به تعیین اینکه آیا خطر زمینه‌ای در طول زمان افزایش، کاهش یا ثابت می‌ماند، به این سؤال پاسخ می‌دهد. این مدل با رتبه‌بندی زمان وقوع رویدادها و تخمین اینکه کدام الگوهای متغیر کمکی با رویدادهای زودتر مرتبط هستند، کار می‌کند. فرض «خطرات متناسب» (proportional hazards) به این معنی است که نسبت خطر بین دو فرد با مقادیر مختلف متغیر کمکی در طول زمان ثابت می‌ماند - اگر یک بیمار تحت درمان دو برابر احتمال بهبودی در ماه سوم داشته باشد، این احتمال در ماه دوازدهم نیز دو برابر باقی می‌ماند. هر متغیر کمکی یک نسبت خطر (hazard ratio) تولید می‌کند: نسبت خطر ۱.۵ به معنای ۵۰٪ نرخ رویداد لحظه‌ای بالاتر به ازای هر واحد افزایش در آن متغیر کمکی است.

تاریخ

دیوید کوکس مدل خطرات متناسب را در مقاله‌ای برجسته در سال ۱۹۷۲ در مجله انجمن سلطنتی آمار، سری B منتشر کرد. این مدل انقلابی بود زیرا امکان تنظیم متغیرهای کمکی در تحلیل بقا را بدون تعیین توزیع خطر پایه فراهم می‌کرد. کوکس مفهوم احتمال جزئی را معرفی کرد - که او آن را در پیگیری سال ۱۹۷۵ به طور کامل‌تر فرموله کرد - که امکان تخمین تنها از روی ترتیب رویدادها را فراهم می‌کرد. این مقاله به یکی از پر استنادترین مقالات در تمام آمار تبدیل شد و کوکس را به مقام شوالیه رساند. پس از آن، بسط‌هایی شامل متغیرهای کمکی وابسته به زمان، پایه‌های طبقه‌بندی شده، و شکنندگی (اثرات تصادفی) چارچوب را برای محیط‌های خوشه‌ای، رویدادهای مکرر و خطرات رقیب قابل اجرا کرده است.

چه زمانی استفاده شود

هنگامی که پیامد شما زمان تا رویداد است، حذف (censoring) وجود دارد (همه شرکت‌کنندگان رویداد را تجربه نمی‌کنند)، و نیاز به تنظیم برای متغیرهای کمکی دارید، از مدل کوکس استفاده کنید. این مدل، روش پیش‌فرض چندمتغیره برای مطالعات کوهورت، کارآزمایی‌های بالینی و تحلیل‌های ثبتی با نقاط پایانی بقا است. زمانی که فرض خطرات متناسب به شدت برای همه متغیرهای کمکی نقض می‌شود، از آن استفاده نکنید - در عوض مدل شتاب‌دهنده زمان شکست (accelerated failure time model) یا جایگزین‌های پارامتری انعطاف‌پذیر را در نظر بگیرید. زمانی که رویدادها نسبت به تعداد متغیرهای کمکی بسیار نادر هستند (کمتر از ۱۰ رویداد به ازای هر پیش‌بینی‌کننده یک قاعده سرانگشتی شناخته شده برای ناپایداری است) از آن اجتناب کنید. برای یک مواجهه منفرد بدون متغیرهای کمکی، منحنی‌های کاپلان-مایر (Kaplan-Meier) با آزمون‌های لگ-رنک (log-rank) ساده‌تر و کافی هستند.

محدودیت‌ها و ملاحظات

  • فرض خطرات متناسب باید برقرار باشد - اگر نسبت‌های خطر در طول زمان تغییر کنند، تخمین‌ها میانگین‌گیری شده و بالقوه گمراه‌کننده هستند.
  • پیش‌بینی‌های مطلق زمان بقا را بدون تخمین اضافی خطر پایه تولید نمی‌کند.
  • عملکرد زمانی که رویدادها نسبت به متغیرهای کمکی پراکنده هستند، کاهش می‌یابد؛ خطر بیش‌برازش (overfitting) با کمتر از ۱۰ رویداد به ازای هر پیش‌بینی‌کننده افزایش می‌یابد.
  • حذف باید غیرمطلع‌کننده باشد؛ اگر بیماران به دلیل وخامت حالشان حذف شوند، تخمین‌ها مغرضانه خواهند بود.

شرایط منبع جایگزین بررسی علمی مستقل یا اعتبارسنجی توسط موتور تحلیل نیست.

نقاط قوت

  • نیازی به فرض در مورد شکل خطر پایه ندارد و آن را در طیف وسیعی از توزیع‌های زمان بقا قوی می‌سازد.
  • حذف سمت راست (right-censoring) را به طور طبیعی مدیریت می‌کند که در داده‌های پیگیری بالینی همه‌جا حاضر است.
  • نسبت‌های خطر قابل تفسیر تولید می‌کند که اثر نسبی هر متغیر کمکی را بر نرخ رویداد لحظه‌ای کمی می‌کند.
  • به راحتی به تحلیل‌های طبقه‌بندی شده، متغیرهای کمکی وابسته به زمان، و داده‌های خوشه‌ای (مدل‌های شکنندگی - frailty models) تعمیم داده می‌شود.
  • به طور گسترده در تمام نرم‌افزارهای آماری اصلی (R، Stata، SAS، SPSS) با ابزارهای تشخیصی تثبیت شده پیاده‌سازی شده است.

کاربردها

  • ارزیابی اثر تخصیص درمان بر بقای کلی یا بقای بدون پیشرفت در کارآزمایی‌های بالینی تصادفی.
  • شناسایی عوامل پیش‌آگهی برای عود بیماری یا مرگ‌ومیر در مطالعات کوهورت ثبتی سرطان و بیمارستانی.
  • تخمین ارتباط بین مواجهات شغلی و زمان شروع بیماری مزمن در اپیدمیولوژی شغلی.
  • مدل‌سازی زمان بستری مجدد در بیمارستان پس از تنظیم برای سن، بیماری‌های همراه، و وضعیت ترخیص در تحقیقات خدمات بهداشتی.
  • ارزیابی نرخ شکست دستگاه یا ایمپلنت تنظیم شده برای عوامل خطر در سطح بیمار در مطالعات مهندسی پزشکی.

چگونه کار می‌کند

چگونه کار می‌کند

1

قبل از مدل‌سازی، فرض خطرات متناسب را برای هر متغیر کمکی با استفاده از نمودارهای باقیمانده شونفلد (Schoenfeld residual plots) یا یک آزمون رسمی (همبستگی باقیمانده‌های مقیاس‌شده با زمان) بررسی کنید. همچنین نرخ‌های رویداد نزدیک به صفر در طبقه‌های متغیر کمکی، داده‌های پرت شدید در زمان پیگیری، و کفایت مکانیزم حذف (censoring) را بررسی کنید - حذف باید غیرمطلع‌کننده (non-informative) باشد تا استنتاج معتبر باشد.

2

تابع خطر را به صورت h(t|X) = h_0(t) * exp(b_1*X_1 + ... + b_p*X_p) بنویسید، که در آن h_0(t) خطر پایه نامشخص و b_i ضرایب لگاریتم خطر هستند که باید تخمین زده شوند. متغیرهای کمکی را بر اساس تئوری موضوعی یا ادبیات قبلی انتخاب کنید، نه صرفاً بر اساس مقادیر p تک‌متغیره؛ متغیرهای مخدوش‌کننده (confounders) شناخته شده را صرف نظر از اهمیت آماری آن‌ها لحاظ کنید.

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

ضرایب با حداکثر کردن احتمال جزئی (partial likelihood) تخمین زده می‌شوند، تابعی که بر اساس ترتیب رویدادهای مشاهده شده شرطی می‌شود و خطر پایه را حذف می‌کند. از آنجایی که خطر پایه حذف می‌شود، هیچ فرض توزیعی در مورد زمان بقا لازم نیست - بنابراین «نیمه‌پارامتری» نامیده می‌شود. این روش با استفاده از تقریب‌های برسلو (Breslow) یا افرون (Efron) با زمان‌های رویداد گره‌خورده (tied event times) برخورد می‌کند.

4

برازش مدل را با آزمون‌های نسبت درستنمایی (log-likelihood ratio)، والد (Wald) و امتیاز (score) برای اهمیت کلی ارزیابی کنید. تأثیر متغیر کمکی منفرد را با باقیمانده‌های dfbeta بررسی کنید و خطی بودن پیش‌بینی‌کننده‌های پیوسته را با استفاده از باقیمانده‌های مارتینگل (martingale residuals) ارزیابی کنید. اگر فرض خطرات متناسب برای یک متغیر کمکی نقض شد، طبقه‌بندی (stratification) بر اساس آن متغیر یا افزودن یک جمله تعاملی زمانی را در نظر بگیرید.

5

هر ضریب را توان‌رسانی کنید تا نسبت خطر به دست آید: HR = exp(b_i). نسبت خطر بزرگتر از ۱ نشان‌دهنده نرخ رویداد بالاتر (بقا کوتاه‌تر) است؛ نسبت خطر کمتر از ۱ نشان‌دهنده نرخ رویداد پایین‌تر (بقا طولانی‌تر) است. نسبت‌های خطر را همراه با فواصل اطمینان ۹۵٪ و مقادیر p دوطرفه گزارش دهید. نسبت خطر نشان‌دهنده نرخ نسبی لحظه‌ای است، نه نسبت خطر تجمعی (risk ratio) - این تمایز را به وضوح به مخاطبان غیرمتخصص منتقل کنید.

فرمول
HR = exp(b_i)

دام‌های رایج

  • نادیده گرفتن فرض خطرات متناسب - عدم آزمون و گزارش باقیمانده‌های شونفلد منجر به نقض‌های کشف نشده‌ای می‌شود که تخمین‌های نسبت خطر را در کل دوره پیگیری تحریف می‌کند.
  • رفتار با نسبت خطر به عنوان نسبت خطر تجمعی (risk ratio) - نسبت خطر، نسبت نرخ لحظه‌ای است، نه نسبت خطر تجمعی؛ ترجمه بیش از حد آن به زبان خطر مطلق، مخاطبان بالینی را گمراه می‌کند.
  • بیش‌برازش با تعداد زیاد متغیرهای کمکی نسبت به رویدادها - وارد کردن همه متغیرهای کاندید بدون در نظر گرفتن نسبت رویداد به متغیر، خطاهای نوع اول را افزایش داده و فواصل اطمینان غیرقابل اعتماد تولید می‌کند.
  • نادیده گرفتن زمان‌های رویداد گره‌خورده - تقریب پیش‌فرض برسلو برای گره‌های کم کافی است، اما گره‌های قابل توجه نیاز به تقریب افرون یا روش دقیق دارند.

پرسش‌های متداول

فرض خطرات متناسب چیست و چگونه آن را آزمون کنم؟

این فرض بیان می‌کند که نسبت خطر بین هر دو الگوی متغیر کمکی در طول زمان ثابت است. با رسم نمودار باقیمانده‌های شونفلد مقیاس‌شده در برابر زمان برای هر متغیر کمکی، آن را آزمون کنید - یک خط صاف نشان‌دهنده برقراری فرض است. تابع cox.zph() در بسته survival در R هم نمودار و هم آزمون همبستگی رسمی را ارائه می‌دهد؛ یک مقدار p معنی‌دار نشان‌دهنده نقضی است که باید با طبقه‌بندی یا جمله تعاملی زمانی برطرف شود.

چه زمانی باید مدل بقای پارامتری را به مدل کوکس ترجیح دهم؟

اگر دانش موضوعی به شدت از یک توزیع خاص برای زمان‌های بقا پشتیبانی می‌کند (مثلاً وایبول برای شکست دستگاه)، یک مدل کاملاً پارامتری کارآمدتر است و پیش‌بینی‌های مستقیمی از زمان بقای میانه یا میانگین ارائه می‌دهد. مدل کوکس زمانی ترجیح داده می‌شود که شما در مورد شکل خطر بی‌اطلاع هستید یا زمانی که استحکام مدل بیش از کارایی پارامتری اهمیت دارد - که بیشتر اوقات در تحقیقات بالینی این‌گونه است.

آیا می‌توانم از مدل کوکس با متغیرهای کمکی وابسته به زمان استفاده کنم؟

بله. فرمول‌بندی فرآیند شمارش (counting-process formulation) مدل کوکس متغیرهای کمکی را که مقادیرشان در طول دوره پیگیری تغییر می‌کند (مانند مقادیر آزمایشگاهی به‌روز شده، تغییر درمان) می‌پذیرد. مجموعه داده باید برای هر پنجره مشاهده به فرمت شروع-توقف بازسازی شود. این در R (بسته survival)، Stata و SAS کاملاً پشتیبانی می‌شود.

به چند رویداد نیاز دارم؟

یک قاعده سرانگشتی رایج، حداقل ۱۰ رویداد به ازای هر متغیر پیش‌بینی‌کننده (EPV) در مدل است. در زیر این آستانه، تخمین ضرایب ناپایدار می‌شوند، فواصل اطمینان گسترده‌تر می‌شوند و مدل ممکن است به طور قابل اعتماد همگرا نشود. برای مدل‌هایی با تعداد زیادی متغیر کاندید، رگرسیون جریمه‌شده (penalised regression) (ridge، LASSO) یا روش‌های انقباض رسمی می‌توانند پایداری را در صورت کم بودن EPV بهبود بخشند.

تفاوت مدل کوکس و تحلیل خطرات رقیب چیست؟

هنگامی که تنها یک نوع رویداد امکان‌پذیر است، مدل استاندارد کوکس اعمال می‌شود. خطرات رقیب زمانی رخ می‌دهند که یک فرد بتواند یکی از چندین رویداد انحصاری متقابل را تجربه کند (مثلاً مرگ ناشی از سرطان در مقابل مرگ ناشی از علل دیگر). در آن حالت، مدل‌های کوکس علت-ویژه (cause-specific Cox models) یا مدل خطر زیرتوزیع فاین-گری (Fine-Gray subdistribution hazard model) مناسب هستند؛ مدل استاندارد کوکس بر روی رویداد مورد علاقه به تنهایی، میزان وقوع تجمعی علت-ویژه را بیش از حد تخمین می‌زند.

روش‌های مرتبط

منابع

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

    باز کردن مرجع DOI
    کپی شد.
  2. Collett, D. (2015). Modelling Survival Data in Medical Research (3rd ed.). CRC Press.

    شابک: 978-1439856789
    کپی شد.