Tllsi analzis Cox proportional hazards analzis tbbvltozs analzis

Túlélési analízis, Cox „proportional hazards” analízis, többváltozós analízis

Miért kell többváltozós modellekhez folyamodnunk (a túlélési analízis során)? • Többváltozós világban élünk, mindennel összefügg, egy eseményre több tényező is hatást gyakorol • A többváltozós analízis segítségével lehet megítélni, hogy egy-egy rizikófaktornak (predictor) milyen relatív súlya van a megfigyelt esemény bekövetkeztében (a többiekhez hasonlítva, predictorok, confounderek, supresserek) • Többváltozós analízissel lehet vizsgálni, hogy az adott változónak a többi változóhoz képest független hatása van-e az eseményre

Rizikó faktor • Az esemény bekövetkezésével látszólag okokozati kapcsolatban álló tényező, azaz magyarázó változó Magas koleszterin AMI • A túlélési analízis arra a kérdésre ad választ, hogy mekkora valószínűsége egy esemény bekövetkeztének a rizikófaktor pozitív csoportban, a rizikófaktor negatív csoporthoz képest. • HR: 1. 26 (26%-os rizikó fokozódás)

Rizikó faktor • Az esemény bekövetkezésével látszólag ok-okozati kapcsolatban álló tényező Magas koleszterin AMI Öngyújtó a zsebben Tüdőrák

Rizikófaktor Pathomechanizmus Betegség Hipotetikus direkt kapcsolat Többlépcsős kapcsolat Szövevényes kapcsolat

Öngyújtó a zsebben Tüdőrák Direkt kapcsolat? Dohányzás, mint confounding variable Dohányzás

Rizikófaktor Nincs betegség Gátló faktor jelenléte (suppresser) Suppresser

Rizikófaktor Betegség Jelen van Súlyos Nincs jelen Enyhe Interakciós változó

Cox proportional hazard regresion model • Függő változó: túlélési idő. • Független változó(k): prediktorok (risk factors), confounderek, suppresserek, interacting variables • A túlélési idő eloszlásával kapcsolatban nincs előfeltétel, non-paraméteres tesztnek tekinthető • Előzetes feltételezés – Arányosság (proportionality): a hazard a független változók értékével arányosan nő (és nem függ az időtől) – Speciális eset: időfüggő független változó (pl. életkor)

A rizikófaktorok jellegzetességei • Igen/nem típusú (pl. koponya trauma hasi sérüléssel vagy anélkül) • Binomiálissá alakítható ismeretek, konszenzus, vagy józan ész szerint (kóros vércukor/ nem kóros) • Mi a helyzet a folytonos változókkal? – Emészthetővé alakítható? („magas” vs. „alacsony”; ) – Standardizálás (elfogadott az 1 SD egységre való kifejezés, de ettől eltérés is lehet) – Matematikailag helyes de sokszor nehezen értelmezhető a nyers eredmények modellbe illesztése (ld. példa)

A Cox modell eredményének értelmezése • B: regressziós koefficiens • Béta: standardizált regressziós koefficiens (mean: 0, SD: 1) • Hazard Rate: annak a valószínűsége, hogy a megfigyelési időszak alatt az esemény bekövetkezik (a béta exponenciálisa, eb ) • Wald chi-négyzet (p): az egyes koefficiensek szignifikanciájának megítélésére alkalmas mutató

Dependent Variable: survival time (Cox_gyak. sta) Censoring var. : exit Chi 2 = 25, 5290 df = 1 p = , 00000 BNP/SD Beta Standard - Error t-value exponent - beta Wald - Statist. p 0, 502960 0, 078769 6, 385227 1, 653609 40, 77112 0, 000000