热度 4|
生存分析(十八)
上篇博文,小胖简单介绍了Cox Proportional Hazards Model的基本公式:
h(t)=h0(t)*exp(β1X1+β2X2+...+βkXk)
其实这个公式中最大的玄机便在于h0(t)部分。h0(t)为什么叫baseline hazard function呢?从上边公式可以得出,如果所有的x值都等于0的话,那么h(t)=h0(t),另外如果对这个model进行reduce,不纳入x,那么还是h(t)=h0(t),因此我们可以把h0(t)看作是不考虑任何协变量前基线或起始版的hazard function。
另外,关于h0(t)最重要的一点便是它是一个unspecified的非负数基础风险函数,即Cox PH model不需要你选择某种特定的概率分布来描述survival times,因此Cox Proportional Hazards Model是一个semiparametric model(半参数模型),即:
(1)对h0(t)没有任何assumption (模型的非参数部分)
(2)反应协变量对hazard的影响的部分即exp(β1X1+β2X2+...+βkXk) (模型的参数部分)
而Cox PH model这一semiparametric的特性正是它如此流行的一个重要原因。大家都知道,生存分析中有很多分布,如指数分布、weibull分布等等,如果确认生存时间服从某种特定的分布,我们就可以采用相应的参数模型。但是很多情况下,尽管我们有很多方法来评估参数模型的拟合优度,但我们还是可能无法完全确认我们给出的参数模型是否是准确的。这时Cox PH model就是一个安全的选择,它对生存分布没有特定要求,你就不必担心你会选择错参数模型了,而且其得出的结果与你选择正确的参数模型得出的结果十分类似。因此从这个意义上来说,Cox PH model是一个robust的model。
手机版|会员|至尊|接种|公卫人 ( 沪ICP备06060850号-3 )
GMT+8, 2024-5-17 11:31 , Processed in 0.028429 second(s), 6 queries , Gzip On, MemCached On.
Powered by Discuz! X3.4
© 2001-2023 Discuz! Team.