Stata软件之区间删失Cox模型

• 真正的半参数建模

• 左删失、右删失、区间删失

• 当期状态和一般区间删失数据

• 单记录或多记录数据

• 分层估计

• 时变协变量

• 基线风险的两个估计量

• 稳健和集群——稳健的标准误差

• 生存函数、累积风险函数和风险函数图

• 残差诊断

• 比例风险假设的图形检验

• 拟合优度的图形检验

您知道确切的失效次数或事件次数吗?

即使不知道，也可以在Stata中拟合Cox比例风险模型。

拟合模型

Cox比例风险模型广泛应用于右删失事件时间数据，因为它不需要基线风险函数的参数化，并且在比例风险假设下，风险比随时间是恒定的。

如果我们知道确切的故障时间，我们可以使用stcox命令拟合Cox比例风险模型。比如，我们可以输入：

. stcox age_mean i.inject

研究平均年龄和注射状态对失败次数的影响。

用区间删失数据来拟合Cox比例风险模型也是很容易的，因为我们只知道失效发生在两个时间点之间的某一时刻。对于每个受试者的单个记录数据，我们在stintcox的interval（）选项中指定包含失败时间的上限和下限的变量。

. stintcox age_mean i.inject, interval(ltime rtime)

用图表显示结果

使用stcurve绘制幸存者、危险或累积危险函数。

. stcurve, survival at(inject = (0 1))

检验比例风险假设

我们可以使用stintphplot命令以图形方式评估比例危险假设。

. stintphplot, interval(ltime rtime) by(inject) adjustfor(age_mean)

或者，我们可以在拟合模型时检验这一假设。指定tvc ( )选项将协变量与时间交互，并检验时间交互协变量的协系数等于零。

. stintcox age_mean i.inject, interval(ltime rtime) tvc(age_mean i.inject)

预测基线生存函数

对于每个个体，我们可以预测与我们区间的下限和上限相对应的基线生存函数。

输入或指向并单击