Kaplan-Meier(KM) 與 Cox 回歸

我對生存分析很陌生。我正在尋找這兩種方法之間的差異 - Kaplan-Meier(KM) 與 Cox 回歸。

1. KM 生存分析不能使用多個預測變量，而 Cox 回歸可以。
2. KM 生存分析只能在單個二元預測器上運行，而 Cox 回歸可以使用連續和二元預測器。
3. KM 是一個非參數過程，而 Cox 回歸是一個半參數過程。

請檢查以上幾點。如果不完整或不正確，請提出更改建議。

對於與我的假設相關的任何事情，我通常會嘗試使用 KM 作為描述性統計數據和 Cox 回歸。關於你的問題：

1. 理論上，您可以將 KM 分析拆分為任意數量的子組，唯一的限制是數據的大小。這是一種相當低效的方法，但您可以顯示患有糖尿病的女性、沒有糖尿病的女性、患有糖尿病的男性和沒有糖尿病的男性的 KM 生存曲線。
2. 正確的。您可以對連續變量進行分類，從而擁有一個可用於拆分的分類變量。請注意，二進制不是必需的，您需要一個分類變量。
3. 正確的。一開始我很害怕參數程序，因為它們依賴於我發現很難測試的假設，而且我喜歡乾淨的非參數測試。不幸的是，非參數測試雖然在數學上是穩健的，但通常很難解釋。例如，低 p 值通常僅表明組不同，但它幾乎沒有傳達它們在哪些方面不同。

引用自：https://stats.stackexchange.com/questions/195555