非比例危害的建議

這是一個困擾我很久的問題，我在教科書、谷歌或 Stack Exchange 中都沒有找到好的答案。

我有超過 100,000 名患者的數據集，正在比較四種治療方法。研究問題是在調整了一堆臨床/人口變量後，這些治療之間的生存率是否不同。未調整的 KM 曲線如下。

我使用的每種方法都顯示了非比例風險（例如，未調整的對數生存曲線以及與時間的相互作用以及 Schoenfield 殘差和排名生存時間的相關性，這些都是基於調整後的 Cox PH 模型）。對數生存曲線如下。如您所見，不成比例的形式是一團糟。雖然單獨進行兩組比較都不會太難處理，但我有六個比較的事實確實讓我感到困惑。我的猜測是，我無法在一個模型中處理所有事情。

我正在尋找有關如何處理這些數據的建議。考慮到比較的數量和不同形式的非比例性，使用擴展的 Cox 模型對這些影響進行建模可能是不可能的。鑑於他們對治療差異感興趣，整體分層模型不是一種選擇，因為它不允許我估計這些差異。

所以，請隨意撕裂我，但我正在考慮最初估計一個分層模型以獲得其他協變量的影響（當然，測試無交互假設），然後重新估計每個單獨的多變量 Cox 模型兩組比較（因此，總共 6 個模型）。這樣，我可以解決每個兩組比較的非比例形式，並獲得更少錯誤的估計 HR。我知道標準誤差會有偏差，但考慮到樣本量，一切都可能在“統計上”顯著。

奇妙的問題奇妙的答案。我要補充一點，您應該考慮一個模型做出許多不同的假設，例如對數正態生存模型。對 y_axis 使用正常的反函數而不是 log-log。仍然需要協變量調整。因此，還要查看按治療分層的殘差的正態性。這在我的課程筆記結束時的案例研究中有所介紹，網址為http://biostat.mc.vanderbilt.edu/rms

引用自：https://stats.stackexchange.com/questions/269186