违反PH假设

Question

运行生存分析,假设关于变量的p值具有统计显着性 - 假设与结果呈正相关.然而,根据Schoenfeld残差,违反了比例风险(PH)假设.

在纠正PH违规后,可能会发生以下哪种情况？

1. p值可能不再重要.
2. p值仍然很重要,但HR的大小可能会发生变化.
3. p值仍然显着,但关联方向可能会改变(即正关联可能最终为负).

PH假设违规通常意味着需要在模型中包含交互效应.在简单线性回归中,包括新变量可能由于共线性而改变现有变量系数的方向.在上面的案例中我们可以使用相同的理由吗？

Answer 1

Therneau 和 Gramsch 写了一篇非常有用的文章，“生存数据建模”，其中有一整章是关于测试比例性的。本章末尾是关于原因和建模替代方案的部分，我认为可以用来回答这个问题。由于您提到了交互作用，因此您关于特定 p 值的问题变得相当模糊和模糊。

1）当然，如果您选择了一个特定的测量作为您感兴趣的主题，并且事实证明所有影响都是由于它与您碰巧也测量的另一个变量的相互作用造成的，那么您可能处于这样的位置：该变量-of-interest 的 p 值将减小，可能降至零。

2）几乎可以肯定的是，对具有不同结构的模型进行修改（例如添加时变协变量或对时间进行不同的处理）将导致特定协变量的不同估计 HR，我认为这是不可能的预测变化的方向。

3）至于系数的符号是​​否可以改变，我很确定这也是可能的。我想到的场景将有两个群体的混合，即男性和女性，其中一个群体有一个早期死亡率大大增加的亚群体，例如乳腺癌，而该群体的幸存成员将有更多的早期死亡率。良好的生存预期。基础模型可能显示正系数（高风险），而能够识别风险亚组的模型则允许性别相关系数变为负值（低风险）。