survival-analysis - 违反 PH 假设

Question

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

在纠正 PH 违规后，以下哪种情况可能发生？

p 值可能不再显着。

p 值仍然显着，但 HR 的大小可能会发生变化。

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 假设违反通常意味着存在需要包含在模型中的交互作用。在简单线性回归中，由于共线性，包括一个新变量可能会改变现有变量系数的方向。我们可以在上述案例中使用相同的理由吗？

Answer 1

Therneau 和 Gramsch 写了一篇非常有用的文章“建模生存数据”，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，因此您对特定 p 值的问题相当模糊和模糊。

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，并且结果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，那么您可能处于变量的位置-of-interest 的 p 值将减小，可能会降至零。

2)几乎可以肯定的是，修改具有不同结构的模型(比如添加时变协变量或不同的时间处理)将导致特定协变量的估计 HR 不同，我认为这是不可能的预测变化的方向。

3)关于系数的符号是​​否可以改变，我很确定这也是可能的。我正在考虑的情况是两个群体的混合，比如男性和女性，其中一个群体有一个子组，其早期死亡率大大增加，例如乳腺癌，而该组的幸存成员将有更有利的生存预期。基础模型可能显示正系数(高风险)，而能够识别处于风险中的亚组的模型将允许性别相关系数变为负值(低风险)。