W R przeprowadzam analizę danych dotyczących przeżycia chorych na raka.
Czytałem bardzo pomocne rzeczy na temat analizy przeżycia w CrossValidated i innych miejscach i myślę, że zrozumiałem, jak interpretować wyniki regresji Coxa. Jednak jeden wynik wciąż mnie wkurza ...
Porównuję przeżycie vs. płeć. Krzywe Kaplana-Meiera są wyraźne na korzyść pacjentek (kilkakrotnie sprawdziłem, że dodana przeze mnie legenda jest prawidłowa, pacjent o maksymalnym przeżyciu, wynoszącym 4856 dni, jest rzeczywiście kobietą):
A regresja Coxa powraca:
Call:
coxph(formula = survival ~ gender, data = Clinical)
n= 348, number of events= 154
coef exp(coef) se(coef) z Pr(>|z|)
gendermale -0.3707 0.6903 0.1758 -2.109 0.035 *
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
exp(coef) exp(-coef) lower .95 upper .95
gendermale 0.6903 1.449 0.4891 0.9742
Concordance= 0.555 (se = 0.019 )
Rsquare= 0.012 (max possible= 0.989 )
Likelihood ratio test= 4.23 on 1 df, p=0.03982
Wald test = 4.45 on 1 df, p=0.03499
Score (logrank) test = 4.5 on 1 df, p=0.03396
Tak więc współczynnik gendermale
ryzyka (HR) dla mężczyzn ( ) wynosi 0,6903. Zinterpretowałbym to (bez patrzenia na krzywą Kaplana-Meiera): ponieważ HR wynosi <1, bycie pacjentem płci męskiej jest ochronne. A dokładniej, pacjentka ma 1 / 0,6903 = exp (-coef) = 1,449 bardziej prawdopodobne, że umrze w dowolnym momencie niż mężczyzna.
Ale to nie wygląda tak, jak mówią krzywe Kaplana-Meiera! Co jest nie tak z moją interpretacją?