Jak interpretować współczynnik ryzyka na podstawie zmiennej ciągłej - jednostki różnicy?

Czytam artykuł, który pokazuje współczynniki ryzyka dla zmiennych ciągłych, ale nie jestem pewien, jak interpretować podane wartości.

Moje obecne rozumienie współczynników ryzyka polega na tym, że liczba ta reprezentuje względne prawdopodobieństwo [zdarzenia] pod pewnymi warunkami. Np .: jeśli współczynnik ryzyka zgonu z powodu raka płuc przy paleniu (zdarzenie binarne) wynosi 2, palacze byli dwukrotnie bardziej narażeni na śmierć w monitorowanym okresie niż osoby niepalące.

Patrząc na wikipedię, interpretacja zmiennych ciągłych jest taka, że ​​współczynnik ryzyka odnosi się do jednostki różnicy. Ma to dla mnie sens w przypadku zmiennych porządkowych (np. Liczby papierosów palonych dziennie), ale nie wiem, jak zastosować tę koncepcję do zmiennych ciągłych (np. Gram nikotyny palonej dziennie?)

Zakładając, że ryzyko proporcjonalne (jak w modelu Coxa) i współczynnik ryzyka dla wzrostu 1 mg nikotyny wędzonej dziennie wynosi 1,02, oznacza to, że osoby palące 11 mg były 1,02 prawdopodobnie umrą w monitorowanym okresie czasu niż osoby palące 10 mg. To samo dotyczy 12 vs 11 mg itp. Jeśli jednostki ciągłej zmiennej kowariancyjnej są zbyt małe do interpretacji, po prostu potęguj odpowiednio współczynnik ryzyka: Osoby palące 20 mg, gdzie (1,02) ^ 10 = 1,22 prawdopodobnie umrze niż osoby palące 10 mg itp. (Jest to spowodowane multiplikatywną strukturą modelu regresji Coxa).

Jeśli twoją zmienną są gramy nikotyny (dziennie?), To jednostką jest 1 gram nikotyny. Jeśli twoja zmienna jest mierzona w miligramach, jednostka wynosi 1 miligram. To ostatnie wydaje mi się bardziej rozsądnym środkiem, ponieważ podejrzewam, że 1 gram nikotyny jest dość zabójczy.

W tym kontekście jednostka nie odnosi się do dyskretnych rzeczy (takich jak sigaretes), ale do jednostki, w której mierzona jest zmienna (liczba sigaretes, gramów lub miligramów nikotyny, litrów lub litrów piwa ...)

rmsPakiety cphi summaryfunkcje R domyślnie obliczają współczynnik ryzyka zasięgu międzykwartylowego. Pozwala to dość łatwo radzić sobie z nieliniowościami (ale nie z monotonicznością) i interakcjami, stawiając prawie wszystkie zmienne na równych zasadach.