Bagaimana menafsirkan rasio bahaya dari variabel kontinu - unit perbedaan?


10

Saya membaca artikel yang menunjukkan Hazard Ratios untuk variabel kontinu, tapi saya tidak yakin bagaimana menafsirkan nilai yang diberikan.

Pemahaman saya saat ini tentang rasio bahaya adalah bahwa angka tersebut mewakili kemungkinan relatif dari [peristiwa] yang diberikan beberapa kondisi. Misalnya: jika rasio bahaya untuk kematian akibat kanker paru-paru yang diberikan merokok (peristiwa biner) adalah 2, maka perokok dua kali lebih mungkin meninggal dalam periode waktu yang dipantau dibandingkan bukan perokok.

Melihat pada wikipedia, interpretasi untuk variabel kontinu adalah bahwa rasio bahaya berlaku untuk unit perbedaan. Ini masuk akal bagi saya untuk variabel ordinal (misalnya jumlah rokok yang dihisap sehari), tetapi saya tidak tahu bagaimana menerapkan konsep ini pada variabel kontinu (mis. Gram nikotin yang dihisap sehari?)

Jawaban:


13

Dengan asumsi bahaya proporsional (seperti dalam model Cox) dan rasio bahaya untuk peningkatan 1 mg nikotin yang dihisap sehari adalah 1,02, maka ini memberitahu Anda bahwa orang yang merokok 11 mg adalah 1,02 lebih mungkin meninggal dalam periode waktu yang dipantau daripada orang yang merokok 10 mg. Hal yang sama berlaku untuk 12 vs 11 mg dll. Jika unit kovariabel kontinu Anda terlalu kecil untuk interpretasi, maka cukup eksponensial rasio bahaya yang sesuai: Orang yang merokok 20 mg di mana (1,02) ^ 10 = 1,22 lebih mungkin meninggal daripada orang yang merokok 10 mg dll. (Ini disebabkan oleh struktur model multiplikasi regresi Cox.)


4

Jika variabel Anda adalah gram nikotin (per hari?) Maka unitnya adalah 1 gram nikotin. Jika variabel Anda diukur dalam miligram maka unitnya adalah 1 miligram. Yang terakhir terdengar seperti ukuran yang lebih masuk akal bagi saya, karena saya curiga 1 gram nikotin cukup mematikan.

Jadi dalam konteks ini, unit tidak merujuk pada hal-hal yang terpisah (seperti sigaretes), tetapi ke unit di mana variabel diukur (jumlah sigaretes, gram atau miligram nikotin, liter atau liter bir, ...)


2

rmsPaket cphdan summaryfungsi R menghitung, secara default, rasio bahaya antar-kuartil. Ini menangani nonlinieritas (tetapi bukan non-monotonisitas) dan interaksi dengan cukup mudah, menempatkan hampir semua variabel pada basis yang sama.


Bisakah Anda menjelaskan sedikit tentang komentar tentang non-linearitas dan interaksi?
ocram

1
Jika ada lebih dari satu koefisien untuk prediktor dalam model, Anda tidak dapat menafsirkan koefisien tunggal dengan baik. Kasus sederhana akan memiliki dan dalam model; Anda perlu memvariasikan untuk mendapatkan rasio bahaya yang menarik. xx2β1x+β2x2
Frank Harrell
Dengan menggunakan situs kami, Anda mengakui telah membaca dan memahami Kebijakan Cookie dan Kebijakan Privasi kami.
Licensed under cc by-sa 3.0 with attribution required.