Cox-Regression Rechner
Hier kannst du direkt online eine Cox-Regression berechnen. Um eine Überlebenszeitanalyse zu berechnen, kopiere einfach deine Daten in die obere Tabelle.
Für den Cox-Regression-Rechner brauchst du mindestens 3 Variablen, einmal die Variable mit der vergangenen Zeit bis zum Ereignis, eine Variable, ob das Ereignis eingetreten ist oder nicht (zensiert) und dann die Variablen für die Prädiktoren. Wenn alle Variablen ausgewählt werden, wird automatisch eine Cox- Regressionsanalyse berechnet.
Ergebnisse der Cox-Regression
numiqo gibt dir aus:
- den Gesamtmodelltest, die Koeffizienten, Standardfehler, z-Werte und p-Werte,
- Hazard Ratios mit 95%-Konfidenzintervallen,
- die verwendete Referenzkategorie für jeden kategorialen Prädiktor,
- vorhergesagte Überlebenskurven beim Mittelwert der Kovariaten und
- formale Tests der Proportional-Hazards-Annahme sowie Plots der skalierten Schoenfeld-Residuen.
Gebundene Ereigniszeiten werden mit der Efron-Methode behandelt. Bei einem kategorialen Prädiktor vergleicht das Hazard Ratio eine Kategorie mit der angezeigten Referenzkategorie. Bei einem metrischen Prädiktor beschreibt es die multiplikative Änderung der Hazardrate pro Anstieg um eine Einheit.
Diagnostik der Proportional-Hazards-Annahme
Die Proportional-Hazards-Annahme bedeutet, dass das Hazard Ratio eines Prädiktors über die Zeit konstant bleibt. numiqo prüft diese Annahme für jeden Modellterm und für das Gesamtmodell anhand skalierter Schoenfeld-Residuen. Ein kleiner p-Wert spricht dafür, dass sich ein Effekt über die Zeit ändert. Ein großer p-Wert bedeutet, dass keine Verletzung entdeckt wurde; er beweist nicht, dass die Annahme zutrifft.
Die Residuenplots ergänzen die Tests. Ein systematischer Trend oder eine Krümmung kann auf einen zeitabhängigen Effekt hindeuten und sollte geprüft werden, bevor ein einzelnes konstantes Hazard Ratio interpretiert wird.
Überlebenszeitanalyse mit der Cox-Regression berechnen
Mit der Cox Proportional Hazards Survival Regression kannst du Überlebenszeitdaten analysieren. Du musst die Überlebenszeiten, den Endstatus (lebend oder tot) und eine oder mehrere unabhängige Variablen angeben.
Cox-Regression oder Fine-Gray-Regression?
Die Cox-Regression ist geeignet, wenn der ausgewählte Status nur zwischen Ereignis und Zensierung unterscheidet. Kann ein anderes Ereignis das Eintreten des interessierenden Ereignisses verhindern, verwende den Competing-Risks-Rechner. Dieser gibt die kumulative Inzidenz und Fine-Gray-Subdistribution-Hazard-Ratios aus, anstatt das konkurrierende Ereignis wie eine gewöhnliche Zensierung zu behandeln.