Regresion de Cox 2021 1

ASIGNATURA : METODOS ESTADISTICOS
CICLO : III
SEMESTRE ACADEMICO : 2021-1
UNIVERSIDAD PRIVADA SAN JUAN BAUTISTA
FACULTAD DE CIENCIAS DE LA SALUD ESCUELA
PROFESIONAL DE MEDICINA HUMANA
“Dr. Wilfredo Erwin Gardini Tuesta”
ACREDITADA POR SINEACE

RE ACREDITADA INTERNACIONALMENTE POR RIEV
REGRESION DE COX
DOCENTES RESPONSABLES DE LA ASIGNATURA
SEDE CHORRILLOS: BAZAN RODRIGUEZ ELSI

SEDE SAN BORJA : HECTOR BEJARANO BENITES
FILIAL ICA : HUAYANCA ESPINO ROBERTO
FILIAL CHINCHA : PACHAS RAMOS ALLINSON MARINA
COMPETENCIA
CONCEPTUAL PROCEDIMENTAL ACTITUDINAL

Modelo de regresión Cox, estimación de
los parámetros del modelo, prueba de
hipótesis sobre los parámetros. Capacidad para realizar
Trabajo grupales y
Estimación de la razón de riesgos (Hazard análisis de regresión de Cox.
Ratio, HR) e intervalo de confianza, exposición
interpretación y verificación de los
supuestos.
ESTRATEGIAS DIDACTICAS
Lectura y debate. Videos en formato

remoto
INTRODUCCIÓN
La Regresión de Cox se ha transformado, en los últimos años, en un instrumento de
análisis estadístico muy utilizado, especialmente en el ámbito de la Medicina.
El interés es buscar variables independientes que se relacionen con variaciones en

la función de supervivencia, o en la función de riesgo, de unos individuos respecto a
un determinado suceso estudiado.
En estos caso estamos realmente, ante una Regresión. Una Regresión ciertamente
especial porque el tiempo está siempre presente y porque la variable dependiente
es siempre una función de riesgo o una función de supervivencia.
Con la Regresión de Cox se pretende, pues, detectar alguna relación entre el riesgo
de que se produzca un determinado suceso estudiado (muerte, recidiva de un
tumor, fracaso de un implante dental, diagnóstico de hipertensión, etc.), y una o
varias variables independientes o explicativas.
INTRODUCCIÓN
La Regresión de Cox trabaja especialmente con la función de riesgo (Hazard
función), es decir, cuando hablemos de función de riesgo podremos trasladar
perfectamente las conclusiones a nivel de función o curva de supervivencia.
Por ejemplo, la supervivencia a dos tratamientos alternativos puede depender

no sólo del tratamiento, sino también de otras variables como la edad, el sexo,
o la gravedad de la afección de cada paciente.
En los métodos previos se asume que el muestreo aleatorio hace que los
distintos grupos sean homogéneos con respecto a todas las demás variables,
sin embargo no siempre es así (el muestreo aleatorio sólo garantiza que las
muestras homogéneas sean las más probables) y, por otro lado, a veces
interesa estimar la supervivencia para distintos valores de las otras variables,
siendo los modelos de regresión permiten hacer ambas cosas.
INTRODUCCIÓN
Existen varios modelos de regresión propuestos, como el llamado modelo
acelerado en que se asume que la función de supervivencia es una función del tiempo
y de otras k variables (representadas por el vector, de dimensión k, X) de la siguiente
forma:
siendo Ǭ(X, a) una función de X con unos coeficientes α

DEFINICION
Sin embargo, el modelo más popular, por su sencillez y facilidad para interpretar los
coeficientes αi, es el denominado modelo de riesgo proporcional o modelo de
Cox que es un modelo de la forma
Donde:
h0(t) es el riesgo cuando todas las variables Xi son 0, o riesgo basal, que es
variable con el tiempo.
exp(αi ): es el riesgo relativo cuando Xi aumenta una unidad,

manteniéndose constantes las demás.
DEFINICION
Otra manera equivalente de expresarlo es mediante el logaritmo del riesgo relativo
como una función lineal de las variables independientes. Se supone que el riesgo
relativo, a diferencia del riesgo propiamente dicho, no depende del tiempo o, dicho
de otra manera, que es constante a lo largo del tiempo (de ahí el nombre de modelo
de riesgo proporcional):
Donde:
αi es el logaritmo del riesgo relativo cuando Xi aumenta una unidad,
manteniéndose constantes las demás variables
REQUISITOS Y SUPUESTOS
Requisitos.
La variable de tiempo debería ser cuantitativa, pero la variable de estado puede ser categórica o
continua. Las variables independientes (las covariables) pueden ser continuas o categóricas; si
son categóricas, deberán ser auxiliares (dummy) o estar codificadas con indicadores (existe una
opción dentro del procedimiento para recodificar las variables categóricas automáticamente). Las
variables de estratos deberían ser categóricas, codificadas como valores enteros o cadenas
cortas.
Supuestos.
Las observaciones deben ser independientes y la tasa de riesgo debe ser constante a lo largo del
tiempo; es decir, la proporcionalidad de los riesgos de un caso a otro no debe variar en función
del tiempo. El último supuesto se conoce como el supuesto de proporcionalidad de los
riesgos.
ESTIMACIÓN DE LOS COEFICIENTES
Para estimar los coeficientes se usa por el método de máxima
verosimilitud mediante la función de verosimilitud parcial: y parte de que
dado que el modelo no hace ninguna asunción sobre h0(t), la única
contribución de los datos a la verosimilitud es en los tiempos en que se
observan eventos.
Los cálculos necesarios para la estimación son muy largos, sobre todo
cuando para algún tiempo hay más de un evento para ello recurriremos
al software estadísticos SPSS.
CONTRASTES DE HIPÓTESIS
Para evaluar la significancia del modelo recurriremos:
–2LL, el estadístico de la razón de verosimilitud y el chi-cuadrado global.
Para las variables dentro del modelo:
Estimaciones de los parámetros, Errores estándar y Estadísticos de Wald.
Para variables que no estén en el modelo:
Estadísticos de puntuación y Chi-cuadrado residual.

EJEMPLO 01
Se tiene 20 trabajadores y se tiene interés es evaluar el tiempo en el que ´permanece libres de accidentes
laborales donde se define como evento censurado la ocurrencia de un accidente laboral, tiempo en
semanas y la condición si ocurrió un accidente laboral otro evento que el trabajador ha sido despedido o
renunciado o que tiene licencia de maternidad, la idea es modelar la variable respuesta es el tiempo al
que ocurren estos eventos, entonces haremos primero un análisis de supervivencia tenemos datos
censurados (cuando no ha ocurrido un evento especifico) también tenemos la variable sección al cual
pertenece el empleado y la edad
TRABAJADOR TIEMPO CONDICION SECCION EDAD
1 6 ACCIDENTE 1 25
2 9 ACCIDENTE 1 33
3 15 ACCIDENTE 0 34
4 20 ACCIDENTE 0 28
5 8 DESPEDIDOS 1 20
6 40 ACCIDENTE 0 30
7 32 ACCIDENTE 0 40
8 27 ACCIDENTE 1 37
9 39 RENUNCIO 0 28
10 24 ACCIDENTE 1 43
17 10 LICENCIA MATERNA 0 42
EJEMPLO 01
EJEMPLO 01
EJEMPLO 01
EJEMPLO 01
EJEMPLO 02
Comparando mediante el modelo exponencial, las funciones de supervivencia para los datos de la tabla,
donde en la columna “Perdida” figura 0 para muerte y 1 para pérdida, en “Trata” 1 y 2 para indicar dos
tratamientos distintos y en “Tiempo” el tiempo en meses. Además figura la edad en años al comienzo del
tratamiento, que se usará más adelante.
INTERES: Comparar la supervivencia de los tratamientos controlando los posibles efectos de

confusión e interacción de la edad.
Analizado con la regresión de Cox univariante
EJEMPLO 02
EJEMPLO 02
DESARROLLAR LA
PRACTICA Nº …….

Regresion de Cox 2021 1

Cargado por

Copyright:

Formatos disponibles

Regresion de Cox 2021 1

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Regresion de Cox 2021 1

Cargado por

Copyright:

Formatos disponibles

ASIGNATURA : METODOS ESTADISTICOS

ACREDITADA POR SINEACE

SEDE CHORRILLOS: BAZAN RODRIGUEZ ELSI

CONCEPTUAL PROCEDIMENTAL ACTITUDINAL

Lectura y debate. Videos en formato

El interés es buscar variables independientes que se relacionen con variaciones en

Por ejemplo, la supervivencia a dos tratamientos alternativos puede depender

siendo Ǭ(X, a) una función de X con unos coeficientes α

exp(αi ): es el riesgo relativo cuando Xi aumenta una unidad,

–2LL, el estadístico de la razón de verosimilitud y el chi-cuadrado global.

Para las variables dentro del modelo:

Estimaciones de los parámetros, Errores estándar y Estadísticos de Wald.

Para variables que no estén en el modelo:

Estadísticos de puntuación y Chi-cuadrado residual.

INTERES: Comparar la supervivencia de los tratamientos controlando los posibles efectos de

También podría gustarte