¿Cómo informar las razones de riesgo de un modelo de riesgos proporcionales de Cox en inglés?

Entiendo que una razón de riesgo de un modelo de riesgos proporcionales de Cox compara el efecto sobre la tasa de riesgo de un factor dado con un grupo de referencia. ¿Cómo reportarías eso a una audiencia que no conoce estadísticas?

Tratemos de formular un ejemplo. Digamos que inscribimos a las personas en un estudio sobre cuánto tiempo antes de comprar un sofá. Censuramos a la derecha a los 3 años. Para este ejemplo tenemos dos factores: edad <30 o> = 30, ya sea que tengan un gato. Resulta que la razón de riesgo de "posee gato" para el grupo de referencia (edad <30, "no posee gato") es 1.2, y significativa (digamos p <0.05).

¿Estoy en lo cierto al decir que significa todo esto: los dueños de gatos tienen más eventos (compra de camas) dentro de 3 años, O que el tiempo hasta el evento (compra de camas) es más rápido para los dueños de gatos, O alguna combinación de esas dos cosas?

Editar : suponga que el evento es su primera compra del sofá dentro del período (si ocurre). Este modelo no nos ayuda a analizar múltiples compras dentro del período de tiempo.

survival cox-model

— dfrankow
fuente

Respuestas:

Una razón de riesgo es una razón de tasa. Una tasa es "eventos por unidad de tiempo". Dado que el modelo de Cox especifica riesgos proporcionales en todos los puntos de tiempo, una razón de riesgo de 1.2 significa que la tasa de compra de camas en el grupo "posee gato" es 20% más alta en cualquier punto de tiempo estudiado que la tasa en "no 't own cat "grupo.

Entonces, diría que su primera afirmación (los dueños de gatos tienen más eventos [compra de camas] dentro de 3 años) es correcta, excepto que además de tener más eventos dentro de 3 años, también tienen más eventos en un momento dado dentro de esos años (instantáneo peligro). Una sutil diferencia, tal vez.

Supongo que la conclusión es que el daño causado por los gatos podría conducir a más compras de sofá. :)

— pmgjones
fuente

Entonces, si los dos grupos tienen el mismo número de eventos, pero uno hace que sucedan de inmediato y el otro al final, ¿la razón de riesgo será 1? Es decir, ¿el tiempo hasta el evento no afecta las razones de riesgo?

— dfrankow

Ese tipo de datos no cumpliría con el supuesto de riesgos proporcionales del modelo de Cox y sería mejor modelarlo utilizando una distribución supuesta diferente.

— pmgjones

Ajá, buen punto. Entonces, ¿es cierto que el tiempo hasta el evento no afecta las proporciones de peligro (excepto indirectamente a través de una diferencia en el número de eventos)?

— dfrankow

.. porque ese es el supuesto de riesgos proporcionales (el supuesto del modelo de Cox)?

— dfrankow

La afirmación de que 'los dueños de gatos tienen más eventos dentro de 3 años' podría interpretarse erróneamente como algunos propietarios de gatos individuales que compran más de un sofá (como propietario de gatos, ¡no lo recomiendo!). El modelo de Cox generalmente se aplica a la mortalidad (evidentemente, solo mueres una vez) donde no debería haber tal ambigüedad, sin embargo.

— shabbychef

Para un público laico puro, diría que "los dueños de gatos tienen 1.2 veces más probabilidades de comprar un sofá que los que no son dueños de gatos".

Cosas como "en cualquier momento t durante el período de estudio", o tratar de definir la idea de un peligro, se está acercando un poco a la fabricación de salchichas para la mayoría de las personas, y ya no les ayudará a comprender el núcleo de sus resultados, lo que es el punto real de un resumen como este.

— Fomite
fuente

Quien haya votado en contra de esto, me parece una respuesta perfectamente buena, y merece justificación de por qué se dio el voto negativo. @EpiGrad, nunca escuché el coloquialismo "cerca de la fabricación de salchichas", ¿sabes de dónde viene este dicho?

— Andy W

Gracias por el voto de confianza :) Es una adaptación del dicho "Hay dos cosas que no quieres saber cómo se hicieron, la ley y las salchichas": escuché a varias personas adaptarlo a las estadísticas.

— Fomite

$X$ $1$ $0$

$\frac{h(t | X = 1)}{h(t | X = 0)} = 1.2 \hspace{2cm}$ (1)

$h(t | X=x)$ $t$ $X = x$

$t$ $t$ $t$

En palabras, (1) es la proporción de los riesgos de comprar un sofá en cualquier momento para un individuo que tiene un gato en relación con un individuo que no tiene un gato.

$t$

$1$

— ocram
fuente

No estoy en desacuerdo con sus hechos, pero sus resúmenes en inglés no parecen ser fáciles de leer para un no estadístico: 1) "la proporción de los riesgos de comprar un sofá en cualquier momento para una persona que tiene un pariente gato a un individuo que no tiene un gato "? 2) "el riesgo de comprar un sofá en cualquier momento para una persona que tiene un gato es superior al de una persona que no tiene un gato" ?? Recuerde, esta pregunta es acerca de cómo expresar en inglés para una audiencia no técnica.

— dfrankow

@dfrankow: No estoy de acuerdo: esto no es técnico, sino "riguroso". Si no desea hablar sobre el peligro, entonces no debe usar el modelo Cox ...

— ocram

Estoy de acuerdo con dfrankow: existe una gran diferencia entre elegir la prueba estadística adecuada y comunicar ese resultado a un público lego. Y en este caso, "riguroso" es técnico y contraproducente para muchos públicos.

— Fomite

@EpiGard: Estoy de acuerdo en que es difícil comunicar estadísticas a un público lego. Pero aún así, es deber del estadístico interpretar los resultados rigurosamente. De lo contrario, ¡el software los reemplazaría! "Los dueños de gatos tienen 1,2 veces más probabilidades de comprar un sofá que los que no son dueños de gatos". se traduciría por "Pr (compra un sofá | gato) = 1.2 Pr (compra un sofá | no gato)". Esto no es lo que dfrankow quiere comunicar ...

— ocram