Apa itu Regresi cox proportional hazard?
Regresi cox proportional hazard adalah metode regresi yang digunakan untuk melihat faktor-faktor yang menyebabkan terjadinya suatu peristiwa (biasa dikenal dengan nama time-dependent covariate) dengan peubah responnya adalah waktu ketahanan hidup. Apa regresi itu bisa digunakan di dalam penelitian kita?
enurutku tidak Bagaimana asumsi regresi tersebut?
Regresi !ox proportional hazard adalah suatu metode statistika yang digunakan untuk menganalisis hubungan antara variabel dependen yang berupa data waktu hidup dan status event, dengan satu atau lebih kovariat (variabel ( variabel independen) yang terukur pada saat dilakukan penelitian. "etika model regresi !ox #roportional $azard diterapkan pada data survival% hal yang harus dipenuhi adalah bahwa data harus memenuhi asumsi proportional hazard. #roportional hazard yang tidak signifikan dapat menyebabkan tidak adanya perbedaan dalam interpretasi data terutama untuk ukuran sampel yang besar. &erdapat tiga pendekatan umum untuk pengecekan asumsi proportional hazard% yaitu pendekatan dengan grafik% pendekatan uji goodness of fit ('o) dan pendekatan dengan menambah variabel yang berubah menurut waktu (timeindependent variable covariates). &erda &erdapat pat dua cara melalui pendekatan secara grafik yaitu menggunakan kurva log-log survival dan membandingkan kurva observasi dengan ekspektasi prediksi (observed versus expected). $al terpenting pada analisis survival adalah memodelkan waktu kegagalan yang memiliki korelasi dengan variabel independen. Bagaimana perhitungan regresi tersebut?
odel regresi Cox mengasumsikan bahwa fungsi hazards sebagai berikut% *+, h ( t ; x ) =h 0 ( t ) . ri ( t )
engan ri(t) / exp (0p1p(t))% sebagai skor risiko untuk individu ke-i% 0 adalah vektor koefisien regresi berdimensi p berdimensi p%% dan merupakan fungsi hazards dasar (baseline hazards function). function). ungsi eksponensial menjamin positif untuk setiap % sehingga 1 ( t )+ … + βpXp ( t ) ) bentuk umum regresi Cox adalah h ( t ) =h 0 ( t ) . exp ( β 1 X 1
2ilai exp (0p1p(t)) (adalah (0p1p(t)) (adalah hazards pada saat t bagi amatan dengan variabel independen 1 relatif terhadap hazards amatan dengan variabel independen bernilai nol. isalkan 1 / 3untuk variabel yang diberi perlakuan dan 1 / 4untuk variabel yang tidak diberi perlakuan. ari model Cox di atas dapat dijelaskan bahwa resiko
Titles you can't find anywhere else
Try Scribd FREE for 30 days to access over 125 million titles without ads or interruptions! Start Free Trial Cancel Anytime.
Titles you can't find anywhere else
Try Scribd FREE for 30 days to access over 125 million titles without ads or interruptions! Start Free Trial Cancel Anytime.
kegagalan dari variabel yang diberi perlakuan akan sebesar exp (0) kali dari variabel yang tidak diberi perlakuan. 5pabila 5pabila h(t613) dan (h(t617) adalah fungsi hazards dari dua individu dengan 13 dan 17 masing-masing adalah vektor kovariat yang berhubungan% maka rasio tingkat hazardnya adalah t ∨ X 1∗¿
¿
β 1 X 1 1∗¿
¿
h 0 ( t ) . exp ¿ h¿
¿
&ingkat hazards dari dua fungsi tersebut bersifat proporsional. 8ika r asio pada persamaan (7.9) bernilai 7 pada titik tertentu% maka resiko kegagalan individu pertama dua kali lebih besar daripada individu kedua. #ada persamaan (7.9) individu 17 dituliskan 13:. Jika dapat digunakan apa X, Y na? ! "elebihan dan kekurangan regresi tersebut "elebihan &iap ;ndikator diuji dan bisa dilihat mana indikator yang berpengaruh terhadap < dan dilihat seberapa pengaruhnya "ekurangan bingung < nya apa=
oalnya >oalnya di contoh7nya < nya itu dalam kategori waktu% 5paka 5pakah h penyakit diabetes melitusnya meninggal atau tidak% dll
>eperti ini contohnya “Variabel ariabel dependen yang digunakan dalam penelitian ini adalah lama waktu bertahan hidup pasien Diabetes mellitus, sejak awal awal diagnosa sampai akhir akhir pengamatan pada pada Agustus 2012. 2012. Variabel Variabel dependen dan independen didapat dari hasil wawancara, antara lain menyangkut status pasien. tatus ini adalah adalah keadaan pasien pasien sampai Agustus Agustus 2012 apakah masih hidup !tersensor" atau sudah mengalami kejadian atau waktu kegagalan yaitu meninggal. #ila pasien sudah meninggal, wawancara dilakukan terhadap anggota keluarganya. Time : Waktu bertahan hidup (tahun) Skala : Nominal Status : Meninggal = 1, hidup (tersensor) = 0 “