এখানে আমি ব্যবহৃত কক্স্ফ-মডেলের সংক্ষিপ্ত-আউটপুট (আমি আর ব্যবহার করেছি এবং আউটপুটটি সেরা চূড়ান্ত মডেলের উপর ভিত্তি করে অর্থাৎ সমস্ত উল্লেখযোগ্য ব্যাখ্যামূলক ভেরিয়েবল এবং তাদের মিথস্ক্রিয়াগুলি অন্তর্ভুক্ত করা হয়েছে):
coxph(formula = Y ~ LT + Food + Temp2 + LT:Food + LT:Temp2 +
Food:Temp2 + LT:Food:Temp2) # Y<-Surv(Time,Status==1)
এন = 555
coef exp(coef) se(coef) z Pr(>|z|)
LT 9.302e+02 Inf 2.822e+02 3.297 0.000979 ***
Food 3.397e+03 Inf 1.023e+03 3.321 0.000896 ***
Temp2 5.016e+03 Inf 1.522e+03 3.296 0.000979 ***
LT:Food -2.250e+02 1.950e-98 6.807e+01 -3.305 0.000949 ***
LT:Temp2 -3.327e+02 3.352e-145 1.013e+02 -3.284 0.001022 **
Food:Temp2 -1.212e+03 0.000e+00 3.666e+02 -3.307 0.000942 ***
LT:Food:Temp2 8.046e+01 8.815e+34 2.442e+01 3.295 0.000986 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Rsquare= 0.123 (max possible= 0.858 )
Likelihood ratio test= 72.91 on 7 df, p=3.811e-13
Wald test = 55.79 on 7 df, p=1.042e-09
Score (logrank) test = 78.57 on 7 df, p=2.687e-14
প্রশ্নটি হ'ল:
এই ক্ষেত্রে সহগ এবং এক্সপ (কোফ) মানগুলি কীভাবে ব্যাখ্যা করা যায়, কারণ এগুলি খুব বড় মান? এছাড়াও 3-কেস ইন্টারঅ্যাকশন জড়িত, যা ব্যাখ্যাটিকে আরও বিভ্রান্ত করে।
কক্স্ফ-মডেল সম্পর্কে আমি এখনও অবধি অনলাইনে যে সমস্ত উদাহরণ পেয়েছি সেগুলি আন্তঃমুক্তির পদগুলি (যা সর্বদা অদ্বিতীয় বলে প্রমাণিত হয়েছে) এবং সহগ-মান (= বিপদের হার) এবং এর (= বিপদ অনুপাত) এর ক্ষতিকারক সম্পর্কিতগুলি সম্পর্কে সত্যই সহজ ছিল সংখ্যাটি বেশ ছোট এবং "পরিচালনা করা সহজ" সংখ্যা রয়েছে, যেমন সহগ = 1.73 -> এক্সপ (কোফ) = 5.64। আপনি আমার সংক্ষিপ্তসার আউটপুট (উপরে) থেকে দেখতে পাচ্ছেন তবে আমার খনিটি বড় সংখ্যা। এবং এগুলি এত বড় ভাউস হিসাবে, তারা প্রায় কোনও ধারণা দেয় না বলে মনে হয়।
বেঁচে থাকার কথাটি মনে করা কিছুটা হাস্যকর বলে মনে হয় যেমন 8.815e + 34 (ইন্টারেক্টেশন এলটি: খাদ্য: টেম্প 2) থেকে যখন বিপত্তিটি এক ইউনিটের (?) বৃদ্ধি পায় তখন গুন কম হয়।
আসলে আমি এই 3-কেস ইন্টারঅ্যাকশনটিকে কীভাবে ব্যাখ্যা করতে পারি তা আমি জানি না। এর অর্থ কি এই যে ইন্টারঅ্যাকশনগুলিতে সমস্ত ভেরিয়েবলগুলি যখন একক দ্বারা বৃদ্ধি পায়, তখন বেঁচে থাকা নির্দিষ্ট পরিমাণে (এক্সপ্রেস (কোফ) - মূল্য দ্বারা বলা হয়) হ্রাস পায়?
কেউ যদি আমাকে এখানে সাহায্য করতে পারে তবে দুর্দান্ত হবে। :)
কক্স-বিশ্লেষণের জন্য আমি যে ডেটা শীটটি ব্যবহার করেছি তার নীচে। এখানে আপনি দেখতে পাচ্ছেন যে আমি বেশ কয়েকটি "সময়, স্থিতির প্রতিক্রিয়া ভেরিয়েবল" এর জন্য বহুবার একই বর্ণনামূলক ভ্যারিয়েব মান (যেমন এলটি, খাদ্য এবং টেম্প 2) ব্যবহার করেছি। এই বর্ণনামূলক ভেরিয়েবল মানগুলি ইতিমধ্যে এই ভেরিয়েবলগুলির গড় মানগুলি (প্রকৃতির ক্ষেত্রে ক্ষেত্র-কার্য সেটআপের কারণে, প্রতিটি পর্যবেক্ষণের প্রতিক্রিয়া স্বতন্ত্রের জন্য পৃথক বর্ণনামূলক পরিবর্তনশীল মান পাওয়া সম্ভব ছিল না, সুতরাং এই ধাপে ইতিমধ্যে ব্যবহৃত মানের মানগুলি ইতিমধ্যে ব্যবহৃত হয়েছে) ), এবং এটি পরামর্শের 1 (?) এর উত্তর দেবে (প্রথম উত্তরটি দেখুন)।
পরামর্শ 2 (প্রথম উত্তর দেখুন): আমি আর ব্যবহার করছি, এবং আমি এটিতে এখনও godশ্বর নই। :) এইভাবে, যদি আমি ফাংশন পূর্বাভাস (cox.model, টাইপ = "প্রত্যাশিত") ব্যবহার করি তবে আমি বিপুল পরিমাণে বিভিন্ন মান পাই এবং সেগুলি কোন বর্ণনামূলক পরিবর্তনশীল এবং কোন ক্রমে উল্লেখ করছে সে সম্পর্কে আমার কোনও ধারণা নেই। বা পূর্বাভাস ফাংশনে নির্দিষ্ট মিথস্ক্রিয়া শব্দটি হাইলাইট করা সম্ভব? আমি এখানে নিজেকে খুব পরিষ্কার করে দিচ্ছি কিনা তা নিশ্চিত নই।
পরামর্শ 3 (প্রথম উত্তর দেখুন): নীচের ডাটা শীটের অংশে, কেউ বিভিন্ন বর্ণনামূলক ভেরিয়েবলের ইউনিট দেখতে পাবে। এগুলি সমস্ত পৃথক এবং দশমিক অন্তর্ভুক্ত। এর সাথে কক্সের ফলাফলের কিছু থাকতে পারে?
তথ্য শীটের অংশ:
Time (days) Status LT(h) Food (portions per day) Temp2 (ºC)
28 0 14.42 4.46 3.049
22 0 14.42 4.46 3.049
9 1 14.42 4.46 3.049
24 0 15.33 4.45 2.595
24 0 15.33 4.45 2.595
19 1 15.33 4.45 2.595
চিয়ার্স, উন্না