Analisis survival adalah suatu metode statistik yang menitikberatkan pada waktu sebelum suatu peristiwa terjadi.Tujuan dari analisis survival adalah untuk memperkirakan probabilitas hidup, mati, dan peristiwa lain yang terjadi dalam jangka waktu tertentu.
Salah satu analisis kelangsungan hidup yang paling umum digunakan adalah regresi bahaya proporsional Cox. Metode Regresi Cox Proportional Hazards merupakan regresi semiparametrik yang dirancang untuk mengetahui kombinasi faktor-faktor yang mempengaruhi variabel respon berupa survival time.
Cox Proportional Hazards Regression adalah metode regresi dalam analisis survival yang digunakan untuk mengetahui hubungan antara variabel dependen dan independen. Data yang digunakan dalam regresi Cox Proportional Hazards adalah data tentang waktu kelangsungan hidup individu.
Analisis kelangsungan hidup adalah prosedur statistik yang menganalisis data berupa waktu kelangsungan hidup dan variabel-variabel yang mempengaruhi waktu kelangsungan hidup. Model regresi proporsional hazard cox harus memenuhi asumsi proporsional hazard.
Dari hasil penelitian diketahui bahwa faktor yang signifikan mempengaruhi waktu bertahan hidup adalah usia dan kadar glukosa darah, tetapi faktor kadar glukosa darah tidak memenuhi hipotesis hazard proporsional, sehingga model extended Cox digunakan untuk memperbaiki model proportional hazard Cox.
Kovariat yang tidak memenuhi asumsi hazard proporsional dalam Metode Regresi Cox berinteraksi dengan fungsi waktu. Model Cox Extended akhirnya memberikan informasi tentang faktor-faktor yang berpengaruh signifikan terhadap waktu kelangsungan hidup.
Dalam penerapan ini juga mengenai usia dan kadar glukosa darah terikat waktu, di mana setiap orang yang berusia kurang dari 45 tahun memiliki risiko kegagalan yang lebih rendah dibandingkan dengan pasien yang berusia lebih dari 45 tahun. Orang yang berusia 45 tahun dan memiliki kadar gula darah tinggi memiliki risiko gagal sebesar 1.128 kali dibandingkan dengan penderita hipoglikemia dan kadar gula darah normal.
Dalam analisis kelangsungan hidup, diperlukan model yang memberikan gambaran umum Tentang bertahan hidup. Salah satu model yang dikenal dalam analisis ini adalah model regresi Cox. Regresi Cox digunakan ketika ada variabel kovariat yang ingin kita kendalikan atau ketika kita menggunakan beberapa variabel penjelas untuk menjelaskan hubungan waktu kelangsungan hidup.
Regresi Cox dapat digunakan untuk membuat model yang menggambarkan waktu kelangsungan hidup sebagai hubungan antara variabel dependen dan satu set variabel independen. Regresi Cox adalah model yang sangat populer dalam analisis Bertahan hidup.
Menurut Kleinbaum dan Klein (2011), apa yang menyebabkan model ini? Yang terkenal dan banyak digunakan meliputi: Semacam. Model Cox adalah model semi parametrik Rasio risiko dapat diperkirakan tanpa mengetahui (t) atau baseline Fungsi bahaya C.
Bahkan jika (t) tidak spesifik, dimungkinkan untuk memperkirakan (t), h(t, x) dan fungsi kelangsungan hidup Ini adalah model yang kuat, sehingga hasil dari model cox hampir sama dengan Hasil model parametrik e. Pilih model jika ragu untuk menentukan model Parametrik, jadi Anda tidak perlu khawatir salah memilih model parametrik F.
Ketika informasi tersedia, lebih baik daripada model logistik Waktu bertahan hidup dan sistem sensor. Menurut Yasril dan Kasjono (2009), tujuan dari regresi cox ini diantaranya yaitu perkiraan rasio risiko, uji hipotesis, serta untul melihat selang kepercayaan dari rasio hazard.
Sekian ulasan mengenai aplikasi analisis Metode Regresi Cox pada permodelan waktu yang mungkin bisa Anda gunakan. Semoga membantu dan menjadi referensi untuk penyusunan laporan yang sedang dikerjakan yang menggunakan metode tersebut. Sehingga bisa lebih lengkap lagi dengan bahan dan teori yang mendukung.
Komentar Terbaru