Ось підсумок-висновок використовуваної нами Coxph-моделі (я використав R, а результат заснований на найкращій кінцевій моделі, тобто всі значущі пояснювальні змінні та їх взаємодії включені):
coxph(formula = Y ~ LT + Food + Temp2 + LT:Food + LT:Temp2 +
Food:Temp2 + LT:Food:Temp2) # Y<-Surv(Time,Status==1)
n = 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
Питання:
Як інтерпретувати значення коефіцієнта та exp (coef) у цьому випадку, оскільки вони дуже великі? Також бере участь 3-випадкова взаємодія, що більше плутає інтерпретацію.
Всі приклади, що стосуються Coxph-моделі, яку я знайшов до цих пір в Інтернеті, були дуже простими щодо термінів інтеркації (які завжди виявлялися незначними), а також коефіцієнтів-значень (= коефіцієнти небезпеки) та показники цих (= коефіцієнти небезпеки) були досить малі та "прості в обробці" числа, наприклад коефіцієнт = 1,73 -> exp (coef) = 5,64. Але моє набагато більше, як видно з підсумкових даних (вище). А оскільки вони настільки великі, то, здається, вони не мають жодного сенсу.
Здається, трохи смішно думати, що виживання становить, наприклад, 8,815e + 34 (коефіцієнт небезпеки, взятий під час взаємодії LT: Їжа: Temp2) в рази нижче, коли взаємодія збільшується на одну одиницю (?).
Насправді я не знаю, як інтерпретувати цю взаємодію у трьох випадках. Чи означає це, що коли всі змінні у взаємодії збільшуються на одну одиницю, виживаність зменшується на певну кількість (про що говорить exp (coef)-value)?
Було б чудово, якщо хтось може мені тут допомогти. :)
Нижче наведена частина мого опису даних, яку я використав для аналізу коксу. Тут ви бачите, що я багато разів використовував одне і те ж значення пояснювальної змінної (тобто LT, Food та Temp2) протягом декількох "змінних часу, статусної відповіді". Ці пояснювальні змінні значення є вже середніми значеннями цих змінних (через налаштування польових робіт у природі, неможливо було отримати індивідуальне пояснювальне змінне значення для кожної спостережуваної відповіді індивідуума, отже, середні значення, використовувані вже на цій фазі ), і це відповість на пропозицію 1 (?) (див. першу відповідь).
Пропозиція 2 (див. Першу відповідь): Я використовую R, і я ще не супер бог у ньому. :) Таким чином, якщо я використовую функцію передбачення (cox.model, type = "очікуваний"), я отримую величезну кількість різних значень і не маю поняття, на яку пояснювальну змінну вони посилаються і в якому порядку. Або можна виділити певний термін взаємодії у функції передбачення? Я не впевнений, чи даю тут зрозуміти себе.
Пропозиція 3 (див. 1-ю відповідь): у нижній частині опису даних нижче можна побачити одиниці різних пояснювальних змінних. Всі вони різні і включають десятки. Чи може це мати щось спільне з результатом роботи Кокса?
Частина аркуша даних:
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
Ура, Юнна