La acción 'cox' del conjunto de acciones 'phreg' (Proportional Hazards Regression) se utiliza para ajustar un modelo de regresión de riesgos proporcionales de Cox. Este modelo es fundamental en el análisis de supervivencia para investigar la relación entre el tiempo de supervivencia de los sujetos y una o más variables predictoras.
| Parámetro | Descripción |
|---|---|
| alpha | Especifica el nivel de significancia para construir todos los intervalos de confianza. |
| attributes | Cambia los atributos de las variables utilizadas en esta acción. |
| class | Nombra las variables de clasificación que se utilizarán como variables explicativas en el análisis. |
| classGlobalOpts | Lista las opciones que se aplican a todas las variables de clasificación. |
| classLevelsPrint | Cuando se establece en False, suprime la visualización de los niveles de clase. |
| clb | Cuando se establece en True, muestra los límites de confianza superior e inferior para las estimaciones de los parámetros. |
| code | Escribe código de paso DATA de SAS para calcular los valores predichos del modelo ajustado. |
| collection | Define un conjunto de variables que se tratan como un único efecto con múltiples grados de libertad. |
| corrB | Cuando se establece en True, muestra la matriz de correlación de los parámetros. |
| covB | Cuando se establece en True, muestra la matriz de covarianza de los parámetros. |
| display | Especifica una lista de tablas de resultados para enviar al cliente para su visualización. |
| freq | Nombra la variable numérica que contiene la frecuencia de ocurrencia para cada observación. |
| hessian | Cuando se establece en True, utiliza el Hessiano analítico en lugar del Hessiano de diferencias finitas. |
| lassoRho | Especifica el parámetro de regularización base para el método LASSO. |
| lassoSteps | Especifica el número máximo de pasos para el método LASSO. |
| lassoTol | Especifica el criterio de convergencia para el método LASSO. |
| logLikeNull | Cuando se establece en True, muestra el -2 log-verosimilitud del modelo NULO. |
| model | Nombra la variable dependiente, los efectos explicativos y las opciones del modelo. |
| multipass | Cuando se establece en True, niveliza la tabla de datos de entrada cada vez que se lee. |
| nClassLevelsPrint | Limita la visualización de los niveles de clase. El valor 0 suprime todos los niveles. |
| noStdErr | Cuando se establece en True, no calcula la matriz de covarianza ni ninguna estadística que dependa de ella. |
| optimization | Especifica la técnica y las opciones para realizar la optimización. |
| output | Crea una tabla en el servidor que contiene estadísticas a nivel de observación, calculadas después de ajustar el modelo. |
| outputTables | Lista los nombres de las tablas de resultados para guardar como tablas CAS en el servidor. |
| partByFrac | Especifica las fracciones de los datos que se utilizarán para la validación y la prueba. |
| partByVar | Nombra la variable y sus valores para particionar los datos en roles de entrenamiento, validación y prueba. |
| polynomial | Especifica un efecto polinómico. |
| selection | Especifica el método y las opciones para realizar la selección del modelo. |
| spline | Expande variables en bases de spline cuya forma depende de los parámetros especificados. |
| ss3 | Cuando se establece en True, realiza pruebas de efectos de Tipo 3. |
| strata | Nombra la variable que identifica los estratos para un análisis estratificado. |
| strataMissing | Cuando se establece en True, permite valores perdidos como valores válidos de la variable STRATA. |
| table | Especifica la tabla de datos de entrada. |
| weight | Nombra la variable numérica que se utilizará para realizar un análisis ponderado de los datos. |
Este bloque de código crea una tabla en memoria llamada 'mycas.heart'. Esta tabla contiene datos simulados sobre la supervivencia de pacientes con insuficiencia cardíaca, incluyendo el tiempo hasta el evento, el estado del evento (censurado o no) y varias covariables como edad, colesterol y presión arterial. Estos datos son adecuados para ajustar un modelo de riesgos proporcionales de Cox.
| 1 | DATA mycas.heart; |
| 2 | call streaminit(123); |
| 3 | DO i = 1 to 100; |
| 4 | Time = rand('UNIFORM') * 10; |
| 5 | STATUS = (rand('UNIFORM') > 0.5); |
| 6 | Age = 50 + rand('NORMAL') * 10; |
| 7 | Cholesterol = 200 + rand('NORMAL') * 30; |
| 8 | BP = 120 + rand('NORMAL') * 15; |
| 9 | OUTPUT; |
| 10 | END; |
| 11 | RUN; |
Este ejemplo ajusta un modelo de riesgos proporcionales de Cox básico para predecir el tiempo de supervivencia ('Time') en función de la edad ('Age'), utilizando el estado de censura ('Status').
| 1 | PROC CAS; |
| 2 | phreg.cox / |
| 3 | TABLE={name='heart'}, |
| 4 | model={depVars={{name='Time', event='Status(0)'}}, effects={{vars={'Age'}}}} |
| 5 | ; |
| 6 | RUN; |
Este ejemplo más complejo ajusta un modelo de Cox utilizando la selección de variables por pasos ('stepwise') para identificar los predictores más significativos entre 'Age', 'Cholesterol' y 'BP'. Además, el modelo se estratifica por la variable 'Sex' (asumiendo que existe en los datos) para permitir diferentes funciones de riesgo base para cada estrato.
| 1 | PROC CAS; |
| 2 | phreg.cox / |
| 3 | TABLE={name='heart'}, |
| 4 | class={{vars={'Sex'}}}, |
| 5 | model={depVars={{name='Time', event='Status(0)'}}, effects={{vars={'Age', 'Cholesterol', 'BP'}}}}, |
| 6 | strata='Sex', |
| 7 | selection={method='STEPWISE', slEntry=0.15, slStay=0.15} |
| 8 | ; |
| 9 | RUN; |
Este ejemplo ajusta un modelo de Cox y genera una tabla de salida ('cox_output') que contiene varias estadísticas de diagnóstico a nivel de observación, como los residuos de martingala, de Schoenfeld y de puntuación, así como el predictor lineal (X*Beta). Estas estadísticas son útiles para evaluar el ajuste del modelo y verificar sus supuestos.
| 1 | PROC CAS; |
| 2 | phreg.cox / |
| 3 | TABLE={name='heart'}, |
| 4 | model={depVars={{name='Time', event='Status(0)'}}, effects={{vars={'Age', 'Cholesterol'}}}}, |
| 5 | OUTPUT={casOut={name='cox_output', replace=true}, copyVars={'i', 'Time', 'Status'}, resMart='Martingale', resSch='Schoenfeld', resSco='Score', xBeta='Xbeta'} |
| 6 | ; |
| 7 | RUN; |
Una empresa farmacéutica está finalizando un ensayo clínico de Fase III. Necesitan analizar el tiempo de supervivencia de los pacientes bajo un Nuevo Tratamiento frente al Están...
Un operador de telecomunicaciones tiene una base de datos masiva de clientes con cientos de métricas de comportamiento (minutos usados, datos, quejas, antigüedad, etc.). Quieren...
Una planta industrial analiza el tiempo hasta el fallo de motores. El análisis debe ser estratificado por 'Ubicación de Fábrica' para controlar el ambiente. Sin embargo, los sen...