Medicina Basada en la Evidencia

Regresión de riesgos proporcionales de Cox… – 643 – E l modelo de riesgos proporcionales o regresión de Cox (RC), nombre que toma en honor al estadístico que la describió (Dave Cox, 1972), es hoy una herra- mienta estadística ampliamente utilizada en medicina, esencial para el análisis de datos de supervivencia. Como cualquier modelo de regresión, es una función que anali- za la relación entre una o más variables independientes o explicativas y la tasa de incidencia de un evento de interés, siendo capaz de predecir las probabilidades de supervivencia de un determinado sujeto a partir de los valores que tomen las variables predictivas. Comparte con los demás métodos de supervivencia (Kaplan-Meier) que para el cálculo del modelo computan todos los su- jetos, ya que se tiene en cuenta el tiempo de todos los participantes que están a riesgo de presentar el evento en cada instante, tanto si el tiempo de seguimiento es completo hasta presentar el evento de interés o incom- pleto (censurados). A diferencia de otros modelos de regresión (lineal, logística) es un modelo dinámico; no solo nos dice el número de eventos que ocurren, sino a la velocidad a la que ocurren. El modelo de regresión de Cox, a diferencia de otros modelos de regresión, es un modelo dinámico que tiene en cuenta la velocidad a la que ocurren los sucesos La RC es especialmente útil en: ■ Ensayos clínicos donde la supervivencia o el tiempo hasta un evento de interés son resultados críticos. ■ En estudios para determinar qué variables están asociadas con un mayor riesgo o probabilidad de experimentar el evento, puede ayudar a identificar poblaciones de alto riesgo y diseñar intervenciones preventivas o terapéuticas adecuadas. OBJETIVOS: ■ Entender la utilidad e interpretación de una regresión de Cox ■ Conocer los requisitos de una regresión de Cox ■ Entender la estimación e interpretación de los coeficientes de las variables independientes en una regresión de Cox ■ Conocer e interpretar las medidas de diagnóstico de una regresión de Cox “Los científicos debemos hacer todo lo posible para propagar la búsqueda de la verdad” David Cox ■ Para estimar la probabilidad de que un individuo o un grupo experimente un evento específico en el fu- turo. Para realizar un seguimiento adecuado de los pacientes y evaluar la supervivencia en periodos pro- longados. MODELO DE REGRESIÓN DE COX DE RIESGOS PROPORCIONALES El modelo es el producto de dos funciones. La primera, dependiente del tiempo , y la segunda, depen- diente de las variables predictoras X ( ). Se considera un modelo semiparamétrico, ya que la primera función, que se obtiene a partir de los datos, está libre de cual- quier distribución, mientras que la segunda función de- pende de la distribución de las variables predictoras. La ecuación de regresión de Cox se puede expresar como: = Tomando logaritmos neperianos se puede expresar como modelo log-lineal: . Función de riesgo. Representa la tasa de riesgo de un sujeto con valores = X (X 1 ,X 2 … X n ) de la/s variable/s explicativas en un instante de tiempo determinado (t). Es la variable dependiente, codificada como 0: sí, 1: no. . Tasa basal de riesgo, que solo depende del tiem- po. Representa la tasa instantánea de riesgo cuando el valor de las variables predictoras es igual a 0. Esta variable está unida en el análisis a la variable depen- diente. . Función exponencial. Es la combinación lineal de las variables predictoras o explicativas (Xn), que pue- den ser cualitativas o cuantitativas.