Cox回帰でExp（B）を解釈するにはどうすればよいですか？

私は統計を理解しようとしている医学生です！;）

私は、生存分析（Kaplan-Meier、Log-Rank、Cox回帰）を含むかなりの量の統計分析を含むエッセイを書いています。

2つのグループ（高リスク患者または低リスク患者）の患者の死亡の間に有意差を見つけることができるかどうかを確認しようとして、データに対してCox回帰を実行しました。

Cox回帰にいくつかの共変量を追加して、それらの影響を制御しました。

Risk (Dichotomous)
Gender (Dichotomous)
Age at operation (Integer level)
Artery occlusion (Dichotomous)
Artery stenosis (Dichotomous)
Shunt used in operation (Dichotomous)

SEが非常に高いため（976）、共変量リストからArteryオクルージョンを削除しました。他のすべてのSEは、0,064〜1,118です。これは私が得るものです：

                    B       SE      Wald    df  Sig.    Exp(B)  95,0% CI for Exp(B)
                                                                Lower   Upper
    risk            2,086   1,102   3,582   1   ,058    8,049   ,928    69,773
    gender         -,900    ,733    1,508   1   ,220    ,407    ,097    1,710
    op_age          ,092    ,062    2,159   1   ,142    1,096   ,970    1,239
    stenosis        ,231    ,674    ,117    1   ,732    1,259   ,336    4,721
    op_shunt        ,965    ,689    1,964   1   ,161    2,625   ,681    10,119

リスクは、0,058でのみ境界線上で有意であることを知っています。しかし、それ以外にExp（B）値をどのように解釈するのでしょうか？Exp（B）値が次のように解釈されたロジスティック回帰（Cox回帰にいくらか似ていますか？）に関する記事を読みました。「ハイリスクグループに参加すると、結果の可能性が8倍増加します」この場合、死です。リスクの高い患者は、...何よりも早く死亡する可能性が8倍高いと言えますか？

私を助けてください！;）

ところで、SPSS 18を使用して分析を実行しています。

一般的に言えば、$\exp(\hat\beta_1)$の値の二人の個人の間の危険の比である$x_1$、他のすべての共変量が一定に保持されているときに一個の単位だけ異なります。他の線形モデルとの並列性は、Cox回帰ではハザード関数が$h(t)=h_0(t)\exp(\beta'x)$としてモデル化されることです。ここで、$h_0(t)$はベースラインハザードです。これは、$\log(\text{group hazard}/\text{baseline hazard})=\log\big((h(t)/h_0(t)\big)=\sum_i\beta_ix_i$である。そして、単位増加$x_i$関連付けられている$\beta_i$ログの危険率の増加。回帰係数可能したがって、モデルに含まれる共変量を考慮して、治療グループのハザードのログを（対照またはプラセボグループと比較して）定量化するために、相対リスクとして解釈されます（時変係数がないと仮定）。

ロジスティック回帰の場合、回帰係数はオッズ比の対数を反映するため、リスクのk倍の増加として解釈されます。そう、はい、ハザード比の解釈はオッズ比の解釈といくらか似ています。

SPSSを使用したCox Regressionに関する優れた資料があるDave GarsonのWebサイトを確認してください。

私は統計学者ではなく、統計学の世界で物事を整理しようとするMDです。

$\exp(B)$$1/\exp(B)$$\exp(B) = 0.407$$1/0.407 = 2.46$

$\exp(B) > 1$$\exp(B) = 1.259$

$\exp(B) = 1$$\exp(B)$

分析から、エンドポイントの重要な予測因子（サインレベル5％）の変数は1つもないように見えますが、「リスクの高い」患者であることは境界線上重要です。

Julie Pallant 著の本「SPSSサバイバルマニュアル」を読むと、おそらくこの（およびそれ以上の）トピックについてさらに啓発されるでしょう。