Me corrijo a mi mismo: "Si" puede tener sentido sentido estratificar por
la variable PaÃs, si no tenemos interés en estimar el efecto de
especifico asociado al paÃs, si no en su iteración con otra variable de
exposición. Para aclararme las ideas he construido unos datos ficticios
sobre los que poder aplicar los modelos de cox alternativos que estamos
hablando:
# --------------------------------------------------------
set.seed(100)
n <- 1000
ss <- data.frame(ID=1:n,
tiempo =rnorm(100,m=90,sd=15),
caso = sample(0:1,n,replace=T,c(.85,.15)),
expuesto =sample(0:1,n,replace=T,c(.3,.7)),
zona. =sample(letters[1:4],n,replace=T),
sexo =sample(c('H','M'),n,replace=T)
)
# --------------------------------------------------------
Y sobre estos datos he probado las dos alternativas de modelos
comentadas anteriormente:
# --------------------------------------------------------
require(survival)
coxph(Surv(tiempo,caso)~ expuesto*zona.+strata(sexo)
,data=ss) -> m00
coxph(Surv(tiempo,caso)~ expuesto*strata(zona.)+strata(sexo)
,data=ss) -> m01
# ---------------------------------------------------------------
Los coeficientes resultantes en cada modelo y la estimación del Hazar
Ratio (RR o sobreriesgo) del grupo de expuestos, con respecto a los no
expuesto en cada zona serian estos:
### m00:
----------------------------------------------------------------------------------------------
exp(coef)
expuesto 1.4071
zona.b 1.0564
zona.c 0.9652
zona.d 1.1918
expuesto:zona.b 0.8475
expuesto:zona.c 1.0117
expuesto:zona.d 0.6759
## HR de los expuestos estimada en cada zona
## (Solo dos curvas basales una para cada sexo)
## a: 1.4071 = 1.4071
## b: 1.4071 * 0.8475 = 1.1925
## c: 1.4071 * 1.0117 = 1.4236
## d: 1.4071 * 0.6759 = 0.9511
## m01
----------------------------------------------------------------------------------------------
coxph(formula = Surv(tiempo, caso) ~ expuesto * strata(zona.) +
strata(sexo),
data = ss)
exp(coef)
expuesto 1.3883
expuesto:strata(zona.)zona.=b 0.8909
expuesto:strata(zona.)zona.=c 1.0136
expuesto:strata(zona.)zona.=d 0.6706
## HR de los expuestos estimada en cada zona
## (8 curvas basales 2 sexo x 4 zonas)
## a: 1.3883 = 1.3883
## b: 1.3883 * 0.8909 = 1.2368
## c: 1.3883 * 1.0136 = 1.4072
## d: 1.3883 * 0.6706 = 0.9310
#
----------------------------------------------------------------------------------------------
Ambos resultado son congruentes y las pequeñas diferencias en la
estimación del efecto se explican por las distintas hipótesis sobre las
"hazar rate" basales tomadas en cada modelo.
!! He aprendido que puedo hacer regresion de cox combinando interaccion
y estratificación en la misma variable !!
El 05/02/15 a las 10:46, Francisco Viciana escribió:
Lo que me resulta estraño del modelo que planteas es la combinación de
la "interacion" con la "estratificación":
S1.nuevo ~ mobilityPDurG2 * strata(Countryb) + strata(Q6),
Esta claro que "coxph" se lo ha tragado, pero ni idea de los que puede
significar.
En principio, yo creo que la estratificación se usan con varaibles
"confusores", con efecto causal conocido, pero que no tiene interés
directo en el análisis (por ejemplo el sexo en el análisis de las
desigualdades sociales en supervivencia) , ya que para cada estrato se
estima una función empÃrica basal de "hazars rates", sobre las que hay
que aplicar las "hazard ratios" derivadas de los coeficientes del
modelo. Por lo tanto si estas interesado en disciriminal el efecto de la
movilidad en cada uno de los paises, creo que o debes de estratificar
por "Countryb". Para eso el modelo que yo plantearia, seria este:
S1.nuevo ~ mobilityPDurG2 * Countryb + strata(Q6) # puede que con -1,
para facilitar la interpretación del efecto paÃs
A partir de este modelo, para cada paÃs tendremos dos coeficientes, una
el efecto del "Countryb" y otro la interacción con "mobility". En
principio, y obviando la cuestión de la categorÃa paÃs de referencia,
exponenciando el coeficiente de interacción
"exp(mobilityPDurG2:Countryb(pais.uno))" se obtendrÃa la "hazar ratio"
(Riesgo Relativo) de los individuos con mobilityPDurG2=1 en el "paÃs.uno"
El 04/02/15 a las 13:54, José Luis Cañadas Reche escribió:
Buenas.
Abajo pongo la salida de un modelo de cox , dónde he estratificado
por una variable de paÃs (Countryb) y por otra (Q6). Además hay
interacción entre la variable mobilityPDurG2 (es una variable 0,1, y 0
es la categorÃa de referencia) paÃs.
La categorÃa de referencia para paÃs es "united kingdom".
Mi duda surge si quiero calcular el hazard ratio para los que tienen
un 1 en mobilityPDurG2 en los diferentes paÃses respecto a los que
tienen 0.
En principio serÃa con los exp(coef), de forma que por ejemplo para el
Reino unido serÃa 0.78592 y para Bélgica 0.65489, pero no estoy
seguro y no he encontrado por ahà como se interpreta cuando tengo
interacción entre la variable de estrato y una covariable.
Gracias..
summary(mod.cph.strat3)
Call:
coxph(formula = S1.nuevo ~ mobilityPDurG2 * strata(Countryb) +
strata(Q6), data = datos[filtro, ], method = "breslow")
n= 5885, number of events= 4397
coef exp(coef) se(coef) z Pr(>|z|)
mobilityPDurG2 -0.24090 0.78592 0.06930 -3.476 0.000509 ***
mobilityPDurG2:strata(Countryb)Countryb=belgium -0.42328 0.65489
0.21738 -1.947 0.051514 .
mobilityPDurG2:strata(Countryb)Countryb=france -0.13352 0.87501
0.13945 -0.957 0.338326
mobilityPDurG2:strata(Countryb)Countryb=germany -0.01344 0.98665
0.13199 -0.102 0.918871
mobilityPDurG2:strata(Countryb)Countryb=italy 0.19129 1.21081
0.11428 1.674 0.094149 .
mobilityPDurG2:strata(Countryb)Countryb=netherlands -0.10238
0.90269 0.13224 -0.774 0.438819
mobilityPDurG2:strata(Countryb)Countryb=poland 0.17324 1.18916
0.25840 0.670 0.502579
mobilityPDurG2:strata(Countryb)Countryb=spain -0.49122 0.61188
0.14938 -3.288 0.001008 **
mobilityPDurG2:strata(Countryb)Countryb=sweden -0.28491 0.75208
0.12522 -2.275 0.022884 *
mobilityPDurG2:strata(Countryb)Countryb=switzerland -0.14876
0.86178 0.16448 -0.904 0.365771
---