مدل های خطرهای متناسب و شکنندگی برای تحلیل داده های بقای فضایی

مدل خطرهای متناسب کاکس یکی از پرکاربردترین مدلها برای برازاندن به داده های بقا است که بر اساس فرضهای همگنی جامعه، استقلال و هم توزیع بودن داده های بقا بنا شده است. اما در بسیاری از مواقع خطرهای واحدهای آماری متفاوت بوده و فرض همگنی جامعه برقرار نیست. یکی از دلایل این تفاوت وجود عوامل خطر ناشناخته یا مشاهده نشده است که لحاظ نکردن آنها و استفاده از مدلهایی همچون مدل خطرهای متناسب کاکس میتواند نتایج گمراه کننده ای را به همراه داشته باشد. در این گونه موارد از مدل شکنندگی که اثر عوامل ناشناخته را در نظر می گیرد استفاده میشود. در این مقاله عملکرد مدلهای شکنندگی و خطرهای متناسب کاکس در برازش داده های بقا با وجود عوامل خطر ناشناخته بررسی و کارآیی این دو مدل هنگامی که منبع اثر عوامل خطر ناشناخته همبستگی فضایی داده های بقا باشد، مورد بررسی قرار میگیرد.

Proportional Hazards and Frailty Models for Analysis of Spatial Survival Data

One of the most widely used models for fitting survival data is Cox proportional hazards model that is based on homogeneity, independence and equi distributed of survival data. But in many cases hazards of statistical units are different and the assumption of population homogeneity is not established. One of the reasons for such deference is the unknown or unobserved risk factors which may lead to some misleading models if there is no concern for them or some models such as Cox proportional hazard models have to be implemented. In such cases, regarding the unknown risk factors, frailty models are used. In this paper the performances of the Cox and frailty models for survival and spatial survival data with unknown risk factors are considered. The efficiency of these models whilst the source of unknown risk factors is the spatial correlation of survival data is also examined.