Si el supuesto de proporcionalidad del peligro no parece cumplirse para una covariable en el modelo PH de Cox, ¿es un asunto serio? La covariable se incluye para ajustar los posibles factores de confusión. Me interesa más saber cómo se verá afectada la razón de riesgo de la variable de interés si este supuesto no se cumple para las demás covariables del modelo. El modelo de Cox estratificado podría ser un buen enfoque a considerar, pero no tenemos suficiente tamaño de muestra.
Respuesta
¿Demasiados anuncios?
Si la covariable es muy influyente, a veces resulta beneficioso ajustarla como covariable y también como factor de estratificación. La estratificación no afectará mucho al tamaño efectivo de la muestra para estimar los riesgos relativos, pero reducirá la precisión de las estimaciones de la curva de supervivencia. Sin embargo, debe indicar cómo ha evitado los supuestos de linealidad para las covariables continuas. Con frecuencia, las no linealidades pueden ser más impactantes que los riesgos no proporcionales.
A veces, cuando se cambian los modelos porque no se satisfacen los riesgos proporcionales para una variable, se empeora el ajuste para otras variables. Puede ser útil tener una idea de la estructura "media" general. En RMS Tengo un estudio de caso detallado en un último capítulo en el que examino el ajuste de un modelo de supervivencia paramétrico, y he utilizado un modelo de tiempo de fallo acelerado en lugar del modelo de Cox.
