Corraini y otros , que usted cita en la actualización de su pregunta, dicen en la página 332: "... la evaluación de la modificación del efecto consiste en identificar si el efecto de un tratamiento (o exposición) es diferente en grupos de pacientes con características diferentes" y "La interacción es de interés cuando los investigadores quieren obtener el efecto conjunto de dos (o más) exposiciones sobre una enfermedad o resultado".
Ambas cuestiones pueden modelarse con términos de interacción en los modelos de Cox. coxph() El código no sabe si usted considera que un predictor es una "exposición" o un "modificador del efecto". Lo que importa es si decide examinar la relación del propio "modificador del efecto" con la supervivencia.
Corraini et al. ilustran el análisis de modificación de efectos en datos observacionales con un estudio de terapia hormonal sustitutiva (THS). El estudio realizó análisis de supervivencia por separado con la TRH como predictor en 3 grupos estratificados por el modificador del efecto putativo, el índice de masa corporal (IMC). Lo que hicieron fue efectivamente:
coxph(Surv(survTime,status) ~ HRT, data=df, subset = BMIgroup==group1)
coxph(Surv(survTime,status) ~ HRT, data=df, subset = BMIgroup==group2)
coxph(Surv(survTime,status) ~ HRT, data=df, subset = BMIgroup==group3)
El estudio descubrió que la THS sólo reducía el riesgo de cáncer de endometrio de forma significativa en el grupo con mayor IMC, lo que apoya el IMC como modificador del efecto de la THS en este contexto.
Pero ese estudio también podría haberse analizado con un término de interacción entre la TRH y los 3 grupos de IMC en un único modelo en lugar de en 3 modelos separados. Por ejemplo, si ese estudio hubiera utilizado:
coxph(Surv(survTime,status) ~ HRT*BMIgroup, data=df)
o
coxph(Surv(survTime,status) ~ HRT*strata(BMIgroup), data=df)
también habría obtenido información sobre cómo difieren los coeficientes de riesgo de la TRH entre los grupos de IMC.*
Como dice @Björn en su respuesta (mucho más sucinta), la distinción es más que nada semántica en términos de cómo se desea analizar y describir los resultados. Nótese que en el estudio citado como ejemplo de modificación del efecto (o con HRT*strata(BMIgroup) término de interacción), el efecto del IMC por sí mismo sobre la supervivencia no es de interés y no se estima. Lo único que se podría decir de esos análisis es si el efecto de la THS depende del IMC.
El HRT*BMIgroup El término de interacción permite estimar el efecto de BMIgroup . No se puede distinguir si el efecto de HRT depende de BMIgroup o viceversa; los términos de interacción muestran en qué medida sus efectos dependen unos de otros. Si no le importa especialmente cómo afecta su modificador de efecto al resultado, basta con realizar y describir los resultados con modelos estratificados.
*El HRT*BMIgroup asume el mismo riesgo de base para todos los grupos de IMC; HRT*strata(BMIgroup) permite diferentes peligros de base y, por lo tanto, se acerca más a lo que se hizo en el estudio citado.
