选择事件发生前时间（反应）变量

从数据表中选择变量，该变量包含分析感兴趣事件发生前历时。注意，目前，Prism仅接受对Cox比例风险回归使用历时值。如果您的数据包含“开始时间”和“结束时间”变量，则需要将这些变量变换为每相观察结果的单个历时值（历时=结束时间-开始时间）。

选择结果（事件/删失）变量

从数据表中选择变量，该变量包含每个观察结果的信息，即，感兴趣事件是否发生或者观察结果是否删失。该变量可以是连续变量，也可以是分类变量。如果该变量属于连续变量，通常使用值“1”对信息进行编码，表示发生感兴趣事件的个体，或者使用值“0”进行编码，表示删失的个体。如果变量属于分类变量，这些水平可能很容易解释为“死亡”和“删失”。无论结果变量连续还是分类，该选项卡上的控件都能够让您指定哪个值（或水平）代表事件，哪个代表删失的观察结果。

其他“将其他值视为”下拉菜单允许您指定Prism如何处理所选变量中的任何其他值。根据所选选项，可将这些行视为：

•缺失。根据该选项，Prism会将所含数值不同于“删失”和“事件”指定值的行视为该行中根本没有该变量值。因此，将这些行从分析中省略。即，该下拉菜单的默认选择

•删失：根据该选项，所含数值不同于“删失”和“事件”指定值的行将视为删失观察结果。如果您输入数据（或编码）以说明多种类型的删失（例如，“因缺乏随访导致的丢失”或“研究结束时仍存活”），可能会有所帮助

•死亡/事件：根据该选项，所含数值不同于“删失”和“事件”指定值的行将视为事件。仅当如果您只关注研究所有事件的概率，而非事件之间的差异时，才选择该选项。例如，如果您正在研究一般生存概率，可以处理“车祸死亡”和“心脏病发作死亡”，但在一项考察实验治疗对心力衰竭的影响的研究中，不适合同等对待这两者（在此情况下，“车祸死亡”可能会视为删失观察结果）

选择关联估计方法

Cox比例风险回归模型要求记录每个观察结果的事件发生前时间信息，这些时间的顺序对该分析的计算很重要。但经常会出现以下情况：多例事件记录为具有相同历时（要么归因于数据收集方式，要么归因于事件的具体顺序未知）。当事件观察结果具有相同历时时，这些观察结果称为“关联”，且分析可采用各种方式来处理关联。默认情况下，Prism会自动选择处理关联的最佳方法。根据关联的数量，Prism将使用精确方法或Efron方法（详见下文）。Breslow方法仅用于匹配其他应用程序生成的结果，一般不建议使用。

关于关联方法的其他信息

精确方法通常视为最精确，且在执行所需的计算时考虑关联事件排序的所有可能排列。例如，如果观察结果A、B和C关联，则有六种不同的方式可以对它们进行置换：

1.A，B，C

2.A，C，B

3.B，A，C

4.B，C，A

5.C，A，B

6.C，B，A

 

随着数据集中关联的数量增加，排列的总数迅速增加，导致计算时间急剧增加。为解决该问题，开发了一些精确方法的近似方法。两种最常见的近似方法如下：

1.Breslow近似方法

2.Efron近似方法

Breslow近似是两种方法中较老的一种，不如Efron近似精确，尤其是当数据中存在大量关联时。因此，我们不建议使用Breslow近似，除非特别尝试匹配不同应用程序生成的结果。请注意，比较不同估计方法的方式之一是比较使用每种估计方法所得模型拟合的AIC值。该值的报告见结果的“模型诊断”部分。

定义模型

类似于多元线性回归和多元逻辑回归，Cox比例风险回归可以接受连续变量和分类变量作为模型中的预测变量。但这些其他分析与Cox比例风险回归之间的一项重要区别在于，Cox比例风险回归无明确的截距项。如需包括截距项，未指定的基线风险（h0（t））会将其“吸收”。

主效应

主效应可以是您正在研究的变量（例如，治疗组或基因型），也可以是您正进行简单纠正的变量（例如，年龄、性别、体重等协变量）。尽管对这些变量的解释可能不同，但从模型定义的角度来看并无区别。使用复选框指定模型中需要包含的预测变量。拟合模型时，Prism将为模型中每个选定的主效应估计一个回归系数（β系数）。包括分类预测变量时，为该预测量估计的回归系数的数量等于分类变量的水平数量减1（例如，具有四个水平的分类预测变量将生成三个估计的回归系数）。另外，还将为模型中包含的各交互和变换估计回归系数（见下文）。

交互

Prism使得在模型中包含任意数量独立预测变量的两因素或三因素交互变得非常容易。只需展开您希望包含的交互（两因素或三因素）列表，选择希望添加的交互的第一个预测变量，然后选择希望包含在此交互中的变量。如需选择与给定预测变量的所有可能交互，只需在“定义模型”（Define model）窗口的两因素或三因素交互部分选择该预测变量旁边的主复选框。

变换

除交互外，Prism还允许您在模型中包含任何预测变量的平方、立方、平方根、对数或指数。只需展开感兴趣的变换部分，然后使用复选框指定您希望将哪些预测变量变换为分析模型的一部分。