Cox 比例风险回归的目标是估算观察人群的风险率（以及随后的生存函数）。危害函数的值不仅依赖于相关事件的发生时间，还依赖于模型中每个预测因子的值。利用拟合模型和模型中每个预测变量的已知值，可以预测给定时间点的估计生存概率。虽然这是一项检验力很强的功能，但它并不是进行 Cox 回归所必需的，除非需要从模型中进行特异性预测，否则可以忽略不计。

利用考克斯回归进行预测

使用 Cox 比例风险回归拟合模型后，假定提供了每个预测因子变量的值，就可以估算出特定时间的特异性风险值（和生存概率）。Prism 可以使用在两个不同位置提供的信息预测危害值和生存概率值：从输入数据表中的点，以及使用 "预测"选项卡上的特异性点。

根据数据表中的预测因子变量值进行预测（或插入值预测

选中此复选框时，Prism 将检查输入数据表中是否有以下行：

1.包含相关事件的经过时间值

2.包含指定模型中每个预测因子变量的值

3.不包含结果（事件/删剪）变量的值

对于这些行中的每一行，Prism 都将使用已确定的拟合优度参数系数以及数据表这一行中的值来计算这些观察值的线性预测因子 (Xβ)、风险比 (exp[Xβ]) 和累积生存率的相应值。请注意，与简单线性和非线性回归不同，用于插入值的行不要求位于数据表的末尾。Prism 将搜索符合上述三个插值条件的任何行。

根据对话框中预测变量的值进行预测（或插入值计算

选中此复选框时，Prism 允许您通过指定感兴趣事件的经过时间值以及模型中每个预测变量的 值来创建用于插值（预测）的自定义点。使用向上/向下箭头指定要插入插值的点数。在两个方框的顶部，可以为每个插值点添加名称/标签。

每个插入插值点都必须有模型中每个预测因子变量的定义值，还必须包括相关事件的经过 时间值。要指定这些值，请选择 "自动 "方法或从下拉菜单中选择 "自定义..."。每个预测因子的默认设置如下：

•连续变量（包括到感兴趣事件的经过时间变量）："自动"下拉菜单将设置为 "默认"，数值为零

•分类变量：自动下拉菜单和数值将与该变量的参考水平设置相匹配。如果未手动更改参考值，自动下拉菜单将设置为 "第一级（默认值）"。

由于经过时间的默认值设置为 0，因此累积存活率的预测值将为 1（经过时间为 0 时的预测存活率假定为 1 或 100%）。

对于每个预测因子变量，您都可以输入一个值或选择该变量的最小值、最大值或值。

同样，对于分类变量，Prism 提供了使用第一级、最后一级或数据中最频繁/最不频繁级进行插值的选项。同样，如果数据发生变化，Prism 会自动相应地更新插入值。

最后，对于连续变量和分类变量，Prism 都允许输入 "自定义...... "值进行插值。

如果输入数据发生变化，预测值会发生什么变化

当 Cox 比例风险回归的输入数据发生变化时，Prism 会自动重新计算指定模型的回归系数。这将对使用该模型预测的值产生影响。此外，对于使用对话框中列出的预测变量值预测的点，数据的变化可能会改变各种 "自 动 "赋值方法的值。

对于连续变量，Prism 提供了从数据表中该变量的最小值、最大值或平均值（使用 "自动"方法下拉菜单）进行插入的选项。如果数据发生变化，这个最小值、最大值或平均值也可能发生变化，从而导致插值计算时使用不同的值。

同样，对于变异性变量，Prism 提供了使用数据表中该变量的第一级、最后一级、最常级或最不常级进行插值的选项（使用 "自动"方法下拉菜单）。如果数据发生变化，则第一级、最后一级、最频繁级或最不频繁级也可能发生变化，从而导致插值计算时使用的值不同。

请注意，用于插入的分类变量的默认 "自动"方法（和值）将与该变量参考水平的方法（和值）相匹配。但是，一旦使用特异性方法插入点，改变参考水平确定方法将不会改变插值点的指定方法。