Author :
Abstract
Bu çalışma, sosyal bilimcilere Cox Proportional Hazards modelini tanıtmayı amaçlamaktadır. Ayrıca araştırmacılar için yeni bir yaklaşım ve yöntem de getirmektedir. Bu teknik sağkalım analizi için istatistiksel bir model sunmaktadır. Bu istatistiksel model, belirli bir olay meydana gelmesi için gereken süre zarfında, birçok değişkenin etkisini araştırmak üzere de kullanılabilir. Buna ek olarak, bu modelde tedavisi ve numune üzerinde risk etkisi hakkında tahminler yapımında araştırmacılara yardımcı olmaktadır. Cox Proportional Hazards modeli regresyon modellerine benzemektedir. Cox regresyon pek çok istatistiksel yazılım uygulamalarında elde edilebilir. Bu çalışmada, tekniğin nasıl kullanıldığı ve nasıl yorumlanacağını göstermek için, meme kanseri ile ilgili 1996 GSS veri datası kullanılmıştır. Bu kapsamda, östrojen alımı, yaş, pozitif yardımcı lenf düğümleri ve patolojik tümör boyutu (cm) değişkenleri bu modelde kullanılmıştır. Ayrıca, bu istatistiksel yöntemin varsayımları tartışılmaktadır.
Keywords
Abstract
This treatise is an introduction to the Cox Proportional Hazards technique for researchers who want to use in social science. It brings a new approach and method for researchers. This technique provides a statistical model for survival analysis. This statistical model can be used to explore the effect of several variables upon the time a specific event takes to occur. In addition, this model assists the researcher in making predictions about the effect of the treatment and the risk on the sample. Cox Proportional Hazards models are similar to logistic regression models as it is addressing the probability of survival. The interpretation of Cox regression’s statistic outputs is also similar to logistic regression models. The Cox regression can be attained in many statistical software applications. This paper applies the Cox regression model to the data set from the 1996 GSS on breast cancer, in order to demonstrate how it is used and interpreted. For the purposes of this paper, the Cox regression model includes estrogen reception, age, positive auxiliary lymph nodes and pathological tumor size (cm). I also discuss the assumptions that must be met in order to use this statistical method.
