こんにちは、みんな！
私はPHモデリングを調べてきましたが、データを適切に解釈する方法についていくつか質問があります。
説明のために、私は自分の主張を裏付けるように CA Lung Cancer データセットを変更しました。
最初の質問は、PHモデルの仮定に関する、かなり一般的なものです。PHモデルを用いた論文の問題点をまとめた、優れた論文があります。また、違反への対処法についてもいくつか紹介されています。この件については、 以前にもスレッドがありました。何か進展があった方はいらっしゃいますか？私が見つけたいくつかのチュートリアルでは、比例関係を確認する最も簡単な方法は、カプラン・マイヤー曲線に切片がないことを確認するか、両対数プロットでデータをプロットし、線が平行であることを視覚的に確認することだと書かれています。これは、Life Distribution（データテーブルの最初のスクリプト）を使えば簡単に実行できます。
つまり、このデータセットでは基本的にここまでです（KPS変数についてはここでは気にしないでください。誰かが連続変数を使って回答したい場合に備えて残しておいたのです）。JMPで時間依存の共変量を追加して、非比例性を調整することは可能でしょうか？
2つ目の質問は、私たちが実施している研究でよくあることですが、異なる治療レジメン（例えば、薬剤Aは投与スケジュール1と2、薬剤Bはスケジュール3、4、5）についてです。薬剤と治療法を比較したいのですが、薬剤内の投与量を比較する場合でも、それらをカテゴリーとして扱い、投与量を薬剤内にネストされた連続変数として扱いましょう（この点について何か懸念はありますか？）。
説明のために、ある程度のカテゴリのネストを実現するために、:Cell Type を :Cancer type に分割しました。この方法でモデルを実行しても有効でしょうか？
答えが「はい」の場合でも、サブレベル間の違いが何なのかを知りたいのです。なぜなら、異なるスケジュールを持つ2つの薬剤がある場合、カテゴリーごとに得られる数値HRはあまり意味をなさないからです。確かに、これらはいわゆる「ベストプラクティス」に基づいて選択されたものですが、それは完全に恣意的なデータです。
次のステップでは、非小細胞肺がんのみを選択して、ローカル フィルターを使用して PH モデルを実行できますか?
実際に興味のある HR 値（または連続データの場合は「回帰変数の単位あたりの変化」）を取得します。
仮定が意味を成し、誰かが何らかの洞察で助けてくれることを願っています。:)
幸運をお祈りしています、
コンスタンティン
追記：生存データはマウスを用いたin vivo研究から得られたものです。通常の群のサイズは6～12匹です。JMP18を使用しています。
@Jonas_Rinneもリンクしています;)
非比例性を調整するために、JMP に時間依存の共変量を追加することはできますか?
JMPは現在、Cox PHモデルの時間変動共変量をサポートしていません。この機能をリクエストするには、 JMP Wish List - JMPユーザーコミュニティにアクセスしてください。
説明のために、ある程度のカテゴリのネストを実現するために、:Cell Type を :Cancer type に分割しました。この方法でモデルを実行しても有効でしょうか？
B を A 内にネストするということは、A の各レベル内で B の効果を個別に推定するが、B の主な効果は推定しないことを意味します。(ネストが使用されるもう 1 つの状況は、ネストされた因子のレベルがグループ間で同じラベルを持つが、その意味がグループによって変わる場合です。この JMP の例「ネストされた被験者の例」を参照してください。)
ただし、この例のデータでは、小細胞型の症例は小細胞がん型の症例と同じであり、扁平上皮がん、腺がん、大細胞型は小細胞がん以外のがん型であるため、ネストは不要です。以下のスクリーンショットに示すように、細胞型とがん型の両方を含むモデルでは、同じ結果が得られます。
次のステップでは、非小細胞肺がんのみを選択して、ローカル フィルターを使用して PH モデルを実行できますか?
はい、可能です。ただし、これは一般的に、複合サンプルに対して単一のモデルを実行する場合とは異なります。典型的なモデルでは、主効果として「がんの種類」と「がんの種類」、そして交互作用項が含まれます。しかし、データの特異性のため、このモデルでは推定できません。
