regresi cox adalah

Model Regresi Cox dan Aplikasinya dalam Menganalisis Ketahanan - UNM Analisis survival yang umum digunakan dalam penelitian kesehatan dan ekonomi adalah regresi Cox. Regresi ini dikembangkan pertama kali oleh Cox pada tahun 1972 dan dapat digunakan untuk menganalisis variabel respon berupa waktu seperti hari, bulan, atau tahun. Model regresi Cox adalah model semi-parametrik yang dapat memperkirakan rasio risiko tanpa mengetahui baseline fungsi bahaya. Model ini sangat populer dalam analisis ketahanan hidup. Namun, pada data yang berasal dari survei kompleks, penggunaan regresi Cox kurang tepat karena peluang setiap unit untuk terpilih sebagai sampel akan berbeda-beda. Regresi Cox digunakan untuk melihat faktor-faktor yang mempengaruhi terjadinya suatu peristiwa (biasanya dikenal dengan nama time-dependent Covariate) dengan peubah responnya adalah waktu ketahanan hidup. Asumsi proporsi risiko harus dipenuhi untuk memodelkan regresi Cox Proportional Hazard. Dan, asumsi ini tidak terpenuhi maka pemodelan menjadi tidak akurat. Dalam penelitian diabetes melitus tipe II, penggunaan model regresi Cox menghasilkan faktor-faktor yang mempengaruhi waktu ketahanan hidup seperti usia, tekanan darah, hipertensi, status merokok, ulkus, dan hiperglikemia. Demikian pula, dalam penelitian stroke hemoragik unspecified, penggunaan model regresi Cox stratified tanpa interaksi dapat mengidentifikasi faktor-faktor yang mempengaruhi data ketahanan dalam studi kasus, serta menentukan rasio variabel-parametrik dari model. Regresi semiparametrik Cox proportional hazard adalah regresi yang paling sering digunakan dalam analisis ketahanan hidup. Dalam penelitian leukemia, model regresi Cox Proportional hazard dapat membantu menganalisis waktu survival pasien yang melakukan transplantasi sumsum tulang belakang dengan cara eliminasi langkah mundur. Dalam hal ini, model regresi Cox terbaik dapat menghasilkan risiko yang berbeda dari kegagalan individu pada waktu tertentu. Dalam kesimpulannya, Model Regresi Cox dan aplikasinya penting dalam menganalisis ketahanan hidup dalam berbagai penelitian di bidang kesehatan dan ekonomi. Namun, perlu diingat bahwa asumsi Proportional Hazard harus dipenuhi untuk memastikan akurasi pemodelan.