MODEL REGRESI COX STRATIFIKASI UNTUK MENGATASI VARIABEL NON-PROPORSIONAL PADA DATA SURVIVAL

Model regresi Cox hazard proporsional merupakan model matematika yang sangat populer untuk menganalisis data survival tersensor. Model ini mengasumsikan rasio hazard dari dua individu yang konstan terhadap waktu. Jika asumsi tersebut tidak terpenuhi, model regresi Cox stratfifikasi dapat digunakan untuk mengatasi masalah hazard non-proporsional dengan variabel yang tidak bergantung dengan waktu. Koefisien regresi model regresi Cox stratifikasi diestimasi menggunakan metode maximum partial likelihood. Terkadang, ties dapat terjadi dalam data survival. Untuk mengatasi hal tersebut, pendekatan fungsi partial likelihood Breslow dan Efron dapat digunakan. Berdasarkan contoh data survival yang digunakan, variabel penjelas los tidak memenuhi asumsi hazard proporsional dan akan dibentuk dua strata dari variabel penjelas tersebut. Setelah menggunakan model regresi Cox stratifikasi dan membandingkan antara model regresi Cox stratifikasi interaksi dengan model regresi Cox stratifikasi tanpa interaksi, diperoleh model regresi Cox stratifikasi tanpa interaksi lebih tepat digunakan. Dari model tersebut, dapat disimpulkan bahwa pasien yang lebih tua lebih beresiko, pasien perempuan lebih beresiko daripada pasien laki-laki, dan pasien dengan kategori BMI (body mass index) underweight lebih beresiko. The Cox proportional hazard regression model, which is the most popular mathematical method used for analyzing censored survival data. This model assumes that hazard ratio of two individuals is constant over time. If the assumption is violated, stratified Cox regression model can be used to deal with nonproportionality of hazards with time-independent variables. Regression coeficients in the stratified Cox regression model are estimated using maximum partial likelihood method. Sometimes, ties could be occured in survival data. To handle it, partial likelihood approximation given by Breslow and Efron can be used. According to example of survival data that used in this study, los variable is not satisfying the proportional hazard assumption and that variable will be splited into two strata. After using stratified Cox regression model and comparing between interaction stratified Cox regression model with no-interaction stratified Cox regression model, the result is no-interaction stratified Cox regression model should be used. Therefore, the conclusions are elderly patients are more at risk, women patients are more at risk than man patients, and patients with underweight category of BMI (body mass index) are more at risk