Анализ взаимодействий в регрессионном анализе Кокса Опции

[mix3d]

Здравствуйте,

помогите, пожалуйста, разобраться или наведите на источник, понятный для клинициста.

Определяем независимые предикторы неблагоприятного исхода (регрессионный анализ Кокса). Сначала отобрали возможные кандидаты в однофакторной регрессии с р<0,2. Далее ввели их в многофакторную модель.

Вопрос: требуется учесть взаимодействия, в SPSS такая возможность реализована, но не уверен как ее применить.

Например, если в конечной модели у меня 3 независимых предиктора + пол и возраст - незначимые, но использованы для adjustment, следует ли анализ взаимодействия проводить просто перемножив 3 этих независимых предиктора все вместе (1*2*3), или попарно (1*2, 1*3, 2*3), или еще и возраст, и пол (1*2*3*пол*возраст, 1*2*пол, 1*2*возраст, 1*2*пол*возраст и т.д.).

Стоит ли учитывать все возможные комбинации, или только исходя из физиологической/патофизиологической целесообразности?

Далее, включать ли каждое произведение (двух предикторов) по отдельности в исходную многофакторную модель, или только произведение (т.е. по сути провести сначала однофакторную регрессию для произведений, отобрать возможные предикторы по р<0,02, а затем подставлять их в многофакторную модель).

Стоит ли довериться stepwise или пробовать комбинации вручную?

преимущественно в зарубежных статьях часто наблюдаю "no interactions were found", но что за этим скрыто, и как авторы проводили анализ, никогда не указывается.

спасибо!

PS.: Должно ли распределение предикторов (и остатков, и как их получить в SPSS или Statistica) в регрессии Кокса соответствовать нормальному?

[p2004r]

Определение влияет или нет данная переменная (в том числе в сочетании с другими) на точность прогноза самостоятельный раздел анализа данных -- http://en.wikipedia.org/wiki/Feature_selection .

Например можно использовать library(Boruta) в R. Поиском на форуме легко находиться пример.