在进行Cox比例风险回归分析时，Prism会提供两个值，用于表示每个预测变量对风险率的影响：

•参数估计值（另见相关页面）

•风险比（下文将讨论）

这两个值彼此之间是简单的变换关系，因此传达的信息相同。如果您刚接触Cox回归，理解风险比可能更容易一些。

 

简明版

风险比代表了某个参数对结局产生的“乘法效应”。如果某个参数的风险比为 2，那么该参数值增加 1，将使所有时间点的风险率翻倍。

 

详细版

风险比是针对Cox比例风险回归计算的参数估计值的变换形式，此前已作过说明。如前所述，这些参数估计值（β值）表示当相应的预测变量值发生变化时，log(危险率)的变化量。 然而，对 log(危险率) 的思考比考虑简单的危险率要复杂一些。风险比用于表示当与该风险比相关的预测变量发生变化时，危险率的变化量。

考虑Cox比例风险回归所采用的模型：

 

呈现该模型的另一种方式是将两边同时除以基线危险率（h0(t)）：

 

这可以展开为：

 

若将“exp(β1)”替换为“HR1”，则得到

 

该方程的最终形式清晰地展示了参数估计量与风险比之间的关系：若对某个给定预测变量的参数估计量取指数，即可得到风险比。利用这一知识，现在可以看出这些风险比的值具有以下解读：

对于给定的风险比 HRi，当所有其他预测变量的值保持恒定时，xi 增加一个单位对危险率的乘法效应等于该风险比的数值。

举一个简单的例子，考虑预测变量“年龄（单位：年）”，其风险比为 2。当年龄增加 1 岁时，危险率将乘以 21（或简写为 2）。 当年龄增加两年时，危险率将乘以2²（即4）。风险比反映了预测变量对危险率的“乘法效应”。

Prism 还为这些风险比提供了置信区间。置信区间往往是一个容易被误解的统计概念，因为它们并不完全符合我们的直觉。 对置信区间的正确解读应为：“如果我们反复进行这项实验——每次都从同一样本中选取观测值——那么我们预计，95%的相应95%置信区间将包含真实的总体值。”