Cox比例风险回归的目标是估计观察人群的风险率（进而估计生存函数）。风险函数的值不仅取决于距目标事件发生的时间，还取决于模型中各预测变量的数值。 利用拟合模型以及模型中各预测变量的已知值，可以对给定时间点的估计生存概率进行预测。虽然这是一项强大的功能，但它并非进行Cox回归的必要条件，除非需要从模型中获得具体的预测结果，否则可以忽略不计。

Cox 回归的预测

一旦使用Cox比例风险回归拟合了模型，在给定各预测变量的数值前提下，即可估算特定时间点的风险值（及生存概率）。 Prism 可以利用来自两个不同位置的信息来预测风险和生存概率的值：来自输入数据表中的数据点，以及“预测”选项卡上的特定数据点。

根据数据表中预测变量的值进行预测（或插值）

选中此复选框后，Prism 将检查输入数据表中是否存在满足以下条件的行：

1.包含至目标事件发生为止的经过时间值

2.包含指定模型中每个预测变量的值

3.不包含结果（事件/删剪）变量的值

对于每一行，Prism 将使用确定的最佳拟合参数系数，结合数据表中该行的数值，计算这些观测值的线性预测因子（Xβ）、风险比（exp[Xβ]）以及累积生存率。 请注意，与简单线性回归或非线性回归不同，用于插值的行不必位于数据表的末尾。Prism 将搜索任何满足上述三个插值标准的行。

根据对话框中的预测变量值进行预测（或插值）

选中此复选框后，Prism 允许您通过指定距离目标事件的经过时间以及模型中各预测变量的数值，来创建用于插值（预测）的自定义点。使用上下箭头指定要添加用于插值的点数。 在两个文本框中的上方，可以为每个插值点添加名称/标签。

每个插值点必须为模型中的每个预测变量定义具体数值，并且必须包含距离目标事件发生时间的数值。要指定这些数值，请选择“自动”方法或从下拉菜单中选择“自定义…”。各预测变量的默认设置如下：

•连续变量（包括“距离目标事件的经过时间”变量）：“自动”下拉菜单将设置为“默认”，且值为零

•分类型变量：自动下拉菜单及其值将与该变量的参考水平设置一致。如果未手动更改参考值，则自动下拉菜单将设置为“第一水平（默认）”

由于“事件发生前经过时间”的默认值设为零，因此累积生存率的预测值为 1（假设在事件发生前经过时间为零时的预测生存率为 1 或 100%）。

对于每个预测变量，您可以输入一个值，或选择该变量的最小值、最大值或特定数值。

同样，对于分类型变量，Prism 提供了使用数据中的第一级、最后一级或最常见/最不常见级别进行插值的选项。同样，如果数据发生变化，Prism 将自动相应地更新插值结果。

最后，对于连续变量和分类变量，Prism 都允许输入“自定义…”值用于插值。

如果输入数据发生变化，预测值会如何变化

当Cox比例风险回归的输入数据发生变化时，Prism将自动重新计算指定模型的回归系数。这将影响使用该模型预测的值。此外，对于使用对话框中列出的预测变量值进行预测的点，数据的变化可能会改变各种“自动”赋值方法的值。

对于连续变量，Prism 提供了从数据表中该变量的最小值、最大值或均值进行插值的选项（通过“自动”方法下拉菜单）。如果数据发生变化，该最小值、最大值或均值也可能随之改变，从而导致插值计算中使用的数值发生变化。

同样，对于分类变量，Prism 提供了使用数据表中该变量的第一个级别、最后一个级别、最频繁级别或最不频繁级别进行插值的选项（通过“自动”方法下拉菜单）。 如果数据发生变化，该变量的第一级、最后一级、最频繁级或最不频繁级也可能随之改变，从而导致插值计算中使用的值发生变化。

请注意，用于插值的分类变量的默认“自动”方法（和值）将与该变量的参考级别的“方法”（和值）一致。但是，一旦使用特定方法对某一点进行了插值，即使更改了确定参考级别的方法，该插值点所分配的方法也不会改变。