误指定Cox模型的似然置信区间

当模型可能被误指定或应用权重时，常用于Cox模型的稳健Wald置信区间（CI）。然而，当治疗组中事件数量不足一个或两个时，可能会表现不佳，这种情况可能发生在感兴趣事件稀有或实验组疗效高度良好时。例如，如果我们人工移除实验组的事件（假设更多事件不利），结果上置信区间可能会增加。这显然与直觉相悖，因为实验组较少的事件数量代表了对疗效更有力的证据。众所周知，当样本量在小到中等范围时，似然置信区间在实际覆盖概率上优于Wald置信区间，更贴近名义水平。然而，针对Cox模型的稳健似然置信区间仍是一个开放问题。例如，在SAS程序PHREG中，尽管指定了稳健选项，输出中的置信区间仍是常规版本。这显然不可取，因为用户可能误以为置信区间是稳健版本。本文演示了当Cox模型被误指定时，其似然比检验统计量收敛于加权卡方分布。随后获得稳健似然置信区间的方法是通过求反稳健似然比检验来实现。对所提置信区间进行了通过模拟研究的评估，并使用来自HIV防治试验的实际数据进行了展示。