这是我的问题：我正在使用 Cox 比例风险模型进行生存分析。患者在不同的时间点进入研究。患者开始自愿使用某些设备。假设是，他们使用这种设备的时间越长，他们的生存时间就越长。对所有参与者的监视在某一天（称为 X 天）结束（行政审查）。
生存时间为零从每位患者进入研究的时间开始。显然，接近 X 天进入研究的患者处于不利地位，因为他们没有多少时间来决定设备的使用，而且他们也没有多少时间使用设备。我想到的第一件事是引入一个变量，该变量将跟踪自第一位患者进入研究以来的时间。我还能如何减轻生存偏差？它真的是生存偏见还是有不同的名称？
生存偏倚发生在回顾性研究中，其中纳入在某种意义上取决于结果（通过结果或其调节因素），但被视为代表基线时处于危险中的人群。您的描述没有提供任何细节表明生存偏差是这里的一个问题。
如果没有适当考虑，审查会导致不同类型的偏见，审查偏见。您使用 Cox 模型的分析计划确实正确考虑了审查，从而消除了审查偏差。尽管如此，审查确实会降低分析的能力。假设您监控 5,000 人，但只有 10 人经历了某种结果（死亡或其他），Cox 模型所提供的能力并不比仅针对 10 人的生存分析提供更多的能力。
你对曝光的描述对我来说不是很清楚。听起来参与者只有在尚未开始某种治疗的情况下才有资格参加这项研究。经过一段时间的自定时间后，他们开始接受治疗。然后，您跟踪参与者以获得结果（在此期间，他们可能正在接受或停止接受这种治疗）。
这是一个应该使用随时间变化的协变量进行的分析，但有一些注意事项。当我进入研究时，无论日历时间或年龄如何，我的生存“时钟”都是时间 0。如果我在第 10 天开始治疗，然后在第 20 天死亡，我会为样本提供两个相关的观察结果：第一个我活着0-10 天没有治疗，在第 10 天被审查，第二次我活在 0-10 天，在第 10 天死去。当我开始治疗时，时钟会重置。弱点是 Cox 模型等效于随机效应，允许您以这种格式解释聚类观察。如果年龄和/或日历年是此类研究中生存的重要预测因子，您应该考虑将它们作为协变量添加到模型中。
对时变协变量的警告如下：治疗的开始几乎总是取决于潜在的疾病状态。初始住院需要高敏锐度的患者将更快地开始治疗，并且即使治疗是有益的，也可能更快地死亡。这会导致使用偏差。如果您纵向测量疾病状态的指标（如血压、身体机能或其他），则可以使用潜在变量模型或边际结构模型来减少这种偏差。