Kim był David Cox?
Sir David Roxbee Cox (1924–2022) był brytyjskim statystykiem, autorem modelu proporcjonalnych hazardów – podstawowej metody analizy czasu do zdarzenia. Według wstępu do rozmowy, którą przeprowadziła z nim Reid (1994), urodził się 15 lipca 1924 r. w Birmingham, uczył się w Handsworth Grammar School i studiował w St John’s College w Cambridge. W latach 1944–1946 pracował w Royal Aircraft Establishment, a w latach 1946–1950 w Wool Industries Research Association w Leeds. Doktorat uzyskał na University of Leeds w 1949 r.
Potem był asystentem w Cambridge (1950–1955), spędził 15 miesięcy w Stanach Zjednoczonych, głównie na University of North Carolina, w latach 1956–1966 pracował w Birkbeck College w Londynie, a w latach 1966–1988 był profesorem statystyki w Imperial College. W latach 1988–1994 kierował (jako Warden) Nuffield College w Oksfordzie. Przez 25 lat, od 1966 do 1991 r., redagował czasopismo Biometrika. Członkiem Royal Society został w 1973 r., tytuł szlachecki otrzymał w 1985 r., był prezesem Royal Statistical Society i Bernoulli Society (Reid, 1994).
Wspomnienie Reid (2024) podsumowuje karierę badawczą trwającą około 75 lat: 386 prac i 23 książki, od planowania eksperymentów i procesów stochastycznych po podstawy wnioskowania i statystykę w medycynie. Cox otrzymał Medal Copleya (2010) i jako pierwszy International Prize in Statistics (Reid podaje rok 2016). Zmarł 18 stycznia 2022 r.
Najważniejsze pomysły
- Regresja dla wyników 0–1 (1958). Cox (1958) rozważał ciąg zer i jedynek, w którym szansa wyniku 1 zależy od zmiennych niezależnych, i podał dla takiej sytuacji testy i estymatory. To problem, który dziś rozwiązuje regresja logistyczna. Sam Cox omawiał w tej pracy liczne wcześniejsze prace, więc nie był jedynym autorem tego pomysłu.
- Transformacja Boxa–Coxa (1964). Z George’em Boxem zaproponował rodzinę przekształceń zmiennej zależnej, po których model liniowy z normalnymi resztami o stałej wariancji lepiej pasuje do danych (Box i Cox, 1964). W praktyce: transformacja Boxa–Coxa.
- Model proporcjonalnych hazardów (1972). Cox (1972) zapisał hazard jako iloczyn nieznanej funkcji czasu i funkcji zmiennych objaśniających, a współczynniki szacował z wiarygodności warunkowej. Nie trzeba więc zakładać kształtu rozkładu czasu przeżycia, a wynik to iloraz hazardów. Reid (2024) przypomina, że ta praca trafiła na sporządzoną przez Nature listę stu najczęściej cytowanych prac naukowych wszech czasów. Zob. model Coxa.
- Planowanie eksperymentów i teoria wnioskowania. Reid (2024) wymienia wpływowe prace Coxa o planowaniu eksperymentów, procesach stochastycznych i podstawach wnioskowania statystycznego.
Przykład na historycznych danych
Zbiór lung z pakietu survival to według pliku pomocy dane North Central Cancer Treatment Group o przeżyciu chorych z zaawansowanym rakiem płuca (praca Loprinziego i współpracowników z 1994 r.). To nie są dane Coxa, ale klasyczny zbiór do ćwiczeń jego modelu. Wśród 228 osób zmarło 165: 112 ze 138 mężczyzn i 53 z 90 kobiet; pozostałe obserwacje są cenzurowane.
Mediana przeżycia wynosi 270 dni u mężczyzn i 426 dni u kobiet, a po roku żyje 34% mężczyzn i 53% kobiet (estymator Kaplana–Meiera). Test log-rank: χ²(1) = 10.3, p = .001. Model Coxa daje HR = 0.59, 95% CI [0.42, 0.82]: w każdej chwili obserwacji hazard zgonu u kobiet jest o około 41% mniejszy niż u mężczyzn. Po uwzględnieniu wieku i stanu sprawności ECOG (n = 227) HR = 0.58, 95% CI [0.41, 0.80]; każdy punkt ECOG więcej to HR = 1.59, 95% CI [1.27, 1.99]. Test proporcjonalności hazardów oparty na resztach Schoenfelda nie wskazuje na naruszenie założenia (globalnie p = .22).
Na rysunku
Co widać. Trzy prace, z których student zna nazwisko Coxa – regresja dla wyników 0–1, transformacja Boxa–Coxa i model hazardów – powstały w ciągu 14 lat, w czasie pracy w Birkbeck College i Imperial College; równolegle przez 25 lat redagował Biometrikę.
Na co uważać. Wiersze stoją w równych odstępach, a nie w skali czasu. Rok nagrody podajemy za Reid (2024); same lata i kolejność stanowisk – za wstępem do rozmowy z 1994 r.
Podpis do pracy:
lung z pakietu survival, n = 228). Rysunek: R, pakiety survival i ggplot2.Co widać. Krzywe rozchodzą się od pierwszych miesięcy i nie przecinają się, więc jeden iloraz hazardów dobrze streszcza różnicę. Kropkowana linia 50% przecina krzywe w miejscu median przeżycia.
Na co uważać. Krzywe Kaplana–Meiera nie uwzględniają innych zmiennych – to robi model Coxa. Pod koniec obserwacji w ryzyku zostaje niewiele osób, więc schodki po 700. dniu są bardzo niepewne. Gdy krzywe się przecinają, sprawdź proporcjonalność, np. na wykresie log(−log).
Podpis do pracy:
Gdzie spotkasz Coxa w swojej pracy
- Czas do zdarzenia – nawrotu, zgonu, rezygnacji z terapii, odejścia klienta: krzywe Kaplana–Meiera, test log-rank i model Coxa to standard analizy przeżycia. Gdy zmienna objaśniająca zmienia się w czasie, zobacz zmienne zależne od czasu w modelu Coxa.
- Wynik tak/nie – regresja logistyczna.
- Skośna zmienna zależna w regresji – transformacja Boxa–Coxa pomaga dobrać przekształcenie.
Spory, mity i trudne strony
- Dwóch Coxów. Nie myl Davida Coxa z Gertrude M. Cox – amerykańską statystyczką, której poświęcone jest osobne hasło. To dwie różne osoby; „Cox” w nazwach model Coxa i transformacja Boxa–Coxa to David Cox.
- „HR = 0.59 to o 41% krótsze życie mężczyzn”. Nie: iloraz hazardów porównuje chwilowe tempo zdarzeń, a nie długość przeżycia ani odsetki zmarłych.
- „Model Coxa nie ma założeń”. Nie zakłada kształtu rozkładu czasu, ale zakłada stały w czasie iloraz hazardów i niezależność cenzurowania od ryzyka zdarzenia.
David Cox w R: Kaplan–Meier i model Coxa
Kod opisuje dane lung, liczy krzywe Kaplana–Meiera, test log-rank, model Coxa surowy i z wiekiem oraz ECOG, test proporcjonalności hazardów, a następnie rysuje oba rysunki. Rysunki na stronie powstały z tych samych obiektów p_os i p_km z krojem i tłem serwisu; dane, geometrie i skale są identyczne.
Przeżycie według płci w danych NCCTG
Kod R (obliczenia i rysunki 1–2)
# David R. Cox w R: krzywe Kaplana–Meiera i model proporcjonalnych hazardów na danych survival::lung (NCCTG)
suppressPackageStartupMessages({library(survival); library(ggplot2)})
okabe <- c(m = "#D55E00", k = "#0072B2", praca = "#0072B2", wyroznienie = "#E69F00")
motyw <- theme_minimal(base_size = 13) + theme(panel.grid.minor = element_blank(), legend.position = "bottom",
plot.title = element_text(face = "bold"))
# Dane: 228 osób z zaawansowanym rakiem płuca (North Central Cancer Treatment Group); czas w dniach, status 2 = zgon
data(cancer, package = "survival")
lung$plec <- factor(lung$sex, levels = 1:2, labels = c("Mężczyźni", "Kobiety"))
table(lung$plec, zgon = lung$status == 2)
# Kaplan–Meier i test log-rank
km <- survfit(Surv(time, status) ~ plec, data = lung)
km
summary(km, times = 365)$surv # odsetek żyjących po roku: mężczyźni, kobiety
survdiff(Surv(time, status) ~ plec, data = lung)
# Model Coxa (1972): iloraz hazardów kobiety vs mężczyźni, potem z wiekiem i stanem sprawności ECOG
cox1 <- coxph(Surv(time, status) ~ plec, data = lung)
round(summary(cox1)$coefficients, 4)
round(summary(cox1)$conf.int, 3)
cox2 <- coxph(Surv(time, status) ~ plec + age + ph.ecog, data = lung)
round(summary(cox2)$conf.int, 3)
cox2$n
cox.zph(cox2) # test proporcjonalności hazardów (reszty Schoenfelda)
# Oś czasu: zdarzenia w kolejności, lata z cytowanych źródeł (odstępy między wierszami nie są proporcjonalne do czasu)
os <- data.frame(rok = c("1924", "1949", "1958", "1964", "1966–91", "1972", "1985", "1988–94", "2016", "2022"),
zdarzenie = c("urodziny w Birmingham",
"doktorat (University of Leeds)", "regresja dla wyników 0–1",
"transformacja Boxa–Coxa (z G. Boxem)", "redaktor Biometriki; od 1966 Imperial College",
"model proporcjonalnych hazardów", "tytuł szlachecki",
"dyrektor (Warden) Nuffield College w Oksfordzie",
"pierwsza International Prize in Statistics", "śmierć (18 stycznia)"),
typ = c("życie", "praca", "praca", "praca", "praca", "praca", "wyróżnienie", "praca", "wyróżnienie", "życie"))
os$wiersz <- rev(seq_len(nrow(os)))
p_os <- ggplot(os, aes(x = 0, y = wiersz)) +
annotate("segment", x = 0, xend = 0, y = 0.6, yend = nrow(os) + 0.4, colour = "grey60", linewidth = 0.8) +
geom_point(aes(shape = typ, fill = typ), size = 3.8) +
geom_text(aes(x = -0.12, label = rok), hjust = 1, fontface = "bold", size = 4.2) +
geom_text(aes(x = 0.12, label = zdarzenie), hjust = 0, size = 4) +
scale_shape_manual(values = c("życie" = 21, "praca" = 22, "wyróżnienie" = 24), name = NULL) +
scale_fill_manual(values = c("życie" = "grey85", "praca" = okabe[["praca"]], "wyróżnienie" = okabe[["wyroznienie"]]), name = NULL) +
scale_x_continuous(limits = c(-0.9, 4.2), breaks = NULL) + scale_y_continuous(breaks = NULL) +
labs(x = NULL, y = NULL, title = "David R. Cox (1924–2022) – oś czasu") + motyw
# Rysunek metody: krzywe Kaplana–Meiera z cenzurowaniem i HR z modelu Coxa w podpisie
d_km <- data.frame(czas = c(0, 0, km$time), przezycie = c(1, 1, km$surv),
plec = c("Mężczyźni", "Kobiety", rep(c("Mężczyźni", "Kobiety"), km$strata)),
cenz = c(0, 0, km$n.censor))
d_km$plec <- factor(d_km$plec, levels = c("Mężczyźni", "Kobiety"))
hr <- summary(cox1)$conf.int
p_km <- ggplot(d_km, aes(czas, przezycie, colour = plec, linetype = plec)) +
geom_step(linewidth = 1) +
geom_point(data = subset(d_km, cenz > 0), shape = 3, size = 2, show.legend = FALSE) +
geom_hline(yintercept = 0.5, colour = "grey60", linetype = "dotted") +
annotate("label", x = 560, y = 0.88, hjust = 0, size = 3.8, linewidth = 0,
label = sprintf("Model Coxa: HR (kobiety vs mężczyźni) = %.2f\n95%% CI [%.2f, %.2f]", hr[1, 1], hr[1, 3], hr[1, 4])) +
scale_colour_manual(values = c("Mężczyźni" = okabe[["m"]], "Kobiety" = okabe[["k"]]), name = NULL) +
scale_linetype_manual(values = c("Mężczyźni" = "dashed", "Kobiety" = "solid"), name = NULL) +
scale_x_continuous(breaks = seq(0, 1000, 200)) + scale_y_continuous(limits = c(0, 1), labels = function(x) paste0(100 * x, "%")) +
labs(x = "Dni od włączenia do badania", y = "Odsetek osób żyjących (Kaplan–Meier)",
title = "Przeżycie w zaawansowanym raku płuca według płci (dane NCCTG)") + motyw
p_os
p_kmWynik w R
zgon
FALSE TRUE
Mężczyźni 26 112
Kobiety 37 53
Call: survfit(formula = Surv(time, status) ~ plec, data = lung)
n events median 0.95LCL 0.95UCL
plec=Mężczyźni 138 112 270 212 310
plec=Kobiety 90 53 426 348 550
[1] 0.3360878 0.5264630
Call:
survdiff(formula = Surv(time, status) ~ plec, data = lung)
N Observed Expected (O-E)^2/E (O-E)^2/V
plec=Mężczyźni 138 112 91.6 4.55 10.3
plec=Kobiety 90 53 73.4 5.68 10.3
Chisq= 10.3 on 1 degrees of freedom, p= 0.001
coef exp(coef) se(coef) z Pr(>|z|)
plecKobiety -0.531 0.588 0.1672 -3.1764 0.0015
exp(coef) exp(-coef) lower .95 upper .95
plecKobiety 0.588 1.701 0.424 0.816
exp(coef) exp(-coef) lower .95 upper .95
plecKobiety 0.575 1.738 0.414 0.799
age 1.011 0.989 0.993 1.030
ph.ecog 1.590 0.629 1.273 1.986
[1] 227
chisq df p
plec 2.305 1 0.13
age 0.188 1 0.66
ph.ecog 2.054 1 0.15
GLOBAL 4.464 3 0.22Bibliografia oprogramowania
Wyniki pochodzą z uruchomienia pokazanego kodu w R 4.5.3 (Kaplan–Meier, log-rank i model Coxa – pakiet survival; rysunki – ggplot2). W pracy podaj wersje faktycznie użytych pakietów (sessionInfo()).
- R: R Core Team. (2026). R: A language and environment for statistical computing (Version 4.5.3) [Computer software]. R Foundation for Statistical Computing. https://www.R-project.org/
- survival (wersja 3.8.6): Therneau, T. M. (2026). A package for survival analysis in R [R package]. https://CRAN.R-project.org/package=survival
- ggplot2 (wersja 4.0.2): Wickham, H. (2016). ggplot2: Elegant graphics for data analysis. Springer. https://ggplot2.tidyverse.org
Najczęstsze pytania
Kim był David Cox?
Brytyjskim statystykiem (1924–2022): po pracy w przemyśle i doktoracie w Leeds (1949) wykładał w Cambridge, Birkbeck College i Imperial College, w latach 1988–1994 kierował Nuffield College w Oksfordzie, a przez 25 lat redagował Biometrikę. W 1985 r. otrzymał tytuł szlachecki.
Co wymyślił David Cox?
Model proporcjonalnych hazardów (1972), czyli model Coxa do analizy czasu do zdarzenia, transformację Boxa–Coxa, zaproponowaną wspólnie z George’em Boxem w 1964 r. i metody regresji dla wyników 0–1 (1958). Pisał też o planowaniu eksperymentów, procesach stochastycznych i podstawach wnioskowania.
Dlaczego model proporcjonalnych hazardów nazywa się modelem Coxa?
Bo zaproponował go David Cox w artykule „Regression models and life-tables” z 1972 r. Hazard jest w nim iloczynem nieokreślonej funkcji czasu i funkcji predyktorów, więc nie trzeba zakładać rozkładu czasu przeżycia, a wynik podaje się jako iloraz hazardów.
Czy David Cox wymyślił regresję logistyczną?
Nie sam. W pracy z 1958 r. opisał testy i estymatory dla wyników 0–1 zależnych od zmiennych niezależnych i była to jedna z ważnych prac w tej dziedzinie, ale sam omawiał w niej liczne wcześniejsze badania.
Powiązane hasła
Poradniki, w których użyjesz tego pojęcia
Potrzebujesz wsparcia w analizie danych?
Wybierz ofertę dopasowaną do pracy dyplomowej albo profesjonalnego projektu naukowego.
Wyceń analizęOferta dla studentówBibliografia i dalsza literatura naukowa (APA 7)
- Box, G. E. P., & Cox, D. R. (1964). An analysis of transformations. Journal of the Royal Statistical Society: Series B (Methodological), 26(2), 211–243. https://doi.org/10.1111/j.2517-6161.1964.tb00553.x
- Cox, D. R. (1958). The regression analysis of binary sequences. Journal of the Royal Statistical Society: Series B (Methodological), 20(2), 215–232. https://doi.org/10.1111/j.2517-6161.1958.tb00292.x
- Cox, D. R. (1972). Regression models and life-tables. Journal of the Royal Statistical Society: Series B (Methodological), 34(2), 187–202. https://doi.org/10.1111/j.2517-6161.1972.tb00899.x
- Reid, N. (1994). A conversation with Sir David Cox. Statistical Science, 9(3), 439–455. https://doi.org/10.1214/ss/1177010394 ● Otwarty dostęp
- Reid, N. (2024). Sir David R. Cox. 15 July 1924—18 January 2022. Biographical Memoirs of Fellows of the Royal Society, 77, 69–91. https://doi.org/10.1098/rsbm.2023.0052 ● Otwarty dostęp
Cytowania BibTeX
@article{box1964analysis, author={Box, George E. P. and Cox, David R.}, title={{An analysis of transformations}}, journal={Journal of the Royal Statistical Society: Series B (Methodological)}, year={1964}, volume={26}, number={2}, pages={211--243}, doi={10.1111/j.2517-6161.1964.tb00553.x}}@article{cox1958regression, author={Cox, David R.}, title={{The regression analysis of binary sequences}}, journal={Journal of the Royal Statistical Society: Series B (Methodological)}, year={1958}, volume={20}, number={2}, pages={215--232}, doi={10.1111/j.2517-6161.1958.tb00292.x}}@article{cox1972regression, author={Cox, D. R.}, title={{Regression models and life-tables}}, journal={Journal of the Royal Statistical Society: Series B (Methodological)}, year={1972}, volume={34}, number={2}, pages={187--202}, doi={10.1111/j.2517-6161.1972.tb00899.x}}@article{reid1994conversation, author={Reid, Nancy}, title={{A conversation with Sir David Cox}}, journal={Statistical Science}, year={1994}, volume={9}, number={3}, pages={439--455}, doi={10.1214/ss/1177010394}}@article{reid2024sir, author={Reid, Nancy}, title={{Sir David R. Cox. 15 July 1924—18 January 2022}}, journal={Biographical Memoirs of Fellows of the Royal Society}, year={2024}, volume={77}, pages={69--91}, doi={10.1098/rsbm.2023.0052}}