La regressione di Cox consente di creare un modello predittivo per i dati della relazione tempo-evento. Il modello crea una funzione di sopravvivenza che prevede la probabilità che l'evento di interesse si sia verificato in un dato periodo t per valori specifici delle variabili predittore. La forma della funzione di sopravvivenza e i coefficienti di regressione per i predittori vengono stimati in base ai soggetti osservati; il modello può quindi essere applicato a nuovi casi che hanno misurazioni per le variabili predittore.
Si noti che le informazioni provenienti da soggetti censurati, ovvero quelli che non sono interessati dall'evento nel tempo di osservazione, contribuiscono notevolmente alla stima del modello.
Esempio. Come parte dei suoi sforzi per ridurre il tasso di abbandono dei clienti, una società di telecomunicazioni è interessata a modellare il tempo di abbandono per determinare i fattori associati ai clienti che sono rapidi a passare a un altro servizio. A tale scopo, viene selezionato un campione casuale di clienti e il relativo tempo trascorso in qualità di clienti (indipendentemente dal loro stato attuale di clienti) e svariati campi demografici vengono estratti dal database.
Flag, con archiviazione di stringhe o numeri interi. Se necessario, l'archiviazione può essere convertita utilizzando un nodo Riempimento o Nuovo campo. I campi impostati su Both o None vengono ignorati. È necessario che i tipi dei campi utilizzati nel modello siano completamente istanziati. Il tempo di sopravvivenza può essere un qualsiasi campo numerico.Date e ore. I campi Data & ora non possono essere utilizzati per definire direttamente il tempo di sopravvivenza; se disponibili, i campi Data & ora devono essere utilizzati per creare un campo che contiene i tempi di sopravvivenza, in base alla differenza tra la data di immissione nello studio e la data di osservazione.
Analisi di Kaplan-Meier. È possibile eseguire la regressione di Cox senza campi di input. Questa operazione è equivalente a un'analisi di Kaplan-Meier.