7.1 Handling Tied Data in Proportional Hazards Models
So far we have assumed that there is no tied observed survival time in our data when we construct
the partial likelihood function for the proportional hazards model. However, in practice, it is
quite common for our data to contain tied survival times due to obvious reasons
https://www4.stat.ncsu.edu/~dzhang2/st745/chap7.pdf

En los estudios longitudinales para el análisis del cambio, se recomienda utilizar el plan de observación denominado Event History Data. El modelo de riesgo proporcional permite estudiar el efecto de un conjunto de variables explicativas sobre la función de riesgo. En este contexto, se introduce el método de verosimilitud parcial que permite realizar la estimación de los parámetros del modelo de regresión de Cox. Se distinguen las tres situaciones posibles según el tipo de datos: completos, incompletos y empates. Un ejemplo sencillo permite seguir, de forma numérica y exhaustiva, todos los pasos presentes en el proceso de estimación de parámetros, su significación y su interpretación
http://biblioteca.universia.net/html_bura/ficha/params/title...

5. Modelos de Cox • Formulación y características del modelo • Aspectos estadísticos • Función de verosimilitud • Problemas de empates en tiempos de fallo
https://ddd.uab.cat/pub/procur/2005-06/p27982a2005-06.pdf

Interpretación de los resultados de un modelo de Cox de riesgos proporcionales
La primera tabla muestra un resumen de los datos. Podemos ver que el número de veces observadas (pasos de tiempo) es diferente al número de observaciones. Tenemos, pues, que usar una técnica de manejo de empates (el método por defecto es el de Breslow, pero también está disponible el método de Efron).
https://help.xlstat.com/customer/es/portal/articles/2062273-...