cox模型及其应用.pptVIP

cox模型及其应用 主要用于生存分析 第一节 基本概念 一、随访研究与生存时间 1.随访研究 在队列研究中，对一批研究对象进行追踪观察所获得的有关结局以及出现这种结局所经历的时间等方面的研究。 目的： a 估计生存率和生存时间长短，进行疗效考核和预后评价。 b 对生存状况进行简单客观的统计描述（生存概率、生存率、中位生存期等）。 c 探讨影响疗效和预后的“危险因素”及“保护因素”。 随访研究的三个因素（两点一线） 起点事件：反映研究对象生存过程的起始特征的事件。 终点事件：研究者所关心的特定结局。 生存时间：从某个起始事件开始到某个终点事件的发生所经历的时间。也称失效时间。 生存时间举例（小孩智齿除外？） 起始事件 终点事件 服药 痊愈 手术切除 死亡 染毒 死亡 化疗 缓解 缓解 复发 终点事件和起始事件是相对而言的，它们都由研究目的决定，须在设计时明确规定，并在研究期间严格遵守，不能随意改变。 2.可能出现的随访结局（仅以死亡为终点为例） 1.出现规定的结局（失效failure） 2.死于其他疾病 3.失访（只要未能观察到事先规定的终点事件） 4.随访结束时病人尚存活等 生存时间的类型 1. 完全数据（complete data） 从起点至死亡（死于所研究疾病）所经历的时间。 2. 截尾数据（删失数据，censored data） 从起点至截尾点所经历的时间。 【尚未观察到研究对象出现反应（终点事件）时，即由于某种原因停止了随访，这时记录到的时间信息是不完整的，这种生存时间数据称为不完全数据或截尾值。】截尾原因：失访、死于其它疾病、观察结束时病人尚存活等。 3.生存时间与截尾时间 生存时间（survial、failure、waiting time） 从某个起始事件开始到某个终点事件的发生所经历的时间。 截尾时间（censored）：研究对象某一时间进入随访到出现失访。 真实的生存时间未知，只知道比观察到的截尾生存时间要长。 二、生存数据特点 1.数据的分布为独特分布，不规则，未知分布。通常不服从正态分布。有时近似服从指数分布、weibull分布、gompertz分布、对数logistic。 2.不可避免地包含有截尾数据。 三、生存时间分布 1.生存函数--任意时刻生存率 s（t）=p（T≥t） 0≤t≤∞ ①中位生存期：又称半数生存期，表示恰好有50％的个体尚存活的时间。 ②特定的生存函数都有特定的生存分布。 2.危险率函数（harzard fuction） 危险率：患者已活到t时刻，到t+ t这段时间内死亡的（广义的死亡）可能性。（条件概率） 生存概率：单位时段开始存活的个体到该时段结束时仍存活的可能性。 h（t）= 第二节 COX模型结构及流行病学意义 一、问题提出 1、组间比较 2、多因素（协变量）：回归 y=b0+b1x1+b2x2+…+bnxn 例如，恶性黑色素瘤的预后影响因素有部位、病程、治疗、恶性程度、形态大小、是否转移等。 3、生存分析如何构建回归模型？ 二、生存分析回归模型的一般构造 1、构造思想 （1）自变量x----影响因素 因变量y----生存时间 （2）x与y之间的表现形式 若是未知分布或有缺失值数据，存在一定的问题和难度 （3）预后因素对生存时间的影响 即x对s（t）、h（t）的影响，也就是 x与s（t）、h（t）之间可建立回归模型。 2、模型构造的两大部分：基本部分和修改部分 假定x1，x2，…，xp为协变量或影响因素；h（t）为具有协变量x1—xp的个体在t时刻的风险函数或死亡率，表示生存时间已达t的人在t时刻的瞬时死亡率；h0（t）为t的未知函数，即x=0时t时刻的风险函数，称为基准风险函数。h（t）是h0（t）受所有协变量修改的结果。 3、生存分析的回归模型 Cox模型的基本形式为 h（t）=h0（t）exp（ b1x1+b2x2+…+bnxn ） 称此模型为比例风险模型。自变量x可以是各种预后影响因素，也可以是这些因素的交互作用项；b1—bn为各协变量所对应的回归系数。 三、流行