SPSS教程7.ppt

第三节 生存曲线的log-rank检验 log-rank检验（对数秩检验、时序检验） 该检验属非参数检验，用于比较两组或多组生存曲线或生存时间是否相同。 检验统计量为卡方。 自由度=组数-1。 P≤0.05，两组或多组生存曲线不同。 P＞0.05，两组或多组生存曲线差别无统计学意义。 注意 以上介绍的是log-rank检验的近似法，计算简便，但其结果较精确法（一般统计软件中输出精确法计算结果）保守。 近似法： （手工） 精确法： （软件） 此检验比较两组或多组生存曲线，实为一单因素分析。 要求各组生存曲线不能交叉，如交叉提示存在混杂因素，应采用分层分析方法或多因素方法来校正混杂因素。 当假设检验有统计意义时，可从以下几方面来评价各组效应大小：生存曲线图目测判断、中位生存期比较等。 log-rank检验用于整条生存曲线的比较，若比较两组某时间点处的生存率，则按下式计算： 如比较多个时间点处生存率，检验水准应取Bonferroni校正，即 ，其中k为比较的次数，以保证总的I型错误概率不超过 。 第四节 Cox比例风险回归模型 Cox比例风险回归模型（Cox’s proportional hazards regression model），简称Cox回归模型。 该模型由英国统计学家D.R.Cox于1972年提出，主要用于肿瘤和其它慢性病的预后分析，也可用于队列研究的病因探索。其优点： 多因素分析方法 不考虑生存时间分布 利用截尾数据 一、Cox模型的基本形式 h(t,X)—t时刻风险函数、风险率或瞬时死亡 率（hazard function）。 h0(t)—基准风险函数，即所有变量都取0时t 时刻风险函数。 X1、X2、…、Xp—协变量、影响因素、预后 因素。 β1、 β2、…、 βp—回归系数。 β0，RR1，说明变量X增加时，危险率增加，即X是危险因素。 β0，RR1，说明变量X增加时，危险率下降，即X是保护因素。 β=0，RR=1，说明变量X增加时，危险率不变，即X是危险无关因素。 二、参数估计与假设检验 （一）参数估计 最大似然法 （二）假设检验 似然比检验（likelihood ratio test） 得分检验（ score test） Wald检验（Wald test） 三、因素筛选与最优模型的建立 变量筛选方法 向前引入法（前进法）Forward 向后剔除法（后退法）Backward 逐步引入-剔除法（逐步法）Stepwise 检验水准 初步的、探索性的研究，或变量数较少时，可取0.10。 设计严谨的、证实性的研究，或变量数较多时，可取0.05或0.01 。 检验水准包括引入的检验水准和剔除的检验水准。一般地，剔除α≥引入α。 分析结果（结果解释） 与生存相关的因素 因素作用大小及方向：保护因素还是危险因素、相对危险度的大小。 因素作用大小排序：标准化回归系数的绝对值。 分析结果（结果解释） 个体的预后指数及预后分组： 预后指数（prognostic index，PI） = 预后指数越小，预后越好； 预后指数越大，预后越差。 分析结果（结果解释） 例如： 传统治疗方式，淋巴结转移，PI＝2.6929 传统治疗方式，淋巴结无转移，PI＝1.7616 新治疗方式，淋巴结转移，PI＝0.9313 新治疗方式，淋巴结无转移，PI＝0 据PI的大小可将病人分为不同的危险组，常见分三组（即低危组、中危组、高危组）或五组。绘制分组的生存曲线，直观比较各危险组的生存情况，如中位生存期、t年生存率等。 六、Cox模型的注意事项及应用范围 （一）注意事项 设计阶段应注意的问题 模型配合时应注意的问题 应用条件：除生存资料的基本要求外，还要求因素对生存时间的作用不随时间变化（比例风险假定）。如观察年限超过10年时，癌症手术后放疗的治疗作用可能逐渐消失，从而不满足这一要求。 因素分析时应注意的问题 筛选变量时，考虑该指标是否容易收集、是否费用较高等临床因素。 对连续变量，看其分布，如服从偏态分布，一般进行对数变换后参与计算。 选入模型的变量是统计学上的有关变量，不一定都与生存时间有因果关系。其中某些变量可能只是伴随关系而已，未选入模型的变量不一定全是无关变量，要考虑是否模型内的某些变量代替了它的作用，或因例数不够，或试验中对该变量进行了控制而引起。 检查可能的交互作用项是否显著（方法：一次引入一个交互作用项，看其对应的回归系数是否为0）。 模型拟合优度考察：