14生存分析解读.ppt

1.模型的基本形式 h(t,X)：观察对象生存到时刻的风险函数 h0(t)： 基准风险函数，X1=X2=…=Xm＝0时t时刻 的风险函数 :可能与生存时间有关的m个自变量 :回归系数,一组待估计的参数。 一、Cox回归模型 2.模型的参数解释及相对危险度计算 Cox模型可变换为 风险比（hazard ratio,HR）或相对危险度任两个个 体风险函数之比 PHREG βj ：在其他因素不变的条件下，变量Xj 每增加一个单位 所引起的相对危险度的自然对数。 exp(βj )：在其他因素不变的条件下，变量Xj 每增加一 个单位所引起的相对危险度。 βj0， exp(βj )1， Xj 为危险因素 βj0， exp(βj )1， Xj 为保护因素 自变量Xj的两个不同取值c0、c1 自变量Xj的取值为0、1 PHREG 比例风险假定,PH假定比值HR与h0(t)无关，即在时间t上为常数。 PHREG HR计算举例 欲了解乳腺癌患者手术后复发是否与化疗有关，以 表示接受化疗， 表示未进行化疗，得到 则接受化疗患者的复发风险为 未进行化疗患者的复发风险为 即接受化疗的患者其复发风险是未进行化疗患者的0.68倍， 或未进行化疗的患者其复发风险是接受化疗患者的1.47倍。 二、模型的参数估计与假设检验 参数估计：部分似然 特点： 不需确定h0(t)的形式 仅与生存时间的顺序有关 假设检验： Score检验（模型中新变量的引入） Wald检验（模型中不重要变量的剔除） 似然比检验（模型中不重要变量的剔除和新变量的引入） Cox模型自由度： 模型中待检验的参数个数 自变量的筛选： 同多元线性回归和logistic回归 David Cox 例14-4 为探讨乳腺癌患者手术治疗的预后，某研究者收集了68例患者的生存时间、生存结局及影响因素。影响因素包括患者年龄、病理分型、淋巴结转移、肿瘤大小、化疗、绝经，生存时间以月为单位。变量的赋值和收集的相应资料分别见表14-4和表14-5。 三、应用实例 因素 变量名 赋值说明 年龄 X1 (岁) 病理分型 X2 非浸润型=0，浸润型=1 淋巴结转移 X3 否=0，是=1 肿瘤大小 X4 ≤=0,3=1,=2 化疗 X5 否=0，是=1 绝经 X6 否=1，是=1 生存时间 t (月) 生存结局 Y 删失=0，复发=1 表14-4 乳腺癌手术治疗的预后影响因素及赋值 No. X1 X2 X3 X4 X5 X6 t Y 1 56 1 0 2 1 1 9 0 2 32 1 1 1 1 0 25 0 3 81 0 0 1 0 1 39 0 4 35 0 1 1 1 0 6 0 5 41 1 1 3 0 0 13 1 6 52 1 1 3 1 0 26 1 7 49 1 0 2 1 0 86 1 … … … … … … … … … 65 46 1 1 2 0 0 2 1 66 55 1 1 3 1 1 3 0 67 33 1 0 1 1 0 20 0 68 64 1 0 3 1 1 28 1 表14-5 68例乳腺癌患者手术后的生存时间（月）及影响因素 变量 Wald 1.550 0.518 8.944 0.003 4.711 (1.706, 13.008) 0.959 0.297 10.434 0.001 2.609 (1.458, 4.668) 表14-6 68例乳腺癌患者Cox回归分析结果（ ） 淋巴结转移和肿瘤大小是影响乳腺癌患者术后复发的危险因素；有淋巴结转移者的复发风险是无淋巴结转移者的4.711倍；肿瘤大小每增加一级，复发风险增加2.609倍。 1.终点事件和起始事件：根据研究目的明确规定；是相对的，但一旦确定，则不能在研究过程中随意改变。 2.样本含量：一般在40例以上；当协变量增加时也应适当增加，一般为观察协变量的5-20倍；两组资料比较时，最好两组例数基本一致；随访观察时，要尽量避免失访。 四、注意事项 3.模型假定：要求资料满足比例风险假定，可以根据变量分组的Kaplan-Meier生存曲线是否交叉进行判断。如不满足该条件，则需采用时变（tim