第17章--生存分析摘要.pptVIP

生存时间（Survival Time)： 从狭义的角度来说：生存时间是患某病的病人从发病到 死亡所经历的时间跨度。 开始发病 病人死亡 从广义的角度：从某种起始事件到达某种终点时间所经历的时间跨度。 起始事件 终点事件 Life Tables过程用于： 制作寿命表 绘制各做曲线如生存函数、风险函数曲线等。 对某一研究因素的不同水平的生存时间分布进行比较，控制另一个因素后对研究因素不同水平的生存时间分布进行比较，包括从总体上比较和不同水平间进行两两比较。 Cox回归模型 ch为有序多分类，将其指定为哑变量进行分析 Cox回归模型 累积生存函数曲线 Cox回归模型 Cox回归模型 相关性估计 上表输出总例数、删失例数、失访例数 Cox回归模型 分析结果 （1）记录汇总表 Cox回归模型 分析结果 （2）哑变量对照表 p=0.034，表明加入这些自变量后的模型效果要优于未引入任何自变量的无效模型 Cox回归模型 分析结果 （3）模型结果 生存分析 生存分析 生存分析：在临床诊疗工作的评价中，慢性疾病的预后一般不适用于治愈率、病死率等指标来考核，因为其无法在短时间内明确判断预后情况，为此，只能对患者进行长期随访，统计一定时期后的生存或死亡情况以判断诊疗效果。 生存分析还适用于现场追踪研究（发病为阳性）、临床疗效试验（痊愈或显效为阳性）、动物试验（发病或死亡）等。 基本概念 生存时间 生存时间 生存时间的数据类型 2.截尾数据 （Censored Data）：由于某种原因未能观察到观察对象的明确的结局，所以不知道该观察对象的确切的生存时间，就象该观察对象的生存时间在未到达规定的终点之前就被截尾了。 截尾数据提供了部分关于生存时间的信息，使研究者知道 该观察对象至少在已经经历的这个时间长度内没有发生终点事 件，其真实的生存时间只能长于我们现在观察到的时间而不会 短于这个时间。（符号t+） 1.完全数据（Complete Data）指达到了明确结局的观察对象的生存时间数据。某个观察对象具有明确的结局时，该观察对象所提供的关于生存时间的信息是完整的。 生存时间资料的特点 有2个效应变量：一是生存时间（天数），二是结局（死亡与否、是否阳性等）。 存在截尾数据：由于某种原因未能明确观察到随访对象发生事先定义的终终事件。 分布类型复杂：生存时间资料常通过随访获得，因观察时间长且难以控制混杂因素，故其分布常呈偏态，影响因素较多，规律难以估测。 生存分析方法 Kaplan-meier过程 这是一种非参数法，主要用于小样本，适用于能够准确记录事件和删失发生时点的数据。 Life Tables过程 也叫寿命表法，适用于样本量大，且不太可能准确记载每个观察对象的死亡或删失发生时间的数据。 Cox回归模型分析法 用于描述多个变量对生存时间的影响 Kaplan-meier过程 Kaplan-meier法用于： 估计某因素不同水平的中位生存时间 比较研究因素不同水平的生存时间有无差异 控制一分层因素后对研究因素不同水平的生存时间比较 例1：3种疗法治疗66例白血病患者缓解时间（天），数据（kaplanm.sav）如下 A疗法：4，5，9，10，11，12，13，28，28，28，29，31，32，37，41，41，57，62，74，100，139，20+，258+，269 B疗法：8，10，10，12，14，20，48，70，75，99，103，162，169，195，220，161+，199+，217+，245+ C疗法：8，10，11，23，25，28，28，31，31，40，48，89，124，143，12+，159+，190+，196+，197+，205+，219+ Kaplan-meier过程 Kaplan-meier过程 Kaplan-meier过程 时间变量 结局变量 分组变量 当变量为二分类变量时，一般以死亡、复发、恶化等为终结事件，如本例就是以恶化为终结事件，标记值为1，所以在Single value框中输入1；如果生存状态变量取值为连续变量时，则在Range of values 框分别输入下限值和上限值。 Kaplan-meier过程 Log Rank法和Breslow法较为常用 Kaplan-meier过程 对组间生存函数的差异进行检验的方法 Kaplan-meier过程 Survival：累积生存率估计，选中，表明要求将各观察样本的生存率存入原始数据库中 Standard error of surv