医学统计：生存技术分析.ppt

生存分析survival analysis 孙秀彬 何为生存分析 生存分析的历史与应用 17、18世纪：寿命表的提出及其应用。 1926年：Greenwood提出评价生存函数的误差的方法—Greenwood公式。 1958年：生存函数的计算方法—Kaplan-Meier法（乘积极限法product-limit）的提出。 1960年代中叶：生存时间的组间比较方法的开发—广义Wilcoxon秩和检验（Gehan,1965年）；对数秩检验（log-rank test）又称时序检验（Mantel,1966年）。 1970年：将协变量的影响模型化—参数模型：假设生存时间服从Weibull分布、对数正态分布等；半参数模型：比例风险模型（Cox,1972年），又称Cox回归模型。 第一节 概述 一、基本概念 （一）死亡事件 死亡事件又称失效事件，不单指通常意义下的生物体的死亡，而是泛指标志某种处理措施失败或失效的特征事件。 （二）生存时间（survival time）： 1．定义：广义的生存时间是指从某个起始事件开始到某个终点事件的发生(出现反应)所经历的时间。也称失效时间（failure time）。 2．特点： （1）分布类型不易确定。一般不服从正态分布， 有时近似服从指数分布、Weibull分布、 Gompertz分布等，多数情况下往往不服从任 何规则的分布类型。 （2）生存时间的影响因素多而复杂且不易控制。 （3）根据研究对象的结局，生存时间数据可分两种类型： ①完全数据（complete data）：观察对象在观察期内出现反应(终点事件)，这时记录到的时间信息是完整的，这种生存时间数据称为完全数据。 ②截尾数据（截尾值、删失数据，censored data）：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。 截尾的原因主要有3种： ①失访：失去联系 ②退出：死于非研究因素或其他非处理因 素、改变治疗方案等导致退出研究。 ③终止：指观察研究期限结束时仍未出现结局。 关于截尾或删失 第二节 生存率估计的非参数法 第三节 生存率的比较 生存率比较的假设检验方法有参数法、半参数法和非参数法， 因医学研究中的生存时间资料大多为不规则分布或者分布未知，常采用非参数法进行假设检验。 非参数法是将生存率曲线作为整体进行曲线与曲线之间的比较，其零假设为各总体生存率曲线相同。 常用的非参数检验方法有log-rank 检验（时序检验）、Gehan比分检验和Breslow检验等。 第四节 Cox比例风险回归模型 一、Cox比例风险回归模型的基本形式 二、Cox回归分析的步骤： 确定自变量和因变量 参数估计，拟和模型 对模型的假设检验 模型的解释及应用 对模型的拟和优度检验 模型的参数估计 （一）参数估计-偏似然估计 模型的假设检验 Cox模型的解释及应用 1．探索结局事件发生的危险因素，分析各 因素的作用大小 。 2．计算个体预后指数（prognosis index， PI），对个体进行定性的预后评价。 3．通过估计生存率，对群体定量地进行预 后评价。 Cox模型的拟合优度 可将研究对象按个体预后指数恰当地分组，用乘积极限法估计各组的生存率曲线，并与按Cox模型预后指数分类的生存率曲线在同一坐标系内进行比较，若两种曲线具有一致性，说明模型拟合较理想。 Cox回归分析的应用实例 四、Cox模型的适用范围 五、Cox模型的适用范围及注意事项 1．设计阶段应注意的问题 ①样本的代表性要好。要注意资料的代表性及可靠性；样本含量不宜过小，一般在40例以上。随着协变量的增加观察的样本应适当的增加，要求样本的含量为观察协变量的5-20倍。 ②所有危险因素要在设计时考虑全面，避免漏掉重要因素和加入无关因素。 ③生存时间的定义要明确。起始事件和终点事件要有明确规定,时间尽可能精确测量。 1．设计阶段应注意的问题（续） ④研究的协变量在研究对象中的分布要适中，否则会给参数的估计带来困难。 ⑤在设计时要注意影响时间的效应因素。如研究吸烟对肺癌患者生存率的影响，若本来吸烟的人因患肺癌而戒烟，则一般模型不易分析吸烟的作用，需考虑吸烟量随时间变化的趋势。如果研究的因素随时间而发生变化，必要时可以采用伴时协变量的Cox模型进行分析。 2．模型拟合时应注意的问题 ①多重共线性问题：医学研究中的许多变量间并不是独立的，但通常不会影响分析的结