生存讲座重点.ppt

计算步骤为 1.将两组生存数据混合由小到大排列,当截尾数据与非截尾数据数值相同时,截尾数据排列在后。并指明各生存数据的状态(死或活)及所属组别(见表22.4中1-3列) 2.列出A,B两组各生存时间上的期初人数及死亡人数分别以n1i,d1i,n2i,d 2i表示(见表22.4中第4-7列)。 3.在完全数据的相应行中计算合并死亡率Pi Pi=(d1i+d2i)/(n1i+n2i) (22.16) 4.在两组中任选一组(本处用B组)计算 各生存时间点上的期望死亡人数,它由该组期初人数乘以合并死亡率而得 E(d2i)=n2iPi (22.17) 参见表22.4中8.9两列。 5.所指定的组别(本处可B组)死亡人数的期望值与方差为 E(∑d2i)=∑n2iPi (22.18) V(∑d2i)=∑[n1in2i/(n1i+n2i-1)]Pi(1-Pi) (22.19) 计算服从标准正态分布的统计量Z Z=[∑d2i-E(∑d2i)]/√V(∑d2i) (22.20) 可据Z0.05=1.96,Z0.01=2.58,作出统计推断。 代入本例资料有 ∑d2i=7, E(∑d2i)=3.212284, V(∑d2i)=1.916190, Z=2.7363 故 P0.01,拒绝H0,认为两种疗法的生存期不相同。 §3.3 广义Wilcoxon检验(Generalized Wilcoxon Test) 又称为Breslow检验法(Breslow Test),可用于两个或两个以上生存分布的比较,其H0,H1同前。本处仍用例22.1资料说明其计算过程。 1.将两组生存数据混合由小到大排列,当截尾数据与完全数据数值相同时,截尾数据排列在后。并写出每个生存数据的状态(死或活)及所属组别(见表22.5中第1-3列)。 2.用积限估计法对两组合并资料估计生存率(即累积生存率)^S(ti),列于表中第4列 3.计算各生存时间点的计分值Ui。 Ui= ^S(ti-1)+^S(ti)-1 观察值为完全数据 ^S(ti)-1 观察值为截尾数据 (22.21) 其中^S(0)=1 例如第一个时间点Ti=1是完全数据(死亡),故U1=1+0.9615-1=0.9615, 第2,3个时间点为截尾数据 U2=U3=0.9615-1=-0.0385 第4个时间点为完全数据 U4=0.9615+0.9197-1=0.8812 余类推。 4.计算任一组的计分值之和的绝对值,本处选择A组,其计分值已记λ第6列中, T=│∑Ui(A)│ (22.22) T的期望值为0,方差为 V(T)=m1m2∑U2/[(m1+m2)(m1+m2-1)] (22.23) (22.23)式中∑U2系指全部生存时间点的U值平方和, Z=T/√V(T) (22.24) Z服从标准正态分布,故可据Z0.05=1.96,Z0.01=2.58作出统计推断。 本例资料有T=2.8712,∑U2=6.6559,V(T)=1.6384,Z=2.243,P0.05,拒绝H0, 认为两种治疗方法的生存期不相同。 第五节 估计和比较生存函数的SAS程序 用LIFETEST过程 第六节 COX回归 COX回归用于研究各种因素（称为协变量，或伴随变量等）对于生存期长短的关系，进行多因素分析。 h(t,x)=h0(t)exp(?1x1 + ?2x2 +??????+ ?mxm ） X1，X2，????，Xm是协变量 ?1 ，?2，??????，?m是回归系数，由样本估计而得。 ?I 0表示该协变量是危险因素，越大使生存时间越短 ?I 0表示该协变量是保护因素，越大使生存时间越长 h(t,x)=h0(t)exp(?1x1 + ?2x2 +??????+ ?mxm ） h0(t)为基础风险函数，它是全部协变量X1，X2，????，Xm都为0或标准状态下的风险函数，一般是未知的。 h(t,x)表示当各协变量值X固定时的风险函数，它和h0(t)成比例，所以该模型又称为比例风险模型（proportional hazard model) COX回归模型不用于估计生存率，主要用于因素分析。 COX回归的应用： 和LOGISTIC