含时依协变量Cox风险模型临床应用及SPSS实现解读.pptx

含时依协变量的Cox风险模型的临床应用及其SPSS实现 刘竞 2015-8-17 时依协变量 Time-dependent covariates（时依协变量，T_COV_) 观察期间取值会发生改变或效应会发生改变的协变量 离散型：骨髓移植患者的移植状态，移植前为0，移植后为1；GVHD；CMV感染等 连续型：血压、血药浓度、病毒拷贝数等 比例风险假定（PH假定） 比例风险（RR）: 该比值与h0（t）无关，且在时间t上为常数，称为比例风险假定，即PH假定，即模型中协变量的效应不随时间t而改变，比例风险由此得名。 Cox模型属比例风险模型组，其应用的前提是满足PH假定 变量 PH假定 成立 不成立 Cox比例风险模型 Cox w/Time-Dep Cov 应用Cox进行生存分析的流程 如何检验PH假定？ （1） 分析——生存分析——Cox 依时协变量 （2） 将待检验变量X转化为时依协变量 X*ln（t） 即在模型中引入一个含时间与变量的交互作用项，然后检测该项的显著性 （3） 选择“模型”——设置时间和状态、协变量——进入 （4）分析结果 P0.05 不满足PH假定 P≥0.05 满足PH假定 （5）结论 四个变量均满足PH假定，即可以应用Cox比例风险模型进行生存分析 Cox w/Time-Dep Cov 的SPSS实现 寻找最佳分界点，建立分段Cox模型 以t=τ为分界点，假设t τ时，风险为exp（ β1），为基准风险 则t ≥ τ时，风险相对增加exp（ β2） （1）寻找最佳分界点 尝试法：选择最大对数偏似然对应的时间点为最佳分界点 Τ =12 Τ =24 Τ =36 Τ =24 是最佳分界点 （2）建立T_COV_变量，通过含时依协变量Cox模型进行生存分析 结果分析 24月之前，relapse回归系数为2.107，相对危险度RR=exp（2.107）=8.223 24月之后，relapse的回归系数为2.107-1.765=0.342，RR=exp（2.107-1.765）=exp（0.342）=1.408 回归系数 P值 RR=exp（B) 函数的算法 LN(X)：X的自然对数， LN(X)=eX Exp（Y）：LN的反函数，LN(X) =eX=Y，求X