- 1、本文档共15页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
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
文档评论(0)