十四、生存案例.pptVIP

Cox回归模型 上面介绍的两种生存分析方法只能研究一至两个因素对生存时间的影响，当生存时间的影响因素有多个时，它们就无能为力了，下面介绍Cox Regression过程，这是一种专门用于生存时间多变量分析的统计方法。 模型结构：设有n名病人，第i名病人的生存时间为ti，同时该病人具有一组伴随变量xi1，xi2…xip。该病人生存到时间ti的风险函数hi(t）是其基础风险函数ho(t)与相应伴随变量的函数的乘积，其数学表达式为： hi（t）= h0（t）f（β1xi1+….+βpxip） Cox建议伴随变量的函数为指数形式，故Cox比例风险回归可写为： hi（t）= h0（t）exp（β1xi1+….+βpxip） 式中的h0（t）是当所有伴随变量xi1，xi2，…xip都处于0或标准状态下的风险函数，是一个不确定的值，β1，β2…，βp为回归系数，须用实际资料来估计。 Cox回归模型 将h0（t）移至等式左边并去自然对数得： ln[hi(t)/ h0(t)]=β1xi1+….+βpxip 等式左边的部分为相对风险度的自然对数值，等式右边部分为伴随变量与相应回归系术的线性组合。 βj（j＝1，2，…，p）的实际意义是：在p-1个伴随变量为一定值时，当伴随变量xj每改变一个测定单位时所引起的相对风险度自然