分析1生存分析数据所想到的.pptVIP

分析一个存分析数据所想到的－－出现的问题往往多于结论;从教科书可期待什么？;但是在实际中……;我们的数据;性别；病人诊断资料，如原发症状、原发部位、病理分级、B症状有无、国际预兆指数、国际预兆指数合并B症状、淋巴结大小、肿瘤M分期、WHO得分、分化程度、肿瘤T分期、淋巴结单双侧、肿瘤TNM分期等指标；病人治疗资料，如治疗方案、化疗方案、化疗周期；病人治疗近期效果资料，放疗疗效、化疗疗效、总初次治疗疗效；病人远期疗效资料，复发资料----是否复发、复发时间、复发部位、复发肿瘤的TNM分期，合并症资料----是否发生合并症、合并症发生时间，生存资料----是否死亡（指因癌症死亡）、生存时间。;我们面对的第一个决策问题;常规的分析方法 ;生命表;Kaplan-Meier方法;Kaplan-Meier方法;一些变量的三种检验结果;一些累积生存函数估计图;生存函数图(性别区分);生存函数图 （关于T分期）;生存函数图 （关于初次疗效）;生存函数图 （ipi和b症）;生存函数图 (放疗疗效?);生存函数图 (化疗疗效?);Cox Regression;Cox Regression;Cox Regression;对这些结果的解释企图：;三种检验不一致时的解释 ：;三种检验不一致时的解释 ：;三种检验不一致时的解释 ：;三种检验不一致时的解释 ：;定序变量看作分类变量或者定量变量？ ;最后我们发现结果和上面完全不同。作为分类变量处理时，“T分期”和“M分期”作为两个重要变量被筛选出来 而作为连续变量处理时，“国际预后指数(ipi)合并B症状”则是唯一被选中的变量;这种结果该如何解释？ 哪个结果更可信呢？ 问题是在什么情况下，定序变量可作连续变量来处理，什么情况可作分类变量来处理呢？ ;对分类变量而言，常将缺失数据作为单独一组（如问卷调查中的“不知道”） 这种处理在数据整理中为保证数据的工整是无可指责的 但是如果在分析中依然将其作为单独一组参与分析，则可能对结果会有影响;而将缺失值不纳入分析时，输出为;数据量问题 ;从医学专业知识来判断，“有无转移”对于肿瘤预后而言是有显著影响的 那究竟是什么地方出了问题呢？ 可以察看一下数据量 “有转移”的病例数为6例，其中有3例是删失数据，只有3例发生了终点事件， “无转移”病例数有33例发生了终点事件， 拿这样两组人群进行比较时，由于一组人群数量太少而不能检出其差别。;数据量不够导致错误结论;数据量问题;分类数据的合并问题 ;分类数据的合并问题 ;分类数据的合并问题 ;混杂因素;;混杂因素;;混杂因素;用决策树方法(C5.0)进行分析 将“是否复发”（1为非复发，2为复发）作为目标变量，将其余20个变量作为X变量，分析这些X变量与“复发”的关系;用决策树方法进行分析 ;用决策树方法进行生存数据的分析，有两点要注意: 1）决策树方法是一种数据挖掘算法，它对于样本量的要求要比一般统计方法要大 2）决策树方法不能充分利用生存时间信息，其结果的可靠性有待商讨。 不过该方法还是可以作为规律初步探索的工具。 ;对于连续数据进行离散化时，如本例中的淋巴结大小，按照淋巴结的实际厘米数将病例划分为四组，none，3cm，3-6cm，6cm 这些分割点看上去是根据“专业经验”而选择的，它们不见得是合适的 如何确定分割点，而不是人为地、随意地进行指定呢？ 或者根本没必要将连续变量进行离散？;许多分隔据说是鉴于医学经验 这些医学分隔又有没有统计的支持呢？ 上面的分隔很规整：3cm、6cm及以上 类似于“无信息”先验分布 有没有“无信息”先验分布呢？ 谁也说不清哪个空间是“原始空间”还是“变换后的空间” 下面的图形可能有些启发;“等间隔”和“内紧外松”的互相变换;“等间隔”和“外紧内松”的互相变换;“等间隔”和“下紧上松”的互相变换;“等间隔”和“下紧上松”的互相变换;把连续变量换成离散变量的现象非常普遍。这包括社会、经济、医疗卫生等几乎生活的所有方面 这是不是前计算机时代的以定性为主的思维方式的继续呢？ 但可以肯定的是，离散化不仅失去大量信息、造成处理复杂化，而且必然会产生分隔点确定的合理性问题 也给产生各种“猫腻”留出了大量的空间?;二维列联表 ;二维列联表 ;从二维列联表分析…;列联表的相关性分析虽然无法和生存时间挂钩，但可以获得某些变量之间的相关性；比如 各种分期和各种疗效之间的关系 各种症状和各种疗效之间的关系 可以从错综复杂的关系中理出头绪 对列联表的分析在EDA阶段很有帮助;在分析这个数据时提出的问题可能比解决的更多 但这是正常的 我们的学生可能会证明复杂的理论 他们也可能会计算一些教科书上的习题和简单的例子 如果他们能够在分析实际数据时更加熟练和轻松??统计就不愁没有饭碗了;谢谢大家;Cox Regression