COX比例风险回归模型课件.pptVIP

COX比例风险回归模型 医学统计学教研室 柳伟伟 一、基本概念回顾 生存函数：又称累积生存率，简称生存率，常用S(t)表示。代表观察对象的生存时间大于t 时刻的概率，实际中t 时刻的取值用下式估计 S(t)≈生存时间长于t 的患者数/患者总数 死亡概率函数：简称为死亡概率，常用F(t)表示。代表一个观察对象从开始观察到时间t 为止的死亡概率，它与生存函数的关系为F(t)=1－S(t) 死亡密度函数：简称为密度函数，用f (t)表示。代表所有观察对象在t 时刻的瞬时死亡率 风险函数：即生存时间已达到t 的一群观察对象在t时刻的瞬时死亡率，用h (t)表示。代表已存活到时间t 的每个观察对象从t 到t+Δt 这一非常小的区间内死亡的概率极限，它与生存函数、死亡密度函数的关系为h (t)= f (t) / S(t) 生存分析中的多因素分析方法 半参数法：Cox比例风险回归模型，应用非常广泛 参数法：假定生存时间服从特定的某种分布，如指数分布、威布尔分布，不常用 二、Cox 比例风险回归模型的形式 1972年由英国统计学家Cox提出 不直接考察生存函数与协变量(影响因素)的关系，而是用风险函数作为因变量 基础风险率 非参数部分 回归系数 根据观察值估计 回归系数βj 0时，协变量的取值越大，风险函数h(t)的值越大，表示病人死亡的风险越大 回归系数βj =0时，表示协变量对风险函数h(t)没有影响 回归系数βj 0时，协变量的取值越大，风险函数h(t)的值越小，表示病人死亡的风险越小 Cox 模型的前提条件 Cox模型必须满足比例风险假定（PH假定） 任何两个个体的风险函数之比，即风险比（HR）保持一个恒定的比例，与时间t无关 模型中协变量的效应不随时间改变而改变 检查某协变量是否满足PH假定，最简单的方法是观察按该变量分组的生存曲线，若生存曲线交叉，提示不满足PH假定 不满足PH假定时，可采用分层比例风险模型 参数估计采用偏似然函数，根据最大似然法估计得到 对回归模型以及回归系数进行假设检验的方法包括似然比检验、计分检验、Wald 检验 三、参数估计与假设检验 生存率的估计 只要估计出基础生存率，再结合各协变量的回归系数就可以估计出生存率 常用的估计基础生存率的方法有非参数法和Breslow 法 影响因素的筛选 筛选因素的方法有前进法、后退法和逐步回归法、最优回归子集法 筛选因素时，还要考虑因素间是否有共线性 四、个体预后指数 对各变量进行标准变换后进行模型配合，可得到各因素对应的标准回归系数，此时定义预后指数为 PI0时表示该病人对应的危险度大于平均水平；PI=0时为达到平均水平；当PI0时表示该病人的危险度小于平均水平 五、Cox模型的应用 影响因素分析 预测 统计控制 六、Cox模型的注意事项 研究的协变量在研究对象中的分布要适中，否则会给参数的估计带来困难 Cox模型应用较灵活，观察对象进入研究队列的早晚、时间长短可以不一致，但如果研究的变量随时间而变化，可以采用时依协变量模型进行分析 样本含量不宜过小，一般在40例以上，经验上的做法是样本含量为协变量的5~20倍 尽管可以分析截尾数据，但在观察时，要尽量避免观察对象的失访，过多的失访容易造成结果的偏倚 Cox模型对异常值较为敏感，所以在进行模型拟合时要注意拟合优度的检验