Cox比例风险模型.pptVIP

COX ‘s Proportional Hazard Model 　  Cox比例风险模型 童新元 中国人民解放军总医院 2005年11月7日 Cox比例风险回归模型 在医学中, 对病人治疗效果的考查. 一方面要看治疗结局的好坏，另一方面还要看生存时间的长短。 生存时间的长短不仅与治疗措施有关, 还可能与病人的体质, 年龄, 病情的轻重等多种因素有关。如何找出其中哪些因素与生存时间有关、哪些与它无关呢？由于失访、试验终止等原因造成某些时间的不完全,不能用多元线性回归分析。 1972年英国统计学家Cox DR. 提出一种比例危险模型方法， 能处理多个因素对生存时间影响的问题。 3、COX模型的构造 借助于多元线回归及Logistic模型构造的思想 4、Cox比例风险回归模型 6、 Cox模型的参数估计 Cox回归的参数估计同Logistic回归分析一样采用最大似然估计法。其基本思想是先建立偏似然函数和对数偏似然函数，求偏似然函数或对数偏似然函数达到极大时参数的取值，即为参数的最大似然估计值。略 7、Cox模型的检验 对Cox模型的检验采用似然比检验。 假设为H0：所有的βi 为0 ， H1：至少有一个 βi 不为0 。 将Ho和H1条件下的最大部分似然函数的对数值分别记为 和 可以证明在H0成立的条件下，统计量 χ2＝-2[ - ] 服从自由度为p的χ2分布。 8、Cox模型中回归系数的检验 假设为 H0： ，其它参数β固定； 　　 H1： ，其它参数β固定。 H0成立时，统计量 Z ＝bk／SE(bk)　 服从标准正态分布。SE(bk)是回归系数bk的标准误。 9、Cox回归模型的作用 1. 可以分析各因素的作用. 2. 可以计算各因素的相对危险度（relative risk，RR). 3. 可以用 β1x1+β2x2+…+βpxp(预后指数）估计疾病的预后。 CHISS的实现 模型→数学模型→COX模型　 三、实例分析 例12-3 现有50例急性淋巴细胞性白血病病人的随访记录. 在入院治疗时, 测得外周血中白细胞数x1和浸润淋巴结等级x2，经过治疗达到完全缓解后, 有的病人有巩固治疗有的没有x3, 并随访取得每例病人的生存时间的资料如P83 。 表中“+”代表仍存活, X1代表白细胞数（千个/mm3）， X2代表浸润淋巴结程度，分为0、1、2三级, X3代表是否有巩固治疗，1为有, 0为无。 试进行COX回归分析。 解步骤： 1 进入数据模块 此数据库已建立在CHISS\data文件夹中，文件名为：a9_3cox模型.DBF。打开数据库 点击 数据→文件→打开数据库表 找到文件名为：a9_3cox模型.DBF →确认 2 进入统计模块 进行统计计算 点击 模型→数学模型→COX模型　　　 　解释变量　　x1,x2,x3 反应变量： 　time 删失标记变量：CENSOR→确认 3 进入结果模块 查看结果 点击 结果 ━━━━━━━━━━━━━━━━━参数名 估计值 标准误 u值 p值 ───────────────── X1 0.001 0.002 0.591 0.5543 X2 0.456 0.206 2.211 0.0270 X3 -1.885 0.376 5.008 0.0000 ━━━━━━━━━━━━━━━━━ ━━━━━━━━━━━ RR 95%CI ─────────── 1.00 0.997~1.005 1.58 1.053~2.364 0.15 0.073~0.317 ━━━━━━━━━━━ Cox分析知，变量X2和X3有显著性意义, X1不显著。 从相对危险度来看, 巩固治疗是减少相对危险度, 提高生存时间的主要因素。浸润淋巴结的存在对于延长生存时间是不利因素, 而白细胞的个数对生存时间的影响无显著性。 * * 1、风险率 风险率是患者在t时刻仍存活，在时间t后的瞬间死亡率，以h(t)表示. 一．基本