应用统计学生存分析的.pptVIP

;生存分析;基本概念;生存时间的数据类型;生存时间资料的特点;生存分析方法;Kaplan-meier过程;例1：3种疗法治疗66例白血病患者缓解时间（天），数据（kaplanm.sav）如下 A疗法：4，5，9，10，11，12，13，28，28，28，29，31，32，37，41，41，57，62，74，100，139，20+，258+，269 B疗法：8，10，10，12，14，20，48，70，75，99，103，162，169，195，220，161+，199+，217+，245+ C疗法：8，10，11，23，25，28，28，31，31，40，48，89，124，143，12+，159+，190+，196+，197+，205+，219+;Kaplan-meier过程;; 当变量为二分类变量时，一般以死亡、复发、恶化等为终结事件，如本例就是以恶化为终结事件，标记值为1，所以在Single value框中输入1；如果生存状态变量取值为连续变量时，则在Range of values 框分别输入下限值和上限值。;;Log Rank法和Breslow法较为常用;Kaplan-meier过程;生存分析表;Kaplan-meier过程; ;;分析结果;Life Tables过程用于： 制作寿命表 绘制各做曲线如生存函数、风险函数曲线等。 对某一研究因素的不同水平的生存时间分布进行比较，控制另一个因素后对研究因素不同水平的生存时间分布进行比较，包括从总体上比较和不同水平间进行两两比较。;例2：某医院对114名男性胃癌患者接受手术后的生存情况进行了11年的随访，得到数据（lifetb.sav）如下;Life-Tables过程;输出生存时间范围及组距：前一个框输入生存时间上限，后一个框输入生存时间的组距;Life-Tables过程;Life-Tables过程;1.生存时间的组段下限 2.进入该组段的观察例数 3.该组段的删失例数 4.暴露于危险因素的例数 5.所关心的事件的例数，即死亡例数;1. 所关心事件的观察单位数的比，即各组的死亡概率 2.各组的生存概率 3. 至本组段上限的生存函数估计值，由各组的生存概率累积相乘所得。 4. 概率密度，所有个体在时点t后单位时间内死亡概率估计值。; ;Life-Tables过程;基本思想不同：Life Tables 过程是将生存时间分成许多小的时间段，计算该段内生存率的变化情况，分析的重点是研究总体生存规律；而Kaplan-Meier过程则是计算每一“结果”事件发生时点的生存率，分析的重点除了研究总体生存规律外，还热心于寻找相关影响因素。 对于分层变量的处理不同：Life Tables 过程仅按该分层变量进行分层，没有考虑其对生存时间的影响，即没有提供控制该分层变量的情况下对研究因素对生存时间的影响进行统计分析的能力； Kaplan-Meier过程则是在控制该分层变量的情况下对研究因素对生存时间的影响进行统计分析。 做出的生存曲线不同 统计学检验方法不同：Life Tables过程采用Wilcoxon法 ,Kaplan-Meier过程用Log rank 法、Breslow法、Tarone-are法;Cox回归模型;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。;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对数值的改变量。 Cox模型假定各自变量xj的回归系数βj与危险度间呈指数函数关系。当βj＝0时，说明xj对危险度不起作用；βj为正值时xj为危险因子，增大了危险度；βj为负值时xj＝1与xj＝0的两个危险度相比，则得到一个与h0(t)无关的比值，称为相