COX模型1.ppt

COX回归模型 截尾数据产生原因 （１）失访 （２）死于其他原因 （３）到规定的截止时点尚活着。 等比例风险的验证： （1）、按协变量分组的Kaplan-Meier生存曲线，如生存曲线明显交叉，则不满足PH假定。 （2）、将协变量与时间作为交互项引入模型，如果交互项没有统计学意义，则等比例风险成立，若有统计学意义，则不成立。 与时间有关的风险称为非比例风险，采用非比例风险模型分析。 4、 COX回归模型的构建方法 构造偏似然函数，然后用最大似然法求出各参数的估计值bj。须借助计算机完成。 5、 COX回归分析的假设检验 （1） COX回归方程的检验 H0：β1=β2=…..=βp=0H1: 各βj(j=1,2,…,p)不全为0 检验方法： 最大似然比检验（maximumLike-lihood Ratio)-常用 Wald检验 得分检验（Score) （2） COX回归系数的检验 H0：βj=0H1: βj(j=1,2,…,p)? 0 检验方法：Wald检验 检验统计量为：X2＝ bj为βj的估计值，Sbj为bj的标准误。 X2服从自由度?＝1的X2分布 6、 COX回归分析的一般步骤 （1）收集资料 首先确定观察指标并将其数量化，表1（数量化表），然后收集资料，表2（随访表）。 收集到资料后，建立数据文件。（用SPSS或Excel) 例：研究影响膀胱肿瘤患者生存的因素。 * * 第一节、随访资料的生存分析方法概述 在疾病的预后研究中，一方面看结局好坏，如疾病痊愈或死亡；另一方面还要看出现这种结局所经历的时间长短。例如， 某医生比较新法与旧法对流行性出血热的疗效，结果如下： ⑴分析方法一： 组别 治疗人数 治愈人数 治愈率（%） 新法治疗 120 116 96.7 传统疗法 120 114 95.0 合 计 240 230 95.8 经卡方检验，X2=0.417, P0.05, 差异无显著性。 ⑵整理方法二： 组 别 治疗人数 平均治愈天数 标准差 新法治疗 120 7.58 1.23 传统疗法 120 16.35 5.31 经t检验，P0.05, 差异有显著性，新法治疗较优。 由此可见，将结局和出现结局所经历的时间，结合起来分析，更能全面地反映治疗的效果。 这种将某事件的结局和出现这一结局所经历的时间，结合起来分析的统计分析方法，统称为生存分析（因为源于对寿命资料的统计分析） 一、生存分析方法的内涵 生存分析是用“生存时间”的长短评价慢性病的疗效。 狭义生存分析－“生存时间”是指从某个标准时点起至死亡止，即患者的存活时间—狭义的“生存时间” 。 广义生存分析－如果把“死亡”定义为某研究目的的“结果”的发生，如疾病的痊愈，或肿瘤的复发，或宫内节育器的失落等，则“生存时间”为某事件开始到出现该事件结局所经历的时间。如：治疗结束到复发所经历的时间，或放节育器到节育器失落所经历的时间，或发电机开始使用到到损毁的时间。—－广义的“生存时间” 。 这样一来，生存分析应用范围得到了扩大。在临床上能作生存分析的情形还有很多，例如： 1、某病从治疗到缓解； 2、输卵管接通到再次怀孕； 3、输尿管、肾结石体外碎石到复发。 为减少术语，这里以狭义的生存分析为例 二、生存分析随访资料的结构 1、结局：死亡、未死亡；治愈、未治愈；复发、未复发；失落、未失落等 2、“生存时间”：出现这一结局所经历的时间长短。不论是狭义的或广义的“生存时间”，均有三个要素：起点、终点和时间尺度（天、周、月、年） 3、预后因素：影响生存时间长短有关因素。例如：治疗措施、病情轻重等因素等。 生存时间类型： 完全数据： 指从起点到死亡所经历的时间，即死者的存活时间。如患者2、患者5和患者6。完全数据提供完全信息。 截尾数据：（1）研究结束尚未出现所研究的结局；（2）失访；（3）死于其他原因。如：患者1、患者3和患者4。截尾数据提供部分信息。 随访研究：队列研究 随访研究：临床随访研究 风险函数（hazar function） 又称为危险率函数，条件死亡率、瞬间死亡率等，表示个体在生存过程中，每单位时间死亡的危险度。一般用h(t)表示。 风险函数随时间变化的类型 h1：稳定风险率，与时间无关； h2：随时间而减少的风险率； h3：