医学统计学课件——生存分析.ppt

* 五、Cox模型的适用范围及注意事项 1．设计阶段应注意的问题 ①样本的代表性要好。要注意资料的代表性及可靠性；样本含量不宜过小，一般在40例以上。随着协变量的增加观察的样本应适当的增加，要求样本的含量为观察协变量的5-20倍。 ②所有危险因素要在设计时考虑全面，避免漏掉重要因素和加入无关因素。 ③生存时间的定义要明确。起始事件和终点事件要有明确规定,时间尽可能精确测量。 * 1．设计阶段应注意的问题（续） ④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。 ⑤在设计时要注意影响时间的效应因素。如研究吸烟对肺癌患者生存率的影响，若本来吸烟的人因患肺癌而戒烟，则一般模型不易分析吸烟的作用，需考虑吸烟量随时间变化的趋势。如果研究的因素随时间而发生变化，必要时可以采用伴时协变量的Cox模型进行分析。 * 2．模型拟合时应注意的问题 ①多重共线性问题：医学研究中的许多变量间并不是独立的，但通常不会影响分析的结果，如果变量间存在高度的相关，则会影响Cox模型的参数估计，此时可采用主成分分析法或R 型聚类分析法消除多元共线性的影响。 ②应注意Cox模型要求病人的风险函数与基础风险函数呈比例，如果这一假定不成立，则不能用Cox模型进行分析。 * 3．模型应用时应注意的问题 ①结果的解释应结合专业知识。Cox模型与其他回归分析一样，当进入模型中的因素有统计学意义时，该因素与生存时间不一定有因果关系，其中有一部分因素与生存时间的关系为伴随关系。 ②Cox回归的生存率一般不宜用于不同资料之间的比较，因为基准危险率函数只在同一份资料内保持相同，不同资料的基准危险率往往不同；而且在多因素分析的情况下，协变量组合也很难一致，可比性难以保证。 * （三）Cox模型的局限性 Cox模型估计参数时，首先要假定偏似然函数具有最大似然的性质，此问题在理论上尚不完善； Cox模型对异常值较为敏感，在进行模型配合时要注意Cox模型拟合优度的检验。 Cox模型在估计参数时，不是利用精确的生存时间，而是利用生存时间的顺序统计量，损失了一定的样本信息。当引进的协变量随时间的变化剧烈时，偏似然函数损失的信息也在增多。 如果得到的生存时间重复较多，用偏似然函数估计偏回归系数有一定的困难，学者们提出了一些解决的办法，但仍需进一步完善。 * （四）扩展的Cox回归模型 伴时协变量Cox回归模型 分层Cox回归模型 分组数据的Cox回归模型 多状态Cox回归模型 * 协变量调整的意义：去除比较的两组之间协变量的不均衡性；提高比较效率；考察协变量的效果 * Entry interval and trial interval 与研究期相比患者进入期间过长容易导致删失。 * 一、Cox比例风险回归模型的基本形式 看下面例子 * 如果分析x1-x6这6个因素对生存时间t的影响，能否用线性回归分析建立时间t与影响因素间的线性回归方程？或建立生存函数S(t)与影响因素间的线性回归方程？ t=b0+b1x1+b2x2+┅+b6x6 ? S(t) =b0+b1x1+b2x2+┅+b6x6 ? 1、生存时间t一般不服从正态 分布； 2、生存时间t中含有截尾值。 * 利用生存率函数S(t,X)与风险函数h(t,X)的关系可导出 反映了协变量X与生存函数的关系 Cox模型的基本形式 * 所有危险因素为0时的基础风险率，它是未知的，但假定它与h(t,X)是呈比例的。 右侧可分为两部分：h0(t)没有明确的定义，分布无明确的假定，参数无法估计，为非参数部分；另一部分是参数部分，其参数可以通过样本的实际观察值来估计的，正因为Cox模型有非参数和参数两部分组成，故又称为半参数模型。 * * * * * * 二、Cox回归分析的步骤： 确定自变量和因变量 参数估计，拟和模型 对模型的假设检验 模型的解释及应用 对模型的拟和优度检验 * 模型的参数估计 （一）参数估计-偏似然估计 * * 代表ti时刻以后危险集R(ti)中对似然函数作贡献的个体 将n个病人死亡的 条件概率相乘 * 两边取自然对数 可以解决截尾值问题 * (二) 建立最佳模型 为建立最佳模型常需对研究的因素进行筛选，筛选方法有前进法、后退法和逐步回归法。实际工作中要根据具体情况选择使用，最常用的为逐步回归法。 因素筛选时需规定显著性水平，一般情况下初步筛选因素的显著性水平确定为0.1或0.15，设计较严格的研究显著性水平可确定为0.05。 另外，筛选因素时，还要考虑因素间共线性的影响。当存在共线性时，应考虑消除共线的影响，如采用主成分回归等方法。 * 模型的假设检验 * * * Cox模型的解释及应用 探索结局事件发生的危险