生存分析-cox 回归与sas应用总结.pptxVIP

Cox 回归分析与应用一. Cox 回归简述生存分析(Survival analysis)是指根据试验或调查得到的数据对生物或人的生存时间进行分析和推断，研究生存时间和结局与众多影响因素间关系及其程度大小的方法，也称生存率分析或存活率分析。生存资料特点 ： 1 生存时间的分布一般为非正态分布 指数分布,对数正态分布 ，Weibull分布， Gamma分布，…… 2 含有截尾数据(censored data) 截尾数据提供的信息是不完全的 是否出现、何时出现结局不知道一. Cox 回归简述生存资料的分析估计： Kaplan- Meier法，寿命表法比较： log-rank检验影响因素分析：Cox比例风险回归模型（Cox回归模型），是生存分析中最重要的模型之一。预测： Cox回归模型预测生存率。生存资料的分析方法 描述 -生存时间 生存率 风险率? 非参数法 -KM法 、寿命表 (LIFETEST)? 参数法- 指数模型、Weibull模型、Gompertz模型 ( LIFEREG)? 半参数法- COX回归 (PHREG)一. Cox 回归简述Cox 回归分析是生存分析的一种半参数分析方法。 优点： 多因素分析方法 不考虑生存时间分布 利用截尾数据多元线性回归logistic回归Cox回归数据类型Y数值变量Y分类变量Y二分类变量+时间 X数值变量、分类变量、等级变量模型结构Y=?1x1 + ?2x2 +???+ ?mxm h(t,x)=h0(t)exp(?1x1 + ?2x2 +???+ ?mxm ）变量筛选前进法；后退法；逐步法参数估计最小二乘法最大似然法最大似然法参数检验F-testt-test似然比检验Wald检验 score检验似然比检验Wald检验 score检验参数解释回归系数b优势比ORRR样本含量至少变量数的10倍至少变量数的20倍非截尾例数至少变量数的10倍应用因素分析预测预报 Y因素分析预测、判别P(Y＝1)因素分析生存预测 S(t)一. Cox 回归简述 COX回归用于研究各种因素（称为协变量，或伴随变量等）对于生存期长短的关系，进行多因素分析。 h(t,x)=h0(t)exp(?1x1 + ?2x2 +??????+ ?mxm ） X1，X2，????，Xm是协变量 ?1 ，?2，??????，?m是回归系数，由样本估计而得。 ?I 0表示该协变量是危险因素，越大使生存时间越短 ?I 0表示该协变量是保护因素，越大使生存时间越长 h0(t)为基础风险函数，它是全部协变量X1，X2，????，Xm都为0或标准状态下的风险函数，一般是未知的。Cox 回归分析是生存分析的一种半参数分析方法。---------------------------------------------------------- 指标 回归系数P值 相对危险度----------------------------------------------------------肿瘤部位中段 -0.7169 0.0469 0.488肿瘤部位下段 -1.0077 0.0068 0.365 深度 0.3585 0.0007 1.431 TNM分期 0.1603 0.0003 1.174 未分化癌 0.7019 0.0385 2.018淋巴结转移数 0.2703 0.0001 1.310 ----------------------------------------------------------COX回归方程为：h(t,x)=h0(t)exp(-0.7169X3b - 1.0077X3c+ 0.3585X4+0.1603X5+0.7019X8c +0.2703X9)侵及深度越深，TNM分期越大，淋巴结转移数越多，则生存期越短； 细胞类型为未分化癌的生存期短 肿瘤部位中段或下段的比上段生存期长。三. Cox 回归 sas 过程PHREG（proportional harzard regression,比例风险回归）过程基于Cox比例危险模型对生存数据进行回归分析，结局变量（因变量）为生存时间，可以处理生存时间有