SAS软件应用之生存分析PPT.pptVIP

Cox模型 然而，当资料不满足上述假设时，即有些危险因素作用的强度是随时间而变化的，２个受试者的危险率函数之比(相对危险)随时间而改变，就应改用时变协变量模型，也称为非比例危险模型。当只有一个危险因素时，其模型的具体形式为： 　　hi(t)=h0(t)exp[βxi+γ(xiti)] 式中ti为第i个受试者的生存时间。 上述各式中的回归系数需用最大似然法进行估计，一旦有了危险率函数的估计值，再利用生存时间函数之间的相互关系，可获得其他生存时间函数的估计值。 Cox模型中参数意义的解释 对于一元Cox模型，如果因素x的取值为1和0，那么，受x影响与不受x影响的相对风险是： 对于一元Cox模型，如果因素x是连续变量，那么，表示相邻水平的风险率之比。 多余多元Cox模型，表示其它因素不变的情况下，因素xi相邻水平的风险率之比（相对风险率）。 Cox模型中参数意义的解释 例如，高血压（x1）和高血脂（x2）对冠心病的发病风险率的Cox模型是： 其中，h0(t)表示既没有高血压（x1=0）也没有高血脂（x2=0）的研究对象在时刻t的发病风险率。 Cox模型中参数意义的解释 由此可以估计出： 有高血压但没有高血脂者（x1=1，x2=0）相对于既没有高血压也没有高血脂者发病的风险率之比为： 有高血脂但没有高血压者（x1=0，x2=1）相对于既没有高血压也没有高血脂者发病的风险率之比为： 有高血压又有高血脂者（x1=1，x2=1）相对于既没有高血压也没有高血脂者发病的风险率之比为： Cox模型的应用 Cox模型由于以下特点具有广泛的应用价值： 与参数法相比，它不需要考虑资料的分布，即任何分布的生存研究资料都可以利用Cox模型进行数据分析。 它是一种多元统计分析方法，可以用来分析多种因素对生存时间的影响。而流行病学研究的重要目标之一就是分析各种因子与发病之间的关系，Cox模型回归分析模型可以用来分析各因子对发病的影响，使得生存分析更适合于流行病学研究。 Cox模型的应用 它与其它一般回归分析方法类似，可用于比较和预测，多元Cox模型回归分析可以校正其它因素的影响，用于某一因素不同水平的比较；并可以在研究对象的各因素已知时，预测研究对象在某时刻的生存概率。 它与Logistic回归分析类似，在得到回归系数的估计值后，则可以估计t时刻的相对危险度：。 Cox回归的SAS程序 SAS系统中利用PHREG过程对生存数据进行回归分析，结局变量（因变量）为生存时间，可以处理有截尾数据的生存时间。 PHREG过程的语法格式如下： PROC PRREG DATA= [选项]; MODEL 生存时间变量*截尾指示变量(数值)=自变量名 /[选项]; STRATA 分组变量名列; FREQ 变量名列; BY 变量名列; RUN; Cox回归的SAS程序 MODEL语句为必需的,定义生存时间和截尾指示变量和说明变量：NOPRINT，不打印输出；NOSUMMARY，不打印输出事件和截尾数值；SIMPLE输出MODEL语句中每一个说明变量的简单的描述统计量。 TIES=方法，指定估计生存率所用的方法：BRESLOW使用Breslow的近似似然估计，为默认的选项；DISCRETE，用离散Logistic模型替代比例风险模型，多用于m:n的Logistic回归；EFRON 使用Efron的近似似然。 Cox回归的SAS程序 EXACT，计算在比例危险假定下所有失效事件发生在具有相同值的删失时间或较大值时间之前的精确条件概率。 ENTRYTIME=变量名，规定一个替代左截断时间的变量名。 Cox回归的SAS程序 SELECTION=method，方法可以选择以下几种：FORWARD(或F)，按照规定的P值SLE从无到有依次选一个变量进入模型；BACKWARD，按照规定的P值SLS从含有全部变量的模型开始，依次剔除一个变量；STEPWISE，按照SLE的标准依次选入变量，同时对模型中现有的变量按SLS的标准剔除不显著的变量；SCORE，采用最优子集选择法。其中，SLE选择项用于指定协变量进入模型的显著水平，SLS选择项用于指定协变量停留在模型中的显著水平，缺省值皆为0.05。 Cox回归的SAS程序 STRATA语句：比例风险的假定可能不会对所有的层都成立，此时需要作分层分析。STRATA语句要求按照分层变量名列的水平数拟合一个多层的Cox模型。与BY语句不同，后者是要求按分组变量名列分别估计模型及参数。 PHREG过程中还可以加入编程语句用以创建模型中的新的自变量，但不能用以修改应变量，截尾变量，组变量或分层变量的值。当省略所有的选项，并且只有一个分类自变量（分组变量）时，模型的检验相当于生存曲线的比较。 本章小节 在医学研究中，常常用随访的方式