第十八单元存活率分析七--coxmodel.pdfVIP

第十八單元 存活率分析 (七)-- Cox Model 梁文敏 教授 葉懿諄 特約分析師 18.7 Cox Proportional Hazard Regression Model （Cox Model ） 在分析存活率的影響因素時，一般我們常針對最重要的影響因素，例如先前介紹的 不同的治療方式(A療法與 B療法 ) ，以Kaplan-Meier繪製各別的存活曲線，並以 Log-Rank test檢定兩種療法 ( 以變數group來表示)之存活曲線是否相同。上述之方法， 一般只針對單個類別型的解釋變數進行分析，當有其他的干擾因子也可能會對於存 活時間有影響時，則不適用。若同時有多個解釋變數或預測因子 (如gender, age, group) 需要考量時，則需利用統計模式來把這些關係利用數學方程式” ”連結起來， Cox Model是最常見的一種存活分析模式，茲介紹於下： Cox Model的數學方程式為 ( ) h t log  x  x   x   ， 1 1 2 2 k k ( ) h t 0 h(t)為在時間點 時的涉險函數t (hazard function) ，從模式中所獲得的涉險率與存活 率之公式是可互相轉換的。而當所有的解釋變數皆為 0時 ( x1 x2  xk 0 ) ，則 h(t) log 0 h(t) h (t) h (t) ， ， 在模式中的作用只是用來作為模式建構的一個基 0 0 h (t) 0 準而已，在計算不同時間點下，各解釋變數或預測因子之相對風險比(hazards ratio) 時，通常此基準值 ( h (t)會對消掉。) 0 此外，在使用 Cox Proportional Hazard Regression Model ，一般需要考量資料是 否符合此模式的假設，才不致於因假設不合而導致錯誤的結果發生。 【範例】以Cox Proportional Hazard Regression Model ，探討不同療法與性別對於病 患存活率的影響。 - 181 - 範例資料： id sex group s_day s_year s_censor 1 1 0 25 0.07 1 2 0 0 890 2.44 1 3 0 0 560 1.53 1 4 1 0 302 0.83 1 5 1 0 48