2015第十章生分析课件.ppt

如果LS图形近似为一条直线，则表明S（t）呈指数分布；若LLS图形近似为一条直线，则表明S（t）呈Weibull分布。 例10-1LS图 例10-1 LLS图 * * 4. 生存曲线的比较 LLS图两条线近似呈直线，说明生存时间近似呈Weibull分布。Log-Rank检验效率较高，该法χ2＝2.2036，P＝0.1377，LA组与NLA组的总体生存率有无差别。本例威尔科克森检验（Wilconxon test）和似然比检验（Likelihood ratio test）结果也显示LA组与NLA组的总体生存率无差别。 * * 四、Cox回归模型 Cox回归模型简介 生存分析中除了估算不同时间的生存率外，我们通常还对影响生存率的因素感兴趣。 可通过分组计算生存函数并进行组间生存函数比较，判断分组因素是否对生存函数有影响。 对数秩检验（Log-rank test）、威尔科克森检验（Wilconxon test）和似然比检验（Likelihood ratio test）属于单因素分析方法。 * * 3、Cox回归模型 Cox回归模型简介 生存时间是生存分析的应变量，由于生存时间通常并不符合正态分布，不满足线性回归模型的要求，不宜以生存时间为应变量进行线性回归。 如果以某时点事件结局作为应变量进行Logistic回归分析，生存时间长短的信息未被充分利用。另外生存时间还存在删失数据，线性回归模型、Logisitc回归模型都不能利用这种不完全数据提供的信息。 英国统计学家D.R.Cox于1972年提出的比例危险率回归模型（proportional hazards regression model），简称Cox回归模型是目前多因素生存分析方法中较好的一种。 * * 例10-3 30例大肠癌患者手术后生存资料见表9-3。术后生存时间time以月为单位，status表示随访结局（status＝1表示病例死亡，为完全数据；status＝0表示病例失访或尚存活，为删失数据）3个协变量分别为：性别sex（sex＝0表示女，sex＝1表示男）、年龄age（岁）和确诊到进行手术的时间dtime（月）。试进行Cox回归分析，找出影响患者生存的因素。 * * time status sex age dtime time status sex age dtime time status sex age dtime 6 1 0 66 23 31 1 0 58 10 16 1 1 56 8 7 1 0 67 21 41 1 0 53 9 19 1 1 58 9 8 1 0 63 16 44 0 0 56 8 22 1 1 54 10 11 1 0 66 10 54 1 1 52 6 29 1 1 60 7 15 1 0 65 15 59 1 0 48 9 35 1 1 55 7 12 1 0 59 10 8 1 1 66 19 44 1 1 55 6 15 1 0 62 12 10 1 1 65 18 45 1 1 51 8 18 1 0 64 9 15 1 1 62 22 56 0 1 55 5 20 1 0 58 8 12 1 1 64 16 58 1 1 50 6 26 1 0 56 7 14 1 1 55 15 60 0 1 57 3 * * time：生存时间（月）。 status：随访结局 status＝1 表示病例死亡，为完 全数据； status＝0 表示病例失访或尚存 活，为删失数据 sex：性别 sex＝0 表示女， sex＝1 表示男 age：年龄（岁）。 dtime：确诊到进行手术的时间(月). * * * * * * Cox回归分析模型总体检验结果 * * 变量（Varaible）、自由度（DF）、偏回归系数（Parameter Estimate）、偏回归系数标准误（Standard Error）、χ2值、P值、HR值（Hazard Ratio）、HR95%可信区间（95% Hazard Ratio Confidence Limits） * * 应用Cox模型注意事项 PH假设：协变量不随时间变化 LLS图无交叉 无序多分类变量哑变量化 * * * 生存分析 主 要 内 容 基 本 概 念 生存时间函数 生存率的估计 Cox 回归模型 * * 一、基本概念 生存即活着，是死亡的相反状态。 生存时间是指从某个标准时刻（如发病、确诊、开始治疗或实施手术的时间）算起至死亡为止的存活时间。 广义