临床医学常用存活分析研究法.PDF

345 學 術 TAIWAN MEDICAL JOURNAL 文、圖∕莊其穆 台北榮民總醫院婦女醫學部 存活分析常被誤認只有運用於臨床醫學 ，但是其 實存活分析廣泛運用於軍事 、經濟 、天文 、地理 、礦 物探測、電子工程 、政治等各個學門，是一項極為重 要的統計分析學(1) 。臨床醫師對於論文賞析或是論文 撰寫 ，也會常遇到存活分析法的呈現 。但很可惜 ，多 數醫師對於存活分析僅知其一 。本文介紹存活分析常 用研究法 ，期望對臨床醫師於論文賞析或撰寫能有所 助益 。 (Censoring data) 存活資料多數屬於設限資料 ：設限資料可以分成 圖 1 Kaplan-Meier 存活曲線 圖 ，圖下的數字稱為風險 右側設限(right censoring) ，主要原因是病人在事件發 表格 (risk table) 。 生( 例如死亡) 前 ，就已經退出研究 ，或是研究已經結 束 。相對的 ，左側設限(le censoring) 則是指病人在 則是指第i 個時間點之每個組別的事件預估發生數 。 進入研究之前(before enrollment) ，就已經發生事件 。 此檢定值如果大於卡方分佈自由度為(g-1) [g 代表組別 數目] 的臨界值 ，則代表組間的存活是具有統計上的 Kaplan-Meier (Estimator) 差異 。 數學家Edward Kaplan and Paul Meier 於1958 年發 表 ，提出Kaplan-Meier 計算式 ，用於存活資料分析 。 (Logrank trend test) 主要架構是病人發生事件或是產生設限的時間點 ， 如果欲分析三組以上是否有存活差異 ，且各組之 算出存活的機率 。其函數為S(t)= ∏ [1-(d /r )] 。其中dj 間具有順序時 （例如給藥劑量有小 ，中，大），此時 j j 指在第j 個時間內，發生事件的人數 ，而rj 指第j 個時 可以運用對數等級趨勢檢定 ，以檢視各組之間的存活 間內的起始面臨風險(at risk) 人數 。特別要注意的是 是否具有趨勢上的統計意義(test for trend) 。本方法的 若cj 代表第j 個時間內發生設限(censored) 的人數 ，則 檢定值計算式要比傳統的對數等級檢定稍嫌複雜 ，主 rj =r(j -1)-d(j -1)-c(j -1) ，這個計算式可以繪製成Kaplan-Meier 要是要將各組的註記(coding) 要列入於計算式內，有 存活曲線 。Kaplan-Meier 計算式由於是根基於連續相 興趣讀者可再深入學習 。這類統計法 ，偶爾見於臨床 乘積的概念 ，所以又稱為乘積限定方法(product limit 試驗報告 ，因此臨床醫師也須留意此分析法 。 method) 。圖1 呈現標準Kaplan-Meier 存活曲線 ，一組 為標準治療 ，另一組則為實驗性治療 ，可以看出兩組 的存活曲線不同。 存活多變量分析 ，一般最常見的是Cox 迴歸分 析(Cox regression analysis) ，主要基於以下程式架構 h(t,X)=h