第17章-生存分析.ppt

* 3. 生存分析的多因素分析常用Cox模型，也称比例危险率回归，主要用于筛选影响生存率的因素和预测等。 思考题： Cox模型与Logistic回归有何不同？ 生存分析的统计描述指标有那些？其概念 两组随访资料的比较用什么检验？ * 结 束 * * 寿命表法与PL的区别 1.计算在 时间段的生存率。 如0-1年、1-2年，时间段组距相等。 2.寿命表方法计算死亡概率，用校正观察人数计算。假定有截尾事件的人在各时间组内平均生存为1/2时间。 死亡概率=某时间组内死亡人数/校正观察人数 （校正观察人数=期初观察人数－截尾人数/2） * 第三节 生存曲线的统计检验 比较不同方法的生存率，常进行生存率曲线间的比较。 方法：时序检验（Log-Rank test），可对两组或多组生存率曲线做比较. 检验假设：H0：两总体的生存率曲线相同 H1：两总体的生存率曲线不同 α=0.05，如P≤α，拒绝H0 * Log-rank检验 检验统计量： 该χ2服从自由度=比较组数－1 Ai 为某组各时点实际死亡频数合计. Ti 为某组各时点期望死亡频数合计 i 表示比较组，i=1，2，…k组 * Log-rank检验的基本思想 时间 甲法手术组 乙法手术组 合计 t T1i T2i 1 23 1 1.605 20 2 1.395 43 3 2 22 0 0.550 18 1 0.450 40 1 表17-4部分数据，365页 按两组合计死亡率计算各组理论频数(T). * 两组生存率曲线的检验 H0：s（t1）= s（t2） ν=组数-1=2-1， p＜0.01 结论:两生存率曲线有统计差别, 甲手术方法后生存率高于乙法. * 甲手术 乙手术 图17-2 两种手术治疗方式术后病人生存曲线的比较 月 * 第四节 COX比例风险回归模型 COX模型用于分析生存事件与多个危险因素（x）的回归关系，以确定X对预后的重要性。 生存数据（y）的特殊性： 事件结局y=1或0，同时结局经历的时间（t）。 有截尾数据。 不能单用时间（t）做多元线性回归或用结局做Logistic回归。 * 一、Cox模型的基本形式 h（t，x）：风险函数（hazard function） 表示具有某危险因素（x）的个体在t 时刻的死亡风险率。 公式17-15 回归模型 * Cox模型及参数的意义 h（t，x）=h0（t）exp（βx ） 方程由两部分组成： 1. h0（t）：危险因素X=0时，在ti 时刻的基础风险死亡率。 h0（t）是未知的。 2. exp（βx ）：危险因子的系数 假定Exp（βX）与t 变化无关的风险因子 * h（t,x） 0 1.0 0.2 0.4 0.6 0.8 1 2 3 4 时间t 死亡风险率 比例风险率函数示意图 假定在任何时刻t，死亡风险的比值是不变的。 * COX回归模型又称为比例风险率模型（proportion hazard model，PH） 模型的另一表达方式 或 * COX回归系数β的含义 某风险函数 β表示有危险因素(x=1) 与无危险因素(x=0)的个体相比，两组死亡率相对危险度的对数值。 * 相对危险度（Relative risk ，RR） RR：指暴露于某种危险因素观察对象的发病（死亡）率（P1）与无暴露因素组观察对象发病（死亡）率（P0）的比值。 RR＞1说明有暴露因素存在，发生疾病危险性相对于对照组的倍数，反映暴露因素与疾病的关联（因果）关系。 常用于前瞻性或队列研究。 * COX模型回归系数（β）在医学中的意义 h（t，x）=h0（t）exp（βx ） 反映某X与死亡风险的关系 Β=0，表示某因素（X） 与死亡风险无关。 Β＞