课件：医用SAS统计分析（四）.pptVIP

* * Cox模型的基本公式 h(t , x)=h0(t)exp(β1X1+ β2X2+　┄　+ βpXp) 式中 h(t , x) 为风险率函数，即在协变量(X)影响下的生存时间已达到t的观察对象在时刻t的瞬时死亡率； h0(t)是所有危险因素为0时的基础风险率，它是未知的； β是Cox模型的回归系数，是需要估计的参数。①βj0，则Xj取值越大时， h(t , x)的值越大，表示病人死亡的风险越大；② βj=0，则Xj取值对h(t , x)没有影响；③ βj0，则Xj取值越大时， h(t , x)的值越小，表示病人死亡的风险越小； RR(或OR)= h(t , x)/ h0(t)=exp(β1X1+ β2X2+　┄　+ βpXp) * * Cox回归模型的应用 Cox模型属半参数模型，对资料没有特殊的要求，主要用于肿瘤和其他慢性病的预后分析，还用于慢性病复发期、治愈期及药物的生效时间等资料。 语法格式 Proc phreg [选项] ； model 生存时间变量*截尾指示变量名（数值）=自变量名列/[选项]； Strata 分组变量名列 ； Freq 频数变量名 ； * * output out=数据集 xbeta=PI; output语句创建一个新的SAS数据集，其含有每个个体的原始数据，包括自变量Xj，生存时间，截尾指示变量。Xbeta=PI为在out=数据集中含有每个个体的预后指数（PI=ΣβjXj),PI指数越大，病人死亡的危险性越大，PI指数越小，病人死亡的危险性越小。 【 proc过程[选项] 】 nosummary 不打印输出事件和截尾数值。 simple 输出模型中变量的简单统计描述。 【 model 过程[选项] 】 * * ties=breslow 是用近似似然估计，为默认的选项。 ties=discrete 用离散的logistic 模型替代比例风险模型。 selection=forward(或f)| backward(或b) | stepwise(或s) | score 规定变量的筛选方法，分别为向前、向后、逐步和最优子集法。缺省时为none,拟合全回归模型。 sle=概率值 指定变量进人模型的显著水平，缺省为0.05。 sls=概率值 指定变量剔除模型的显著水平，缺省为0.05。 risklimits 计算输出RR的可信区间。 alpha=概率值 指定RR的（1-α）可信区间，缺省时为0.05。 * * 例 王洁贞主编《医学统计学》 P263 表18-2 某恶性肿瘤的影响因素及量化值 变量 含 义 量化值 X1 X2 X3 X4 X5 X6 T Y 病人的年龄 性别 组织学类型 治疗方式 淋巴结是否转移 肿瘤的浸润程度 病人的生存时间 病人的结局 岁 女 0 ， 男1 低分化 0 ，高分化 1 新治疗方式 0 ，传统治疗方式 1 否 0 ，是 1 未突破浆膜层 0 ，突破浆膜层 1 月 死亡 0 ， 截尾 1 * * 程序 data cox; infile d:\sas\sas5\cox.txt; input id x1-x6 t y; proc phreg data=cox; model t*y(1)=x1-x6/selection=stepwise risklimits; output out=cox1 xbeta=PI; run; * * The PHREG Procedure Data Set: WORK.COX 分析的数据集名 Dependent Variable: T 时间变量 Censoring Variable: Y 截尾变量 Censoring Value(s): 1 截尾值 Ties Handling: BRESLOW 似然函数形式 Summary of the Number of Event and Censored Values 时间和结尾数据的摘要