生存分析之二.pptVIP

多因素生存分析简介（第二讲） 作者和讲授：胡良平 参考文献： 见《现代统计学与SAS应用》 P295-370 讲授提纲 一、生存时间函数 二、生存分析方法分类 三、COX模型回归分析 四、参数模型回归分析 一、生存时间函数 1、生存函数 2、死亡概率函数 3、概率密度函数 4、危险率函数 5、上述几种函数之关系 1、生存函数 生存函数(Survival Function)也称为生存概率或累积生存率，常用S(t)表示，它表示一个体生存时间长于ｔ的概率。在具体问题中，该函数在ｔ时刻的取值可用下式来估计∶　　S(t)≈生存时间长于ｔ的患者数／患者总数　　 2、死亡概率函数 　　 死亡概率函数(Failure　Probability　Function)简称为死亡概率，常用F(t)表示，它表示一个体从开始观察起到时刻ｔ为止的死亡概率。它可以通过S(t)求得。 3、概率密度函数 概率密度函数(Probability Density Function)简称为密度函数，常用f(t)表示，它表示一个体死于(t，t+△t)小区间内的概率的极限。在具体问题中，该函数在ｔ时刻的取值可用下式来估计∶ f(t)≈t时刻开始的区间内死亡患者人数／(患者总数×区间宽度)　　　　　　 4、危险率函数 危险率函数(Hazard Function)也称为风险函数、瞬时死亡率、年龄别死亡率、条件死亡率,常用h(t)表示,它表示已存活到t的一个体,死于(t,t+△t)小区间内的概率的极限。 在具体问题中，该函数在ｔ时刻的取值可用下式来估计∶ h(t)≈ｔ时刻开始的区间内死亡患者数／（生存到ｔ的患者数×区间宽度）　 5、上述几种函数 之间的关系 S(t)=1-F(t);　 F(t)=f(x)在[0，t]上的积分； f(t)=F’(t)=-S’(t); h(t)=f(t)/S(t)=-[lnS(t)]’。 二、生存分析方法的分类 像普通统计分析一样，生存分析也有一套完整的方法： 1、统计描述（包括求生存时间的分位数、中数生存期、平均数、生存函数的估计、判断生存时间的图示法）； 二、生存分析方法的分类 2、非参数检验（检验分组变量各水平所对应的生存曲线是否一致，常用的方法有对数秩检验（Log-rank　Test）、威尔科克森检验（WilcoxonTest）和似然比检验（Likelihoodratio Test））； 二、生存分析方法的分类 3、ＣＯＸ模型(半参数模型)回归分析（在特定的假设之下，建立生存时间随多个危险因素变化的回归方程）； 二、生存分析方法的分类 4、参数模型回归分析（已知生存时间服从特定的参数模型时，拟合相应的参数模型，更准确地刻划变量之间的变化规律）。 三、COX模型回归分析 1、COX回归模型概述 2、COX模型回归分析应用 举例 1、COX回归模型概述 像通常的回归分析一样，人们也希望能建立起生存时间（因变量或反应变量）随危险因素（自变量或协变量）变化的回归方程，以便对危险因素的作用大小有一个全面的了解和掌握、并根据危险因素的不同取值对生存概率(或危险率)进行预测。由于生存时间的准确分布很难获得，前述目的很难直接实现。 1、COX回归模型概述 1972年ＣＯＸ提出了比例危险模型(Proportional Hazard Model），简称为COX模型。由于此模型在表达形式上与参数模型相似，但在对模型中各参数进行估计时又不依赖于特定分布的假设，所以又有半参数模型之称。此模型的实用面很宽，在生存分析中占有特殊的地位。 1、COX回归模型概述 其模型的具体形式为： hi(t)=h0(t)eW (1) W=β1xi1+β2xi2+…+βmxim 式中hi(t)为第i名受试者生存到ti时刻的危险率函数。 1、COX回归模型概述 h0(t)是当所有危险因素(即xij=0)不存在时的基础危险率函数，X=(xi1，xi2，…，xim)是可能与生存时间有关的ｍ个危险因素所构成的向量。将式(1)变形如下： 1、COX回归模型概述 ln[hi(t)/h0(t)]= β1xi1+β2xi2+…+βmxim （2） 此式表明：各危险因素与回归系数的线性组合就是第ｉ名受试者的相对危险率函数的自然对数值。 1、COX回归模型概述 再设有i、j２个受试者,其危险因素向量分别为X1与X2，由式(1)不难得出他们的相对危险率的自然对数为：