临床随访研究及分析PPT课件.ppt

生存曲线的log-rank检验 log-rank检验（对数秩检验、时序检验） 该检验属非参数检验，用于比较两组或多组生存曲线或生存时间是否相同。 检验统计量为卡方。 自由度=组数-1。 P≤0.05，两组或多组生存曲线不同。 P＞0.05，两组或多组生存曲线差别无统计学意义。 例15.7 对例15.2中两种手术方式下的肾移植病人的生存过程进行比较 建立检验假设： H0：两组肾移植病人的生存过程相同； H1：两组肾移植病人的生存过程不同。 ?=0.05。 排秩次 计算各组在各观察时间的期初病例数 计算各组在各观察时间的理论死亡人数 组别 生存人数 死亡人数 合计＝ 期初观察人数 A组 18 1 19 B组 14 0 14 合计 32 1 33 观察时间为3时各组各时点期初生存人数和死亡人数四格表 各组理论死亡人数的计算与四格表中的理论数计算相同 ， 组别 group 生存 时间 死亡数 期初病例数 理论死亡数 合计 A组 B组 A组 B组 Time d N NA nB d*nA/n d*nB/n (1) (2) (3) (4) (5) (6) (7) (8) A 3 1 33 19 14 0.5758 0.4242 A 9 1 32 18 14 0.5625 0.4375 B 10 1 31 17 14 0.5484 0.4516 A 15 1 30 17 13 0.5667 0.4333 A 20 2 29 16 13 1.1034 0.8966 A 26 1 27 14 13 0.5185 0.4815 A 30 1 26 13 13 0.5000 0.5000 A 41 1 25 12 13 0.4800 0.5200 A 46 1 24 11 13 0.4583 0.5417 A 64 1 23 10 13 0.4348 0.5652 A 64+ 0 22 9 13 ─ ─ B 70+(2) 0 21 8 13 ─ ─ B 120 1 19 8 11 0.4211 0.5789 A 135 1 18 8 10 0.4444 0.5556 A 223 1 17 7 10 0.4118 0.5882 B 225 1 16 6 10 0.3750 0.6250 A 365 1 15 6 9 0.4000 0.6000 B 366 1 14 5 9 0.3571 0.6429 B 390+ 0 13 5 8 ─ ─ A 450 1 12 5 7 0.4167 0.5833 B 475+ 0 11 4 7 B 518+ 0 10 A 596+ 0 9 B 647+ 0 8 A 680+ 0 7 B 801+ 0 6 A 900+(2) 0 5 B 1001+ 0 3 B 1045+(2) 0 2 合计 18 8.5745 TA 9.4255 TB 将各组理论死亡总数与实际死亡总数作比较 ? = 组数－1＝１， P＝0.0105 可认为两组的生存过程有差别。改进手术组比一般手术组患者的生存率大 第四节 Cox比例风险回归模型 Cox’s proportional hazards regression model），简称Cox回归模型。 该模型由英国统计学家D.R.Cox于1972年提出，主要用于肿瘤和其它慢性病的预后分析，也可用于队列研究的病因探索。 其优点： 多因素分析方法 不考虑生存时间分布 利用截尾数据 一、Cox模型的基本形式 h(t,X)—t时刻风险函数、风险率或瞬时死亡 率（hazard function）。 h0(t)—基准风险函数，即所有变量都取0时t 时刻风险函数。 X1、X2、…、Xp—协变量、影响因素、预后 因素。 β1、 β2、…、 βp—回归系数。 表示时间ｔ时个体暴露于危险因素状态(x1,x2,…,xm )与暴露于危险因素状态(x1,x2,…,xm )下发病的相对危险度(RR)。 β0，RR1，说明变量X增加时，危险率增加，即X是危险因素。 β0，RR1，说明变量X增加时，危险率下降，即X是保护因素。 β=0，RR=1，说明变量X增加时，危险率不变，即X是危险无关因素。 二、参数估计与假设检验 （一）参数估计 最大似然法 （二）假设检验 似然比检验（likelihood ratio test） 得分检验（ score test） Wald检验（Wald test） 三、因素筛选与最优模型的建立 变量筛选方法 向前引入法（前进法）Forward 向后剔除法（后退法）Backward 逐步引入-剔除法（逐步法