医学科研中的统计学方法Cox回归分析.ppt

 * 应用方差扩大因子选择 k 的经验作法是 选择 k 使所有 方差扩大因子c ( ) ≤10。 因为 R j 度量了自 变量x j 与其余 p -1个自变量的线性相关程度 这种相关程度越强 说明自变量之间 的多重共线性越严重 2 R j 就越接近于 1 VIFj 就越大 反之 x j 与其余 p -1个自 变量线性相关程度越弱 自变量之间的多重共线性也就越弱 2 R j 就越接近于零 * * 5、Cox模型的统计描述 1.回归系数和标准回归系数 Cox模型在分析时可以给出回归系数和标准回归系数。 回归系数用来反映因素对生存时间影响的强度； 标准回归系数可以比较不同因素间对生存时间的影响程度，标准回归系数较大的因素对生存时间的影响也较大。 5、Cox模型的统计描述 2.相对危险度 假定 个变量的取值为0和1，其对应的回归系数为 ，且具有统计学意义，该因素取值1与取值为0相比其对应的相对危险度的估计为 的 可信区间为 5、Cox模型的统计描述 2.相对危险度 如果因素的取值为有序分类变量，则采用类似的方法估计其相对危险度及其可信区间 如果变量为无序分类变量，则可以采用哑变量的方法来分析其意义 对于名义分类变量，为了让计算机识别其分类，可以输入任何代码。每一个代码或数字 只起名称或标识作用，无数值的含义。 在多因素分析中，为了将名义分类变量代入模型，需要进行哑变量（dummy variable）编码。实例中的职业分类为工人、农民、管理人员、知识分子、商业服务、其他等6类，则可定义5个哑变量（比总的分类数6少1个），分别记为 职业（J ） 哑变量的水平标识 J1 J2 J3 J4 J5 工人 1 0 0 0 0 农民 0 1 0 0 0 管理人员 0 0 1 0 0 知识分子 0 0 0 1 0 商业服务 0 0 0 0 1 其他 0 0 0 0 0 表1 . 哑变量编码方法 这5个哑变量分别代表以“其他”为参照的工人、农民、管理人员、知识分子、商业服务等职业。大多数统计软件（如SPSS、SAS），只要说明变量属于分类变量，并告知类别数，都可以自动产生类似上述的哑变量。 例：某医师对1988年收治的16例鼻腔淋巴瘤患者随访了13年，数据见表7，试作COX回归。 表2. 鼻腔淋巴瘤患者随访资料 编 项目登记 观察记录 整理 号 性别 年龄 分期 鼻血 放疗 化疗 开始日 终止日 结局 生存天数 1 1 45 2 2 0 1 88-1-17 89-8-17 1 578 2 0 36 2 2 0 1 88-1-21 92-4-17 1 1549 3 0 45 2 0 1 0 88-2-2 90-12-31 0 4717 … … … … … … … … … … … 0 51 2 2 1 0 88-12-1 95-5-22 1 2363 注：性别‘1’为男性，放疗‘1’表示采用，‘0’表示未采用，结局‘1’表示死亡。 SPSS 软件实现方法 File→Open→相应数据(已存在) Analyze→Survival→Cox regression →Time→Status →Define event →Single value(1) →Continue → Covariates(自变量）→method → Forward→Continue Options→Correlation of estimate→ Display model→at last step→Entry-removal (0.05,0.10)→Maximum iterations(20)→ Continue→OK SPSS 软件实现方法(cont.) 选择 Survival, 输出累积生存率曲线 点击options,选RR的95%CI和只输出最后一步结果. 输出结局事件例数、删失例数、失访例数、总例数及各自百分比 病例（观察记录）处理信息摘要 模型检验结果 计分检验（Sore）P=0.022 似然比检验（ Change From Previous Block）P=0.13 两种检验方法显示模型整体检验有统计学意义 未校正混杂因素的结果（单因素的Cox回