Cox回归分析医疗讲义.pptVIP

3. 假设检验 (1) 似然比检验（likelihood ratio test） ?2=2[lnL(p+1)-lnL(p)] 服从自由度为1的?2分布。 (2) 得分检验（score test） (3) Wald检验 4. Cox模型的解释及应用 (1) 探索结局事件发生的危险因素，分析各因素的作用大小。 (2) 计算个体预后指数（prognosis index，PI），对个体进行定性的预后评价。 (3) 通过估计生存率，对群体定量地进行预后评价。 影响因素Xi的标准差 标准正态离差 相应偏回归系数的标准误 (2)计算个体预后指数（prognosis index，PI），对个体进行定性的预后评价。 定义第j个观察单位的预后指数为： 式中 为第i个协变量的标准偏回归系数 的估计值( )， 为第j个观察单位（个体）第i个协变量的标准化值。 若PLj=0，说明该个体死亡风险处于平均水平； 若PLj0，说明该个体死亡风险高于平均水平； 若PLj0，说明该个体死亡风险低于平均水平。 3．通过估计生存率，对群体定量地进行预后评价。 由于生存率与基础生存率相关，故只要估计出基础生存率，再结合各因素的偏回归系数就可以估计出生存率， 即 ti 时刻的基础生存率公式 ti 时刻的基础累计风险函数公式 在ti时刻的死亡人数 ti 时刻的生存率计算公式 5. Cox模型拟合优度的考察 可将研究对象按个体预后指数恰当地分组，用乘积极限法估计各组的生存率曲线，并与按Cox模型预后指数分类的生存率曲线在同一坐标系内进行比较，若两种曲线具有一致性，说明模型拟合较理想。 三、Cox回归分析的应用实例 为探讨某恶性肿瘤的预后，收集了63名该病病人的生存时间、结局及影响因素。 data AA16; input x1-x6 t d @@; cards; 54 0 0 0 1 0 52 1 … … … … … … … … 62 0 0 1 1 2 16 0 ; proc phreg; model t*d(1)=x1-x6/ selection=stepwise sls=0.05 sle=0.05 alpha=0.05 risklimits; run; data AA16; input x1-x6 t d @@; cards; 54 　　0 0 0 1 0 52 1 … … … … … … … … 62 　　0 0 1 1 2 16 0 ; proc phreg; model t*d(1)=x1-x6/ selection=stepwise sls=0.05 sle=0.05 alpha=0.05 risklimits; run; 计算各因素RR及其95％CI 调用Cox模型分析模块 建立生存时间为t ，截尾指示变量为d 的 Cox模型，d 取值为1时表示截尾 The SAS System 12:32 Wednesday, April 28, 2006 1 The PHREG Procedure Model Information Data Set WORK.AA16 Dependent Variable t Censoring Variable d Censoring Value(s) 1 Ties Handling BRESLOW Summary of the Number of Event and Censored Values