王静老师最全的生存分析.ppt

* 安徽医科大学流统系王静制作 * * 安徽医科大学流统系王静制作 * * 安徽医科大学流统系王静制作 * * 安徽医科大学流统系王静制作 * * 安徽医科大学流统系王静制作 * * 安徽医科大学流统系王静制作 * 三、应用cox回归模型的注意事项 1. 对应变量的要求（前已阐述）； 2. 自变量的编码； 3. Cox回归必须满足PH假设； 4. 建模策略。 * 安徽医科大学流统系王静制作 * cox非比例风险模型 * 安徽医科大学流统系王静制作 * 即为含时依协变量的模型。 时依协变量：效应大小随时间而变化的协变量。 模型为：λ(t) = [λ0(t)] ? exp[β*x+ ? x (t)] 若? 无统计学意义，则该协变量不是时依协变量，转做前面的比例风险cox模型；反之，则必须引入该时依协变量。（提示：此模型可用来考察实际资料是否满足比例风险模型） * 安徽医科大学流统系王静制作 * 生存分析中的参数法: 分别指定风险函数的形式。 * 安徽医科大学流统系王静制作 * 指数回归模型中的风险函数h(t)分布形式：h(t)与时间t无关 * 安徽医科大学流统系王静制作 * Weibull回归模型中的风险函数h(t)分布形式 * 安徽医科大学流统系王静制作 * 对数正态分布回归模型中的风险函数h(t)分布形式 * 安徽医科大学流统系王静制作 * Log-logistic分布回归模型中的风险函数h(t)分布形式 * 安徽医科大学流统系王静制作 * Gompertz分布回归模型中的风险函数h(t)分布形式 * 安徽医科大学流统系王静制作 * 由衷感谢王静老师的分享！！！ 资料详细而易懂！！！ * 安徽医科大学流统系王静制作 * 一、cox回归模型简介 * 安徽医科大学流统系王静制作 * 1、模 型 结 构 即Cox回归，它的一般形式是： λ(t) = [λ0(t)] ? e( β1*x1+ β2*x2+….+ βm*xm ) = [λ0(t)] ? exp(β1*x1+ β2*x2+….+ βm*xm) * 安徽医科大学流统系王静制作 * λ(t)表示t时刻暴露于各危险因素（x1，x2，….xm）状态下的风险函数。λ0(t)为基线风险函数，表示所有的危险因素状态都为0情况下的风险函数。 λ(t) / λ0(t) = exp( β1*x1+ β2*x2+….+ βm*xm ) 即： ln [λ(t) / λ0(t)] = β1*x1+ β2*x2+….+βm*xm 将cox回归与线性回归、logistic回归做一比较。 * 安徽医科大学流统系王静制作 * λ0(t)的形式不限，使模型的适用范围如同非参数法那么广；模型中含有参数β，又使得其统计效率接近参数模型。（但参数β就不能用传统的方法进行估计和检验） ∴ 模型中含有参数β ，但基线风险函数λ0(t)不要求服从特定分布形式，具有非参数的特点,故Cox回归又称为半参数模型。 * 安徽医科大学流统系王静制作 * 英国生物统计学家D.R.Cox于1972年建立了条件死亡概率和偏似然函数方法，解决了参数β的估计和检验问题。故，该统计分析方法称为Cox模型。 * 安徽医科大学流统系王静制作 * 2、参数的统计学意义 假设只有一个X危险因素，0为“不暴露”，1为“暴露”，模型形式为： λ(t) = λ0(t) ? exp(β*x) X=1时的风险函数为：λ1(t)=λ0(t)? exp(β*1) X=0时的风险函数为：λ2(t)=λ0(t)? exp(β*0) λ1(t)、λ2(t)分别表示暴露于危险因素的两种不同状态下发病的风险函数。 * 安徽医科大学流统系王静制作 * 暴露于危险因素的两种不同状态下发病的风险比即为相对危险度RR。 RR=λ1(t) / λ2(t) = [λ0(t) ? exp(β*1) ] / [λ0(t) ? exp(β*0) ] = exp(β*1) / exp(β*0) = exp（β） RR表示暴露组与非暴露组的风险函数之比，即：暴露组发病的风险是非暴露组的RR倍。 回归系数β的流行病学含义是0、1协变量X的相对危险度的自然对数。 * 安徽医科大学流统系王静制作 * 如果X为连续性变量——年龄（岁），则λ1(t)、λ2(t)分别表示k岁、k+1岁的两种不同状态下发病的风险函数。 RR = λ1(t) / λ2(t) =[λ0(t)?exp(β*（k+1）)]/[λ0(t) ? exp(β*k) ] = exp(β*（k+1） / exp(β*k) = exp（β） β：X每增加一个单位时其相对危险度的自然对数值。 RR表示某危险因素（或协变量）改变一个测量单位时风险函数改变多少倍。 * 安徽医科大学流统系王静制作 * 当β＞0