生存分析概述及实例分析课件.pptVIP

* 3.设置参数 4.输出结果 可以看出，大约在200天时两种治疗方法的生存函数相交，在200天以前传统治疗方法的存活率较高，而在200天以后试验方法的治疗效果明显优于传统治疗方法。 中位数生存时间是生存率为50%时，生存时间的平均水平。 从中位数生存时间来看，传统治疗方法的中位数为241天，试验方法的中位数为266天，明显高于传统治疗方法。可以判断试验方法的疗效相比传统治疗方法有所提高。 用K-M方法对数据进行处理,结果如下： 生存函数分布和生命表分析的结果相似。K-M方法可以记录删失数据，且由于分段较多整体呈现密集的锯齿，而生命表分析的分布则较为平缓。 在结果检验上，不同检验方法结果有所差异，其中Log Rank检验的p值小于0.05，表明两种治疗方法有显著性差异。 除了治疗方法对小白鼠的生存状况有影响，其他因素如性别，年龄，体重等都可能对其生存时间造成影响。加入这些数据后，用Cox独立协变量比例风险模型重新分析。 1.输入数据 2.设置参数 3.输出结果 分类变量是指不连续的变量，此例中治疗方法的值只取0和1，性别只取F和M。不同于体重、年龄这些连续变量，分类变量在计算风险比例时以参考类别作为参照。如在本案例中治疗方法这一因子以试验方法作为参照。计算结果为传统方法的风险率相对于参考的倍数。 上表为模型系数的综合检验结果。可以看到p=0，小于0.05，说明这些因素中有些变量对白鼠的生存时间有显著影响。 此表给出了各个变量的单个模型系数检验结果，可以看到体重变量的p=0，说明体重对风险函数有极显著影响。体重每增加1（盎司），风险大约为原来的1/3；治疗方法的p=0.068，影响几乎显著，传统方法的风险为试验方法的1.75倍；而性别和年龄对风险的影响微弱。 结论：综合几种不同的分析方法，我认为综合以上三种模型的分析结果，我认为在本实验中白鼠体重是影响其生存时间的重要因素，治疗方法的不同也有比较重要的影响，而年龄和性别几乎不对其生存时间产生影响。 THANKS 谢谢观看 * * * * * * * * * * * * * * * * * * * * * * * 生存分析概述及实例分析 目录 1 概述 2 常用术语 3 分析方法 4 案例分析 概述 定义 生存分析是研究生存现象和响应时间数据及其统计规律的一门学科。由于最初研究的关键事件是死亡，故称为生存分析。生存分析是统计科学的重要分支，其研究的两个重要变元为“事件”和“寿命”。 事件：生存分析中定义的事件有死亡、损坏、失败、解雇、病发等等。例如病人的死亡，产品的失效，疾病的发生，职员被解雇。 寿命：从记录开始到事件发生的时间。 特点 生存分析的优点在于其能够处理删失数据。 生存分析的统计资料以生存时间为反应变量，此类资料的生存时间变量大多不服从正态分布，且由于删失值的存在，不适合用传统的分析方法处理。此时就应选用生存分析的方法。 研究内容 生存分析研究的内容主要有以下两个方面： 一 对生存过程的描述 二 分析生存过程的影响因素并对生存的结局加以预测 应用领域 生存分析虽然源自医学领域，但其在生物学，保险学，可靠性工程学，经济学，教育学，社会学等领域都有广泛的应用。比如： 医疗科学中病人的去世 保险行业中的赔偿 可靠性工程中产品的失效 金融领域中银行账户从开立到取消的时间的研究 教育行业中学生的中途退学 客户关系管理中的客户流失 常用术语 生存数据 生存分析中所分析的数据通常称为分析数据，一般度量的是某个事件发生所经历的时间长度。生存数据可以分为完全数据和删失数据。 完全数据：指提供了完整信息的数据。例如，在研究产品的失效时间时，某个样品从进入研究直到失效都在我们的观察中，可以得到该样品的具体失效时间，这就是一个完全数据。 删失数据：是指在观测期内，我们并没有看见个体的状态发生改变，无法确定个体具体的生存时间。又分为左删失数据，右删失数据，区间删失数据。 A B C D E 删失数据示意图 起始 观测时间区间 终止 死亡 死亡 死亡 未知 退出 完全数据： A,观测期内死亡 右删失数据： B，观测未终止时因故退出 C，观测终止时尚未死亡 左删失数据： D，死亡时间在某一时刻之前，具体时间未知 区间删失数据： E，死亡时间位于某一区间，具体时间未知 生存函数 生存函数（survival function），又称为累积生存率，我们用符号T表示个体的生存时间（从开始记录到事件发生的时间），用 t 表示观测时间，将生存函数记作 S（t），是指个体生存时间大于 t 的概率。