生存分析——精选推荐.pdfVIP

⽣⽣存存分分析析 ⽣存分析 本数据资料主要探讨不同处理对⽣存时间的影响，数据中，treat为连续变量，num2_treat为⼆分 变量，num3_treat为三分 等级变量。共纳⼊病⼈200例，进⾏⽣存分析步骤如下： 1.⽣存资料的定义： 命令：stset[时间变量] [截尾变量] 对应本数据为：stset time mortality 结果： 1）其中time指随访时间，即产⽣预期结果或者截尾时的时间减去纳⼊随访时的初始时间得到的天数。 2）Mortality为截尾变量，Stata视变量mortality不等于0的⾮缺失值为出现预期结果。3）Stata会同时产⽣4个新的变量： _st代表：数据中该条记录是否被定义为⽣存资料。 _d 代表：数据中该条记录是否出现预期结果。 _t 代表：数据中观察对象被随访的时间。 _t0 代表：数据中观察对象第⼀次被观察到的时间 （开始过程的时间为0） 2.⽣存资料的描述。 1)计算中位⽣存时间的命令： stsum[if 表达式] ,[by(分组变量)选择项] 对应本数据：stsum,by(num2_treat) 结果： 由于两组中截尾数据出现的较早，故25 、50 和75 ⽣存时间⽆法估计，Stata⽤缺失值表⽰。 4）stci命令可以⽤来计算中位⽣存时间、平均⽣存时间、⽣存时间的百分数及其可信区间。 命令：stci [if 表达式],[by(分组变量) 选择项] 其中选择项有：median （计算中位⽣存时间）；rmean （计算平均⽣存时间） P （#） （⽣存时间的百分数）；level （#） （可信区间的可信度）对应本数据：stci,by(num2_treat) median 结果： 同样由于两组中截尾数据出现的较早，故中位⽣存时间⽆法估计，Stata⽤缺失值表⽰。 stci,by(num2_treat) rmean 结果： num2_treat=0组的平均⽣存时间⼤于num2_treat=1组。对于观察队列中最后⼀例为截尾者，平均⽣存时间的估计值偏 低，Stata在相应数值后加“*”表⽰。 stci,by(num2_treat)p(25) 结果： 同样由于两组中截尾数据出现的较早，第25 位⽣存时间也⽆法估计，Stata⽤缺失值表⽰。 3 ．⽣存率的估计： 1）Kaplan-Meier⽣存曲线： 命令：sts graph,[by(分组变量) 绘图命令选择项] 其中主要选项有：failure （指定绘制“死亡曲线”，与⽣存曲线相反） gwood （绘制⽣存曲线的可信区间） lost （在曲线上标出该时间点的截尾值例数） 对应本数据：sts graph , by(num2_treat)gwoodlostplotregion(style(none)) scheme(s1color ) xscal(range(0 650)) xlabel( 0 200 400 600 ) yscal(range(0.5 1)) ylabel( 0.5 0.6 0.7 0.8 0.9 1 ) 结果： 由sts list命令可以算出，num2_treat=0组的⽣存率，从1随随访时间下降到0.909，⽽num2_treat=1组的⽣存率从1随随访时间 的延长下降到0.752，并且两条曲线没有交叉，num2_treat=1组的⽣存率明显⽐num2_treat=0组低。 2）Nelson-Aalen累积风险函数曲线： 命令：sts graph,[by(分组变量)na绘图命令选择项] 对应本数据：sts graph , by(num2_treat) na 结果： 同样，由sts list命令可以算出，num2_treat=0组的累积风险，从0随随访时间增长到0.095，⽽num2_treat=1组的⽣存率从0随 随访时间的延长增长到0.280，并且两条曲线没有交叉，num2_treat=1组的死亡风险明显⽐num2_treat=0组⾼。 5）输出⽣存率、⽣存率的标准误等统计量： 命令：sts list [if 表达式],[by(分组变量) 选择项] 对应本数据：stslist,by(num2_treat) 结果：略 具体给出⽣存率的变化过程及每个随访时间所对应的⽣存率、⽣存率的标准误和置信区间。可⽤于解决“5年⽣存率及其可信区 间”的求算问题。 6）输出累积风险⽐及其的标准误等统计量： 命令：sts list [if 表达式],[by(分组变量) 选择项] na 对应本数据：stslist,by(num2_treat) na