Cox回归分析—非常详细的SPSS操作介绍.pdfVIP

患者生存状态的影响因素分析 ——生存资料的 COX 回归分析 1、问题与数据 某研究者拟观察某新药的抗肿瘤效果，将 70 名肺癌患者随机分为两组，分 别采用该新药和常规药物进行治疗，观察两组肺癌患者的生存情况，共随访 2 年。研究以死亡为结局，两种治疗方式为主要研究因素，同时考虑调整年龄和性 别的影响，比较两种疗法对肺癌患者生存的影响是否有差异。变量的赋值和部分 原始数据见表 1 和表 2。 表 1. 某恶性肿瘤的影响因素与赋值 因素 变量名 赋值说明 性别 gender 男=1，女=0 治疗方式 group 常规治疗=0，新药=1 年龄 age 年龄60=0 年龄≥60=1 生存时间 time 病人实际生存时间（周） 结局 survival 死亡=1，截尾=0 表 2. 两组患者的生存情况 group gender age time survival 0 1 0 22 1 0 1 1 10 1 0 1 1 64 1 0 1 1 12 1 0 1 0 17 1 1 0 0 19 1 1 1 1 4 1 1 0 1 12 0 1 0 0 5 0 1 1 1 27 0 2、对数据结构的分析 该研究以死亡为结局，治疗方式为主要研究因素，每个研究对象都有生存时 间（随访开始到死亡、失访或随访结束的时间），同时考虑调整年龄和性别的影 响。欲了解两种疗法对肺癌患者生存的影响是否有差异，可以用 Cox 比例风险模 型（Cox proportional-hazards model，也称为 Cox 回归）进行分析。 实际上，Cox 回归的结局不一定是死亡，也可以是发病、妊娠、再入院等。 其共同特点是，不仅考察结局是否发生，还考察结局发生的时间。 在进行 Cox 回归分析前，如果样本不多而变量较多，建议先通过单变量分 析（KM 法绘制生存曲线、Logrank 检验等）考察所有自变量与因变量之间的关 系，筛掉一些可能无意义的变量，再进行多因素分析，这样可以保证结果更加 可靠。即使样本足够大，也不建议把所有的变量放入方程