2016第17章 生存分析.ppt

* 例某医院对100例原发性肝癌患者确诊后进行随访，得资料见下表，根据此资料进行分组资料生存率和标准误的计算。 * * * 生存率曲线 与未分组资料的生存率曲线的不同之处是： 生存率的各点在各组段的上限处，用折线连接各点。 * 总体生存率可信区间的估计 用正态近似原理估计某时点总体生存率的可信区间。 如本例3个月时生存率的95%可信区间为： * 四、两样本生存率曲线的比较 1、两时点生存率的比较 对于大样本资料，根据正态近似原理，可用u检验。 ①该法是正态近似法，当样本的生存率很小或很大，如小于0.05，或大于0.99，或各组死亡人数、生存人数少于5时，该方法误差较大； ②由于该法只检验某时点两样本生存率的差别有无统计学意义，而不能对整个生存期作出评价。 * 两样本生存曲线比较——对数秩检验(log-rank test) 其基本思想是如果无效假设成立，即两总体生存曲线无差别时，则两种处理在各个时期的实际死亡数与理论死亡数不会相差太大，否则应认为无效假设不可能成立，两条生存率曲线差异有统计学意义。 四、两样本生存率曲线的比较 * 对数秩检验(log-rank test) 公式： 当有 T＜5 时，用校正公式。 * 例 22例Ⅲ期非小细胞肺癌患者在不同日期经随机化分配到放疗组和放化疗联合组，从缓解出院日开始随访，随访时间(月)如下，试比较放疗和放化疗联合两种治疗方案的生存率曲线有无差别。 放疗组 1，2，3，5，6，9+，11，13，16，26，37+ 放化疗联合组 10，11+ ，14，18，22，22，26，32，38，40+，42+ * 两组生存率曲线的比较 * H0：单放疗组与放化疗组的生存率曲线分布相同 H1：单放疗组与放化疗组的生存率曲线分布不同 ? = 0.05 计算检验统计量：X2 = 4.65， 得 P=0.03 按? = 0.05水准，拒绝H0 ，接受H1 ，故认为单放疗组与放化疗组的生存率曲线分布不同。 * 五、生存分析的注意事项 生存资料的基本要求： 样本由随机抽样方法获得，并应有足够的数量； 截尾值比例不能太大； 生存时间尽可能精确到天数； 缺项要尽量补齐。 * 生存率比较注意事项： 当比较不同治疗方案的治疗效果时，仅比较某个时点的生存率，有时可能出现不正确的结论。事实上，每一种防治措施的效果都是一条时间效应曲线，所以评价该措施的效果应对这条时间效应曲线进行全面评价，而不是仅对某个时点的生存率进行评价。 对数秩检验要求各组生存曲线不能交叉；若有交叉提示存在混杂因素，应采用分层处理或多因素分析来校正混杂作用。 * 手术疗法和化学疗法治疗乳腺癌的疗效比较 * 图8-1 两组病人生存率曲线示意 Cox风险比例回归(Cox regression) * 一.Cox回归简介 用途：专门用于生存时间的多变量分析法。 模型结构： 设共有n例病人，第i（i=1,2,…n)例病人的生存时间为ti,并且有p个预后因素Xi1,Xi2,…,Xip。 该病人生存到时间ti时死亡风险函数（hazard function)hi(t)是基准风险函数h0(t）与预后因素函数f（βjX)的乘积，而预后因素函数为： f （βjX)=exp(β1Xi1+β2Xi2+…+βpXip) * Cox回归假定病人的风险函数为： hi(t)=h0(t) exp(β1Xi1+β2Xi2+…+βpXip) 式中： hi(t)——风险函数，又称风险率或瞬间死亡率（instantaneous failure rate) H0(t)——基准风险函数，是当所有预后因素都处于0（或标准）状态下的风险函数 X——观察变量 βj——回归系数（j=1，2，…，p） * 对上式进行变换，可得： 由此可知，βj的临床意义是： 在其它预后因素固定不变的情况下，预后因素Xj每改变一个观察单位时所引起的相对风险度改变量的自然对数值。 当βj＞0时，Xj增加使相对风险度增加，是危险因素； 当βj＜0时，Xj增加使相对风险度减少，是保护因素。 * 例： 某医药公司与中山医科大学协作，研究天花粉注射治疗绒癌的疗效问题。将16只体表接种绒癌成功 的裸鼠分为4组，其中一组作空白对照，其余三组分别注射天花粉、甲药和乙药，实验记录和整理数据如表，试作Cox回归分析。 SPSS过程 * * Cox回归变量筛选 当变量数目较多或质量较差时，在建立多因素模型之前，必须对变量作初步的筛选。 一般方法：剔去缺失数据较多，或变异程度几乎为0的变量（如X6）。 * 单变量模型方法：可用Cox回归前进法筛选变量，取变量筛选第0步的Score检验结果，作为单变量Cox回归分析结果。 其中X4的P=0.924，可将其剔除。 * 变量的危险比（risk ratio