十四、生存分析十一节.ppt

问题由来 流行病学研究资料既有连续变量、又有属性变量。 某些流行病学研究的兴趣在于事件发生所需的时间。 最常见的一种资料，记录从某个固定起点（如外科手术）至某一事件（如死亡）终点所间隔的时间 研究对象出现某种结局所经历的时间统称为生存时间，含生存数据的资料称为生存数据 对生存数据进行统计学处理称为生存分析 生存分析与传统设计的数据分析的区别： 测量的是事件发生时间 一次性征集的研究对象数不够多，无法分成两组，研究对象只能在不同时间进入研究 常需数月才能征集到适宜的研究对象 研究对象常有失访 各个研究对象随访时间长短不一 生存时间 临床研究的生存时间常指死亡时间、发生某一症状时间、疾病缓解后的复发时间、吸毒者的复吸时间等 事件的终点时间常有一个清楚的界定 但其起点时间的界定往往不清楚 例如，诊断时间不易确定，不大可能知道得病时间多长 某些疾病的诊断时间与疾病起点时间可有很大差别 狭义讲，生存时间指某种疾病的病人从发病至死亡所经历的时间跨度 广义讲，生存时间指某种事件从起始至到达某种终点所经历的时间 病人症状缓解至复发所间隔时间 病人两次发作间隔时间 健康至发病所经历时间 如接触危险因素至发病所经历时间 病人发病至死亡所经历时间 病人治疗开始至痊愈所经历时间 病人治疗开始至死亡所经历时间 输卵管再通术后至受孕所间隔时间 数据的截缩（censoring） 生存（时间）数据，不适用于此前讲过的任何方法进行分析 欲观察到所有研究对象结局发生，几乎不可能 例如，比较施行不同类型手术的乳癌病人的生存时间，虽可随访病人多年，但总有一些病人在观察终止时仍然活着。因此，就不知道她们自手术以来的生存时间，只知道她们生存的时间比参加研究的时间要长，这称为生存时间被截缩（censored），即在事件发生前，观察期截断（终止） 这类研究事件往往是一些不良事件，如死亡、发病 数据的截缩（续） 随访中，如能观察到研究对象的明确结局，所提供的生存时间信息是完整的，称为完全性数据（complete data） 随访中，如因各种原因未能观察到研究对象的明确结局，不知其确切的生存时间，只知该研究对象至少在其已经历的时间内未发生结局（如死亡），即其生存时间只会长于观察的时间而不会短于这个时间，这种研究对象的生存时间在未到规定的终点之前就终止（或截缩）了，这种数据称为截缩（或终检、或截尾）数据（censored data） 截缩（终检、截尾）的原因 研究对象失访 拒绝继续参加 研究终止、研究对象生存期超过研究终止期 研究对象死于其它竞争性死因 风险（hazard）函数 风险函数是指一个已活到时间t的观察对象，在时间t到t+Δt非常短的时间区间内死亡（瞬间）概率的极限（概率函数）： 实际工作中可估计单位长度时间内的风险函数： 某时间区间（t，t+Δt）内死亡人数 风险函数 = 与该时间区间开始时的观察对象总数 随时间延长，风险函数可表现为递增或递减 当风险函数为常数时，说明其不随时间而改变 如风险函数随时间增大，表示死亡速率随时间而加快 风险（hazard）函数（续） 风险函数是指一个已活到时间t的观察对象，在时间t到t+Δt这个非常短的时间区间内死亡概率（瞬间概率）的极限（概率函数），即： 于时间t存活的观察对象在t至t+Δt的时间区间内死亡的概率 h（t） = ──────────────────────────── Δt 风险函数又称时间t的瞬时死亡概率（密度）函数，或条件死亡概率，或死亡力（force），或年龄死亡速率 比例风险回归 生物医学研究目的不仅是描述病人在不同时间的生存率或风险函数 希望能建立一个模型反映生存时间与协变量（或自变量、解释变量、预测变量、影响变量等）之间的联系 可采取两种方法： 分层分析：按自变量分成若干层次，计算各层的生存率 Cox回归分析：分析带协变量的生存数据，生存数据反映生存时间长短 比例风险回归 D.R.Cox最早提出比例风险回归模型 又称Cox回归模型 建立条件死亡概率和偏似然函数估计与检验的方法 用这种模型，可对两组风险函数进行多变量分析 与多变量线性回归和logistic回归分析相似 比例风险回归模型也可评价各个自变量在两个风险函数差异中的影响，并调整其它自变量的混杂作用 Cox回归模型分析可看作是带协变量的生存分析 比例风险回归 Cox回归模型不是直接考