生存分析概述及实例分析研讨.pptVIP

概述;定义;特点;研究内容;应用领域;常用术语;生存数据;;生存函数;风险函数;分析方法;按照是否使用参数，可以将生存分析中的分析方法分为三类： 参数方法：若已经证明某事件的发展可以用某个参数模型很好地拟合，就可以用参数方法做该事件的生存分析。常用的参数模型有指数分布模型、对数分布模型、正态分布模型，威泊分布模型等。 非参数方法：当被研究事件不能被参数模型很好地拟合时，可以采用非参数方法研究它的生存特征。常用的非参数方法包括生命表分析和K-M分析。 半参数方法：它比参数模型灵活，与非参数方法相比更容易对分析结果进行解释。生存分析中使用的半参数模型是Cox比例风险模型。;非参数方法;生命表分析;K-M分析;; 以SPSS对上例进行K-M分析，结果如下： 1.输入数据;参数设置;输出结果;生命表分析与K-M分析的比较;半参数方法;Cox独立协变量比例风险模型;案例分析; 两组小白鼠用来检验癌症的治疗状况。一组使用传统治疗方法，另一组使用试验方法，试验人员记录了小白鼠的存活时间及状态：Days为存活时间或观测时间；Status表示生存状态，取值1表示死亡，0表示存活；Group表示治疗方法，取0表示传统疗法，取1表示试验疗法，共有64组数据。 ;原始数据如下：;首先用生命表分析方法对数据进行处理：;3.设置参数;4.输出结果;用K-M方法对数据进行处理,结果如下：;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。;3.输出结果;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。;THANKS