第21章 生存分析 --方积乾.pptVIP

5. logistic 回归和 回归的区别 Cox 用于队列研究 ，不能用于 横断面研究和病例-对照研究, 而 logistic 回归既可以用于 横断面研究和病例-对照研究, 也可以用于队列研究。 Cox 回归分析的反应变量包含两个内容：状态 (两个类别, 生或死) 和生存时间, 而 logistic 回归分析的反应变量仅仅是状态（生或死） . Chapter 21 生存分析 例 1： 为了解结局与潜在的危险因素关系, 在1992 年 1月1日至2001 年12月31日之间的10年中收集了346 例 肠癌患者。 Table 1 手术后生存时间 21.1 生存时间的特征 生存时间（Survival time ） 失效时间（Failure time） t ：从起点开始到终点事件发生为止的时间长度. 生存时间通常不服从正态分布！ 21.2 生存率的估计 生存率（survival rate）的点估计（Point estimate） 乘积极限法（Product-limit method ）Kaplan and Meier（1958），也称K-M法 例 1 21 例乳癌, 10例手术, 11 例手术 + 化疗。试分别 估计两种治疗的生存率和生存曲线 。 Table 3 生存率的 K-M 估计 ( 乳癌) 生存率的区间估计（Interval estimation） 上述第8列是点估计。 生存率的标准误（Greenwood 1926） 生存率的 (1-? ) 置信区间 ： 生存曲线和中位生存期 生存曲线（Survival curve） 中位生存期（Median survival time ）：生存时间 的中位数. 21.3 生存曲线间的比较 -- 时序检验 （log-rank test） 例2 检验单纯手术患者的生存曲线和手术+化疗患者的生存曲线之间的差异是否具有统计学意义。 Table 4 时序检验 例 3 从肠癌数据库中随机抽取 30 例来介绍方法 21.4 Cox 回归 dtime: 被耽误的时间 (从诊断到手术) 21.4 Cox 回归 log-rank test属于单变量方法：要求两组除处理不同外其他都相同. 然而, 实践中这一点不容易 满足，于是需要采用多变量方法. 生存时间是随机变量，不服从正态分布, 所以前面学过的多重线性回归不适用. 能否用logistic 回归分析生存时间资料？ ---- 生存时间的长度没法分析. 多重线性回归和logistic 回归都不能用于生存时间资料的分析. Cox 回归模型 Cox（1972）比例危险率回归模型(Proportional hazards regression model) -- Cox回归 或 或 ? 的估计 参数的意义 回到例 3 Cox 回归 (-2lnL= 104.501) 危险因素： dtime 和 age 诊断时间耽误 1 个月，死亡风险 增加到 1.238 倍； 患者年长一岁，死亡风险 增加到 1.243 倍 。 结论：早诊断和年轻 会有较好预后。 模型比较 1 个变量：dtime 最好 2个变量：age + dtime最好 age + dtime 比 dtime 好吗？ 3个变量比 age + dtime好吗？ 比例风险 假定成立吗？ 比例风险 假定( Proportional Hazards，PH) 变量 X 满足 PH 假定吗? 根据该变量的数值，将个体分成2组（或多组）; (1) 分别作这2个组的 K-M 曲线 ; 若这2条曲线彼此交叉, 则关于 PH的假定不成立. (2) 分别作这2个组的曲线 和 若这两条曲线看似平行，则关于 PH的假定成立. 关于 Cox 回归的注意事项： 样本 ：良好设计、 代表性抽样、 足够的样本量. 删失: 太多删失会带来偏倚(bias). 变量筛选: 先用简单的方法（例如，单变量方法）筛去一些变量, 然后才把少数几个变量放到模型里去筛选，免得太多变量参与多变量方法的筛选. 结论: 单变量筛选的结果仅供参考，不要按照单变量筛选的结果下结论. 变量选择: 一定要和专业知识相结合. 想一想 Cox 回归和 logistic回归区别何在? 小 结 1.