临床科研设计(3).pptVIP

第二步：输入原始数据 第三步：生存分析（1） 第三步：生存分析（2） 第三步：生存分析（3） 第三步：生存分析（4） 第四步：结果解读（1） 结果解读：有意义的因素，危险比HR及其95%CI。 X3为有无淋巴结浸润（0=无，1=有），RR1,危险因素 X4为缓解出院后的巩固治疗（0=无，1=有），RR1,保护因素 PH（比例风险）假定判断 满足前提条件才可以进行Cox回归 是否满足前提条件，看以因素为分类依据的生存曲线是否不交叉，若有交叉则表示不满足前提条件 第五步：PH假定判断（1） 第五步：PH假定判断（2） 第六步：结果解读（1） 同理将X3改为X4 重复相同的步骤 中位生存时间是指寿命中位数，表示有且只有50%的观察对象还可以活这么长时间。由于截尾数据的存在，中位生存期的计算不同于普通的中位数，它可以利用生存函数公式或生存曲线图，令生存率为50%时，推算出生存时间。 生存函数 生存概率又称为生存率或生存函数，它表示一个病人的生存时间长于时间t的概率，用S(t)表示。 以时间t为横坐标，S(t)为纵坐标所作的曲线称为生存率曲线, 它是一条下降的曲线，下降的坡度越陡，表示生存率越低或生存时间越短，其斜率表示死亡速率。 死亡函数 表示死亡速率的大小。如以t为横坐，f(t) 为纵坐标作出的曲线称为密度曲线，由曲线上可看出不同时间的死亡速率及死亡高峰时间。纵坐标越大，其死亡速率越高，如曲线呈现单调下降，则死亡速率越来越小，如呈现峰值，则为死亡高峰。 生存分析的主要内容：1.描述生存过程（估计生存函数）2.比较生存过程（比较生存函数）3.影响生存时间的因素分析 SPSS中的菜单位置 生存率的估计方法有参数法和非参数法。常用非参数法，非参数法主要有二个，即乘积极限法与寿命表法。 乘积极限法，又称Kaplan-Meier法，主要用于观察例数较少（n50）而未分组的生存资料； 寿命表法适用于观察例数较多而分组的资料，不同的分组寿命表法的计算结果亦会不同，当分组资料中每一个分组区间中最多只有 1个观察值时，寿命表法的计算结果与乘积极限法完全相同。 描述生存过程 乘积极限法：Kaplan-Meier 寿命表法：寿命表 因素分析：Cox回归 【例1】某治疗方案治疗晚期肝癌患者7例，随访时间（月）记录如下。试分析其生存过程。 SPSS软件操作 第一步：建立变量。 第二步：输入原始数据 第三步：生存分析（1） 第三步：生存分析（2） 第三步：生存分析（3） 第四步：结果解读（1） 结果解读：生存表基本描述 第四步：结果解读（2） 结果解读：生存表统计描述 中位生存时间及95%CI 第四步：结果解读（3） 结果解读：生存函数图 生存曲线的比较 对数秩检验：其基本思想是，在假定无效假设（两总体生存曲线相同）成立的前提下，可根据不同日期两种处理的期初人数和死亡人数，计算各种处理在各个时期的理论死亡数。若无效假设成立，则实际死亡数与理论死亡数不会相差太大。 【例2】某医生将20例某恶性肿瘤患者随机分为两组，一组采用纯中药治疗（甲组），另一组采用中西医结合治疗（乙组），观察终点为复发或转移，从缓解出院日开始随访。试分析两种治疗方案的效果有无差别？ SPSS软件操作 第一步：建立变量。 第二步：输入原始数据 第四步：生存分析（1） 第四步：生存分析（2） 第三步：生存分析（3） Log-rank 第三步：生存分析（4） 第四步：结果解读（1） 结果解读：基本描述 第四步：结果解读（2） 第四步：结果解读（3） 结果解读：生存表统计描述 中位生存时间及95%CI 第四步：结果解读（4） 结果解读：组间比较的Log Rank 检验 第四步：结果解读（5） 结果解读：生存曲线 COX比例风险回归模型 在医学研究中，观察对象生存时间往往受多种因素的影响，如胃癌手术后的生存时间，除了与治疗方案有关外，还可能与患者年龄、体质、病情轻重、病理类型、用药等情况有关。统计学上将这些因素称为协变量。 由于生存时间资料常存在截尾值，生存时间t往往不能满足正态分布和方差齐性的要求，一般不适宜用参数方法(如多元线性回归等)来分析生存时间与各协变量之间的关系。 为解决这类问题，英国生物统计学家 D. R Cox 于 1972 年提出比例风险回归模型用于分析带有协变量的生存时间资料。 【例3】50例某恶性肿瘤的生存时间及有关预后因素资料如表。X1为患者年龄、X2为病理类型（0=低分化，1=高分化），X3为有无淋巴结浸润（0=无，1=有），X4为缓解出院后的巩固治疗（0=无，1=有），T为患者的生存时间，S为患者的随访结局（0=截尾，1=死亡）。试进行生存分析。 SPSS软件操作 第一步：建立变量。 第3步：线性回归（2） 将X1-3和Y分