本站分享:大数据、数据分析师考试认证培训,包括:Python培训Excel培训Matlab培训SPSS培训SAS培训R语言培训Hadoop培训Amos培训Stata培训Eviews培训广告位

生存分析的Cox回归模型(比例风险模型)_cox比例风险回归模型

spss培训 cdadata 1001℃

生存分析的Cox回归模型(比例风险模型)_cox比例风险回归模型

关键词: cox风险回归模型生存分析 cox回归spss生存 cox回归生存分析和cox回归
一、生存分析基本概念
1、事件(Event)
指研究中规定的生存研究的终点,在研究开始之前就已经制定好。根据研究性质的不同,事件可以是患者的死亡、疾病的复发、仪器的故障,也可以是下岗工人的再就业等等。
2、生存时间(Survival time)
指从某一起点到事件发生所经过的时间。生存是一个广义的概念,不仅仅指医学中的存活,也可以是机器出故障前的正常运行时间,或者下岗工人再就业前的待业时间等等。有的时候甚至不是通用意义上的时间,比如汽车在出故障前的行驶里程,也可以作为生存时间来考虑。
3、删失(Sensoring)
指由于所关心的事件没有被观测到或者无法观测到,以至于生存时间无法记录的情况。常由两种情况导致:(1)失访;(2)在研究终止时,所关心的事件还未发生。
4、生存函数(Survival distribution function)
又叫累积生存率,表达式为S(t)=P(T>t),其中T为生存时间,该函数的意义是生存时间大于时间点t的概率。t=0时S(t)=1,随着t的增加S(t)递减(严格的说是不增),1-S(t)为累积分布函数,表示生存时间T不超过t的概率。
二、生存分析的方法
1、生存分析的主要目的是估计生存函数,常用的方法有Kaplan-Meier法和寿命表法。对于分组数据,在不考虑其他混杂因素的情况下,可以用这两种方法对生存函数进行组间比较。
2、如果考虑其他影响生存时间分布的因素,可以使用Cox回归模型(也叫比例风险模型),利用数学模型拟合生存分布与影响因子之间的关系,评价影响因子对生存函数分布的影响程度。这里的前体是影响因素的作用不随时间改变,如果不满足这个条件,则应使用含有时间依存协变量的Cox回归模型。
下面用一个例子来说明SPSS中Cox回归模型的操作方法。
例题
要研究胰腺癌术中放疗对患者生存时间的影响,收集了下面所示的数据:
生存分析的Cox回归模型(比例风险模型)

 
操作步骤:
SPSS变量视图
生存分析的Cox回归模型(比例风险模型)
菜单选择:
生存分析的Cox回归模型(比例风险模型)
点击进入Cox主对话框,如下,将time选入“时间”框,将代表删失的censor变量选入“状态”框,其余分析变量选入“协变量”框。“方法”下拉菜单是指变量筛选的方法,可以选择“前向”、“后项”、“进入”等,这里选择“进入”为例,即所有变量同时进入。
生存分析的Cox回归模型(比例风险模型)
点击“状态”框下方的“定义事件”,将事件发生的标志设为值0,即0代表事件发生。
生存分析的Cox回归模型(比例风险模型)
在主对话框中点击“分类”按钮,进入如下的对话框,将所有分类变量选入右边框中。
生存分析的Cox回归模型(比例风险模型)
在主对话框中点击“绘图”按钮,进入如下的对话框,选择绘图的类型,这里只选择“生存函数”。由于我们关心的主要变量是trt(是否放疗),所以将trt选入“单线”框中,绘制生存曲线。
生存分析的Cox回归模型(比例风险模型)
在主对话框中点击“选项”按钮,进入如下的对话框,设置如下,输出RR的95%置信区间。回到主界面,点击“确定”输出结果。
生存分析的Cox回归模型(比例风险模型)
结果输出
生存分析的Cox回归模型(比例风险模型)
这是案例处理摘要,有一个删失数据。
生存分析的Cox回归模型(比例风险模型)
这是分类变量的编码方式。
生存分析的Cox回归模型(比例风险模型)
这是对拟合模型的检验,原假设是“所有影响因素的偏回归系数均为0”,这里可以看出P=0.032<0.05拒绝原假设,认为有偏回归系数不为零的因素,值得进一步分析。
生存分析的Cox回归模型(比例风险模型)
这是多元回归结果,第二列B为偏回归系数,最后三列为OR值及其置信区间。
生存分析的Cox回归模型(比例风险模型)
这是总体的生存函数。
生存分析的Cox回归模型(比例风险模型)
这是在控制了其他变量后,有无放疗组的生存函数对比,可以直观看出,术中放疗患者的生存情况优于不放疗的患者。

转载请注明:数据分析 » 生存分析的Cox回归模型(比例风险模型)_cox比例风险回归模型

喜欢 (1)or分享 (0)