19生存分析讲解.ppt

基本概念 起始事件、终点事件 生存、死亡、截尾 生存时间 生存函数(率)、死亡函数(率) 风险函数 风险比 完全数据(complete data) 在随访研究中，当观察到某病人的明确结局时，该参保人所提供的关于生存时间的信息是完整的，用符号t 表示。 截尾数据（censored data） 在随访研究中，由于某些原因未能观察到病人的明确结局，因而不知道该病人确切的生存时间，这类数据所提供的信息不完整，称之为截尾数据，用符号t+表示。 生存时间资料的整理 设样本含量为n，记第i例病人的生存时间为ti，则全部n例病人的生存时间可用随机变量T表示，其取值非负，记为：t1，t2，……，tn。若出现截尾，用t+表示。 例1 某医生观察7名肾癌患者三年（36个月），其生存时间（月）为：8，16，21+，24，36+，36+，36+。(注：以确诊作为起点，死于该病作为终点) 错误的做法： 错误1：采用平均生存时间而不是采用中位生存时间来表示生存时间的平均水平。 错误2：采用常规t检验或方差分析进行组间比较。（应采用log-rank检验比较几组生存时间 ，后述。） 错误的做法： 错误1：丢弃截尾数据，只考虑确切数据。（损失了信息） 错误2：将截尾数据当作确切数据处理。（低估了生存时间的平均水平）。 错误的做法： 由于 两个效应变量： 　（1）生存时间（2）结局(死亡与否、是否阳性等) 错误1：忽略生存时间，采用Logistic回归分析 错误2：忽略结局，采用t检验、线性回归分析生存时间等。 描述生存时间分布规律的函数 由于生存时间资料多为非正态分布且常常存在截尾情况，因而其统计处理比较复杂，有其独特之处。描述生存时间分布规律的函数很多，统称为生存时间函数，其中最主要的有概率密度函数、分布函数、生存函数和风险函数。 概率密度函数（probability density function） 表示一个个体死于小区间内的概率极限，这一函数表示死亡速度的快慢。 如果观察例数较多，可用下式估计密度函数。 分布函数（distribution function） 分布函数常称为死亡概率或累积死亡概率，这一函数表示一个病人从起点到时间t为止的死亡概率，随时间而上升，当 时，死亡概率趋向于1，即表示该个体最终必然死亡。 生存函数（survival function） 又称为生存概率，表示一个病人生存时间长于t的概率，其意义正好与死亡概率相反。 在实际工作中，生存概率可用下式来估计 风险函数（hazard function） 风险函数表示一个生存到时间t的个体，在从t到 这一区间内死亡概率的极限，也就是一个生存到时间t的个体在时间t的瞬时死亡率（条件死亡速率）。 暴露因素（exposure factor）与混杂因素(confounding factor) 在医学研究中，除对主要研究因素（暴露因素）进行观察外，还须对干扰因素（即混杂）的影响进行有效的控制。 例17-1(P358) ….试计算不同时间的生存率。 生存曲线 以生存时间为横轴，生存率为纵轴绘图，即所谓的Kaplan-Meier生存曲线 生存率的可信区间估计(正态近似法) 平均生存时间 由于生存时间的分布总是偏态的，故平均生存时间常用中位生存时间（median survival time）来计算，其意义是50％的个体存活且有50％的个体死亡的时间，也即生存率为50％时在生存曲线中所对应的生存时间。 寿命表法（lifetable method） 寿命表法计算生存率的基本原理是将整个随访时间划分为若干个时间区间，分别计算每个时间区间开始时的观察个体数、死亡数和失访数，进而计算每个时间区间的条件死亡率 和条件生存率 。根据概率的乘法原理，t时刻的生存率 为t时刻前各时间区间条件生存率的乘积。 P362　例17－3 logrank 检验 P364 例17－4 H0: 两组生存过程相同 H1: 两组生存过程不同 例甲、乙两种手术方法生存过程的log-rank检验计算表 ti 死亡数 期初病例数 理论死亡数 合计 甲组 乙组 甲组 乙组 Time d ni n1i n2i d*nA/n d*nB/n 1 3 43 23 20 1.6047 1.3953 2 1