第二十章++生存分析.ppt

例20-1符合手术适应症的21例乳腺癌患者 手术+化疗组的生存概率与生存率的计算 生存率的标准误(Greenwood估计) nj 表示时刻 tj 的期初观察人数，dj 表示 tj 时刻的死亡人数。 生存率的可信区间估计(正态近似法) 20个月的生存率可信区间估计： Log-rank 检验 H0: 两组生存过程相同 H1: 两组生存过程不同 ?=0.05 生存资料的回归模型 指数回归 参数模型 Weibull回归 参数模型 Cox回归 半参数模型 Poisson回归模型 参数模型 三种回归模型(对风险的回归) 指数回归 Weibull回归 Cox回归 Cox比例风险模型 例20-3 根据Cox模型进行估计： 根据Cox模型进行估计： 生存分析的正确应用 生存分析用于对随访研究资料的处理，描述生存过程、比较生存过程、对影响生存过程的因素进行分析。尤其是可以充分利用失访资料所提供的不完全信息。但一般控制失访率20%。 描述：Kaplan-Meier方法、指数分布法等； 比较：logrank检验。 分析：回归模型。 常见的统计学模型 方程的形式：函数 　因变量 ? 自变量的线性组合 回归分析的策略 检查数据，异常值、缺失值等； 单因素分析，应用条件 性质相同的自变量的局部多元回归 多元回归，逐步筛选 注意与单因素分析时的结论进行对比 重要变量没有进入模型的原因分析 异常值、多重共线性、条件不满足 回归模型的专业解释、拟合优度 多个回归模型并存 随访时间 A：单纯手术 B：手术+化疗 生存率 两种治疗方法(A和B)生存曲线及中位生存期 0.5 中位生存期 两种治疗方法(A和B)死亡 (Kaplan-Meier)曲线 死亡率 随访时间 A：单纯手术 B：手术+化疗 100(1-?)％可信区间为： S(20)=0.4156 95％的可信区间为： 0.4156?1.96×0.1562=(0.1094,0.7218) 例20-1手术加化疗组各时间点生存率可信区间估计一览表 生存过程的比较 非参数方法 参数方法 时序(log-rank)检验 分布参数检验 分层时序检验 Gehan检验 广义Wilcoxon检验 Mantel-Haenszel检验 死亡 存活 合计 A组 1 9 10 B组 0 11 11 合计 1 20 21 Ta=10?(1/21)=0.4762 死亡 存活 合计 A组 1 8 9 B组 0 11 11 合计 1 19 20 Ta=9?(1/20)=0.4500 死亡 存活 合计 A组 1 9 10 B组 0 11 11 合计 1 20 21 Ta=11?(1/21)=0.5238 死亡 存活 合计 A组 1 8 9 B组 0 11 11 合计 1 19 20 Ta=11?(1/20)=0.5500 log-rank test 假设两组生存过程相同时 实际死亡数 理论死亡数 A组 10 6.8567 B组 9 12.1433 0.10 P0.25 不拒绝H0, 尚不能认为两组的生存过程 有差别，即手术后是否进行化疗并不影响患 者的生存期。 Cox比例风险模型 或 上式左边的比值也就是相对危险度或称为风险比(risk ratio)。 Cox回归模型中假定它的大小与时间t无关,称为比例危险率假设 ，简称PH假设。 比例风险图示(1) 比例风险图示(2) ? 模型的解释 X:表示研究者认为可能影响死亡率的危险因素,也称为协变量(covariates); t:表示生存时间; h(t,x):称为具有协变量X的个体在t时刻的危险率函数(hazard function),表示