SAS的卡方检验（正式）.ppt

非参数分析方法 SAS程序 WIDTH=宽度：指定用LT法的生存时间区间的宽度。 PLOTS=绘图类型：要求输出生存分析图。可供输出的图形有：①S，对生存函数S(t)做图，横、纵坐标分别为t、S(t)。②LS：对-LOGS(t)做图，横、纵坐标分别为t、-LOGS(t)。③LLS：对LOG（-LOGS(t))做图，横、纵坐标分别为LOG(t)、LOG（-LOGS(t))。④H：对风险函数做图, 横、纵坐标分别为t、H(t)。 非参数分析方法 SAS程序 NOTABLE：指令不输出生存函数估计结果，只输出生存时间的截尾数据和完全数据的个数以及散点图和检验结果。 TIME语句用于定义生存时间和截尾指示变量。对截尾指示变量可以指定发生失效事件的数值，默认失效事件用0来表示，截尾事件用1来表示。 非参数分析方法 SAS程序 STRATA语句定义生存率比较的分组变量，TEST语句定义生存率比较的分组变量或协变量。STRATA语句在这里的作用和BY语句类似，都是要求按分组变量名列进行分析，在计算生存率时各组分开计算。 TEST语句定义需检验的变量，即生存时间与该变量是否有关，如果它后面定义的变量为数值变量，则把该变量当作协变量检验与生存时间的关系。如果它定义的为分组变量，则分组比较生存时间有无差别。 例题1－生存率计算 为了比较不同手术方法治疗肾上腺肿瘤的疗效，某研究者随机将43例病人分成两组，甲组23例、乙组20例的生存时间（月）如下所示： 甲组：1，3，5（3），6（3），7，8，10（2），14+，17，19+，20+ ，22+，26+，31+，34， 34+，44，59 乙组：1（2），2，3（2），4（3）， 6（2），8，9（2），10，11，12，13，15，17，18 其中有“+”者是删失数据，表示病人仍生存或失访，括号内为重复死亡数。试计算甲组的生存率与标准误。 例题2－寿命表法 某研究者随访收集了某地男性心绞痛患者2418例，试计算该地男性心绞痛患者的生存率及其标准误。 例题3－log-rank检验 试比较甲、乙两种手术方式的生存率有无差别？ Cox模型 像通常的回归分析一样，人们也希望能建立起生存时间（因变量或反应变量）随危险因素（自变量或协变量）变化的回归方程，以便对危险因素的作用大小有一个全面的了解和掌握、并根据危险因素的不同取值对生存概率进行预测。由于很难获得准确的生存时间， 前述目的较难直接实现。1972年Cox提出了比例危险模型，简称为Cox模型。 由于此模型在表达形式上与参数模型相似，但在对模型中各参数进行估计时却不依赖于特定的假设，所以又称为半参数模型。 Cox模型 Cox模型是目前生存分析多因素预后评价中较好的统计分析方法，医学上经常遇到“时间-反应”类型资料。如生命现象生存期、疾病潜伏期、药物试验的生效时间等。这种类型的资料可以用各种参数或非参数方法进行分析，但都有一定的局限性。Cox模型以半参数方式出现，适用于许多分布未知的资料和多因素分析，可以在众多预后因素共存的情况下，排除混杂因子的影响，提高预后分析质量，并能处理截尾数据。此模型的适用面很宽，在生存分析中占有特殊的地位。 Cox模型 设是影响生存时间t的k个危险因素。设hi(t)为第i名受试者在时刻t的风险率，即t时刻外后一瞬间的死亡速率。又设h0(t)表示不受危险因素x的影响下，在时刻t的风险率，又称为基准风险率或基准函数。其模型的具体形式为： 　　hi(t)=h0(t)exp(β1xi1+β2xi2+…+βmxim) 式中hi(t)为第i名受试者生存到t时刻的危险率函数，h0(t)是当所有危险因素(即xij=0)不存在时的基础危险率函数，X=(xi1,xi2,…,xim)是可能与生存时间有关的ｍ个危险因素所构成的向量。 Cox模型 　ln[hi(t)/h0(t)]=β1xi1+β2xi2+…+βmxim　 此式表明：各危险因素与回归系数的线性组合就是第ｉ名受试者的相对危险率函数的自然对数值。再设有i、j两个受试者,其危险因素向量分别为X1与X2，不难得出他们的相对危险率的自然对数为： 　　ln[hi(t)/h0(t)]=β1(xi1-xj1)+β2(xi2-xj2) 即利用“具有某预后因素向量的受试者的死亡风险与不具有该预后因素向量的受试者的死亡风险在所有时间上都保持一个恒定比例”的假设，巧妙地获得了各时间点上２个受试者相对危险率函数的估计值。 Cox模型 然而，当资料不满足上述假设时，即有些危险因素作用的强度是随时间而变化的，２个受试者的危险率函数之比(相对危险)随时间而改变，就应改用时变协变量模型，也称为非比例危险模型。当只有一个危险因素时，其模型的具体形式为： 　　hi(t)=h0(t)exp[βxi+γ(xiti)] 式中