生存分析医学ppt课件.ppt

左边为相对危险度的自然对数，右边为协变量的变化量与相应回归系数的线性组合。故bi的实际意义是：在其他协变量不变条件下，变量每增加一个单位引起的相对危险度的自然对数；而exp(bi)的实际意义则是：在其他协变量不变条件下，变量每增加一个单位所引起的相对危险度变化。 当bi0时，exp(bi)1，说明Xi增加时风险函数增加，即Xi为危险因素；当bi0时，exp(bi)1，说明Xi增加时风险函数下降，即Xi为保护因素.当bi=0时，exp(bi)=1，说明Xi增加时风险函数不变，即Xi为危险无关因素。 回归系数bi的估什借助部分似然(partial likelihood)理论。Cox比例风险模型的似然函数可分解为两部分：第1部分与h0(t)和b有关，第2部分只与b有关，部分似然估计只考虑第2部分，采用最大似然估计得到回归系数估计值。部分似然估计的最大优点是不需确定基准风险函数h0(t)的形式就能估计回归系数b，部分似然估计的另一特性是仅与生存时间的排序有关，而不是生存时间的数值大小，这意味着生存时间的单调变换，如对生存时间加一个常数、乘以一个常数或取对数，都不会改变回归系数的括计值。 回归系数的检验方法 有三种。 ①Score检验：常用于模型中新变量的引入; ②Wald检验：常用于模型中不重要变量的剔除； ③似然比检验：常用于模型中不重要变量的剔除和新变量的引入。 以上三种检验方法均为c2检验，自由度为模型中待检验的参数个数。 常见心律失常心电图诊断的误区诺如病毒感染的防控知识介绍责任那些事浅谈用人单位承担的社会保险法律责任和案例分析现代农业示范工程设施红地球葡萄栽培培训材料 常见心律失常心电图诊断的误区诺如病毒感染的防控知识介绍责任那些事浅谈用人单位承担的社会保险法律责任和案例分析现代农业示范工程设施红地球葡萄栽培培训材料 生存分析Survival Analysis 公共卫生学院卫生统计学教研室 一、概 述 传统方法在分析随访资料时存在困难： 时间和生存结局都成为了要关心的因素 如果将结局和时间均作为因变量拟和多元模型，由于时间分布不明（一般不呈正态分布，在不同情况下的分布规律也不同），拟和多元模型极为困难。 存在大量删失资料 将失访数据无论是算作死亡还是存活都不合理，时间判定存在难度。①失去联系；②无法观察到结局（死于其他原因）；③研究截止。 生存分析的应用 可用于现场追踪研究、临床疗效试验、疾病预后分析等与时间相关的分析，生存时间的涵义也随之扩展到更广义的范围，又称为时间-效应分析(time-effect analysis)。其研究内容主要包括3方面内容： 对生存状况进行统计描述（生存概率、生存率、中位生存期等）； 寻找影响生存时间的“危险因素”和“保护因素”； 估计生存率和生存时间长短，进行预后评价。 生存分析(survival analysis)： 是将终点事件(terminal event)的出现与否及其出现所经历的时间结合起来分析的统计方法。由于通常研究的终点事件为死亡，故而得名生存分析，但生存分析更广泛地用于各学科研究领域的事件分析，如设备的失效、疾病的发生和预后等，因此也被称为可靠性分析(reliability analysis)、失效时间分析(failure time analysis)等。 生存时间(survival time)： 指从某个起始事件开始到某个终点事件的发生(出现反应)所经历的时间，终点事件称为失效，则生存时间也称失效时间(failure time)。 3. 基本概念 根据是否观察到研究对象的结局，将生存时间数据的分为两类： ①完全数据(complete data)：观察对象在观察期内出现终点事件，这时记录到的时间信息是完整的，这种生存时间数据称为完全数据。 ②截尾数据 (censored data) ：亦称截尾值、删失数据，指在尚未观察到研究对象出现终点事件时，即由于某种原因停止了随访，这时记录到的时间信息是不完整的，这种生存时间数据称为不完全数据或截尾值。常用符号“＋”表示。 产生删失的原因 ①失访：生存但中途失访，如拒绝访问、失去联系等。 ②退出：中途退出试验或改变治疗方案或死于其它与研究无关的原因。 ③终止：指研究结束时终点事件尚未发生。 研究起始 研究终点 * 终点事件 + 截尾值 + + * * + + * (5) 生存时间的特点： ①同时考虑生存结局和生存时间； ②生存时间可能含有删失数据； ③生存时间的分布和常见的统计分布有明显不同，如呈指数分布Weibu11分布、对数正态分布、对数logistic分布、gamma分布或更为复杂的分布，因此需有能分析这类数据的特殊的统计方法； ④ 生存时间的影响因素多而复杂且不易控制。 死亡概率和生存概率 ① 死亡概率(pr