临床科研中常用的统计分析方法 .ppt

两组重复测量数据结构 SAS程序 显示该资料不满足球对称性，参看校正结果。 结果表明经G-G和H-F调整后，按α＝0.05检验水准，A（不同药物）和A与TIME（时间）无统计学意义，后者无交互作用，而时间因素间有统计学意义。 例4 用丹参注射液治疗7例慢性肾功能衰竭患者，治疗前后不同时间各患者的血尿素氮（BUN）的变化，如表所示。试比较治疗前后不同时间各患者血尿素氮的变化是否不同？ 表4-5 丹参注射液治疗慢性肾衰患者 不同时间的BUN（mg/dl）变化 治 疗 后 不同患者 治疗前 第2周 第4周 第6周 1 60.7 41.0 34.5 36.2 2 65.2 44.7 41.2 39.4 3 66.3 42.4 40.5 37.7 4 67.1 49.1 43.3 40.2 5 62.8 38.5 40.1 35.8 6 72.5 52.3 44.6 37.6 7 58.0 35.0 38.6 37.2 题意分析：本题要探讨治疗前后“不同时间”，又要研究“不同患者”的血尿素氮的变化，是属于按两因素分组的多个均数间比较的重复测量方差分析 首先在Insight中建立数据集，本题变量FL为不同治疗时间的分组变量，如治疗前为1，治疗后第2周为2，…，第6周为4。X为BUN的测定值。建好结构录入数据，格式如图4-17所示，数据集名为L2, 存入SASUSER库中，备用。 如图所示： 生存分析SURVIVAL ANALYSIS 何为生存分析 传统方法在分析随访资料时的困难 时间和生存结局都成为了要关心的因素 ?除了生存结局作为判定标准以外，只要能让病人存活时间延长，这种药物也应当是被认为有效的。即时间延长也认为有效 ?如果将两者均作为应变量拟和多元模型，因为时间分布不明（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 传统方法在分析随访资料时的困难 存在大量失访的资料 ?失去联系（病人搬走，电话号码改变） ?无法观察到结局（死于其他原因） ?研究截止 显然，将失访数据无论是算作死亡还是存活似乎都不大合理 第一节 概述 一、基本概念 （一）生存时间（survival time）： 1．定义：广义的生存时间是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。也称失效时间（failure time）。 2．特点： （1）分布类型不易确定。一般不服从正态分布， 有时近似服从指数分布、Weibull分布、 Gompertz分布等，多数情况下往往不服从任 何规则的分布类型。 （2）生存时间的影响因素多而复杂且不易控制。 （3）根据研究对象的结局，生存时间数据可分两种类型：①完全数据（complete data）：观察对象在观察期内出现反应(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（截尾值、删失数据，censored data）：尚未观察到研究对象出现反应(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。 截尾值（CENSORED VALUE）出现的原因 截尾的原因主要有3种： ①失访：生存但中途失访：包括拒绝访问、失去联系等。 ②退出：中途退出试验、改变治疗方案、死于其它与研究无关的原因：如肺癌患者死于心机梗塞、自杀或因车祸死亡，终止随访时间为死亡时间。 ③终止：指观察期结束时仍未出现结局。 关于截尾或删失 随访开始 事件 失访 失访 研究截止时仍存活 研究截止时点 患者进入期间 删失的模式图 风险函数与生存函数的关系 第二节 生存率估计的非参数法 图16-2 两种疗