研究生课件---SAS第九讲 生存分析与Cox回归分析.ppt

* * 在患者的各因素已知时，可预测不同时刻的生存概率S(t,x)。 3.Cox模型属半参数模型，对资料没有特殊的要求。 Cox模型主要用于肿瘤和其他慢性病的预后分析，还用于慢性病复发期、治愈期及药物的生效时间等资料。 应用Cox模型的注意事项 ⑴ 因素变量不能随时间的变化而变化； ⑵ 样本含量不宜过小，一般在40例以上。要求样本含量为协变量的5-20倍。 ⑶无序分类自变量要建立哑变量。 ⑷模型拟合应注意多元共线性和混杂因素的影响。 * * 语法格式 Proc phreg [选项] ； model 生存时间变量*截尾指示变量名（数值）=自变量名列/[选项]； [ Strata 分组变量名列 ]； [ Freq 频数变量名 ]； [output out=数据集 [关键词=名字]]；output语句创建一个新的SAS数据集，其含有每个个体的原始数据，包括自变量xi，生存时间，截尾指示变量。其中最主要两个关键词为xbeta和survival。 * * 例如xbeta=PI为在out=数据集中含有每个个体的预后指数，PI指数越大，病人死亡的危险性越大，PI指数越小，病人死亡的危险性越小。又如 survival=S为在out=数据集中含有每个个体在某一时刻的生存率。 【 proc过程[选项] 】 nosummary 不打印输出事件和截尾数值。 simple 输出模型中变量的简单统计描述。 【 model 过程/[选项] 】 * * ties=breslow 是用近似似然估计，为默认的选项。 ties=discrete 用离散的logistic 模型替代比例风险模型。 selection=forward(或f)| backward(或b) | stepwise(或s) | score 规定变量的筛选方法，分别为向前、向后、逐步和最优子集法。缺省时为none,拟合全回归模型。 sle=概率值 指定变量进人模型的显著水平，缺省为0.05。 sls=概率值 指定变量剔除模型的显著水平，缺省为0.05。 risklimits 计算输出RR的可信区间。 alpha=概率值 指定RR的（1-α）可信区间，缺省时为0.05。 * * 例11.5 data cox1; input t s m r @@; cards; 8 1 1 1 180 1 2 0 232 1 2 0 452 0 1 0 58 1 1 1 540 0 2 0 220 1 1 0 63 1 1 1 195 1 2 0 76 1 2 0 70 1 2 0 52 1 1 0 13 1 2 1 490 0 2 0 676 0 1 0 18 1 2 1 300 1 2 0 496 0 1 0 560 0 1 0 210 1 2 0 63 1 1 1 528 0 1 0 396 1 2 0 365 0 1 0 23 1 2 1 ; proc phreg; model t*s(0)=m r; run; 说明： t： 为生存天数。 s：为截尾指示变量 s=0为截尾值 m：为疗法。m=1为A疗法，m=2 为B疗法。 r：为肾功能损害 r=1为有损害，r=0为无损害。 * * The PHREG Procedure Data Set: WORK1.COX Dependent Variable: T Censoring Variable: S Censoring Value(s): 0 Ties Handling: BRESLOW Summary of the Number of Event and Censored Values Percent Total Event Censored Censored 25 17 8 32.00 * * Testing Global Null Hypothesis: BETA=0