,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,重庆交通大学管理学院,*,*,重庆交通大学管理学院,*,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,生存分析,生存分析,生存分析,生存分析,：在临床诊疗工作的评价中，慢性疾病的预后一般不适用于治愈率、病死率等指标来考核，因为其无法在短时间内明确判断预后情况，为此，只能对患者进行长期随访，统计一定时期后的生存或死亡情况以判断诊疗效果。,生存分析还适用于现场追踪研究（发病为阳性）、临床疗效试验（痊愈或显效为阳性）、动物试验（发病或死亡）等。,生存分析生存分析：在临床诊疗工作的评价中，慢性疾病的预后一般,基本概念,生存时间,（,Survival Time),：,从狭义的角度来说：生存时间是患某病的病人从发病到,死亡所经历的时间跨度。,开始发病 病人死亡,从广义的角度：从某种起始事件到达某种终点时间所经历的时间跨度。,起始事件 终点事件,生存时间,生存时间,基本概念生存时间（Survival Time)：生存时间生存,生存时间的数据类型,2,.,截尾数据,（,Censored Data,）：由于某种原因未能观察到观察对象的明确的结局，所以不知道该观察对象的确切的生存时间，就象该观察对象的生存时间在未到达规定的终点之前就被截尾了。,截尾数据提供了部分关于生存时间的信息，使研究者知道,该观察对象至少在已经经历的这个时间长度内没有发生终点事,件，其真实的生存时间只能长于我们现在观察到的时间而不会,短于这个时间。（符号,t+,）,1,.,完全数据,（,Complete Data,）指达到了明确结局的观察对象的生存时间数据。某个观察对象具有明确的结局时，该观察对象所提供的关于生存时间的信息是完整的。,生存时间的数据类型2.截尾数据（Censored Data,生存时间资料的特点,有,2,个效应变量,：一是生存时间（天数），二是结局（死亡与否、是否阳性等）。,存在截尾数据,：由于某种原因未能明确观察到随访对象发生事先定义的终终事件。,分布类型复杂,：生存时间资料常通过随访获得，因观察时间长且难以控制混杂因素，故其分布常呈偏态，影响因素较多，规律难以估测。,生存时间资料的特点 有2个效应变量：一是生存时间（天数），二,生存分析方法,Kaplan-meier,过程,这是一种非参数法，主要用于小样本，适用于能够准确记录事件和删失发生时点的数据。,Life Tables,过程,也叫寿命表法，适用于样本量大，且不太可能准确记载每个观察对象的死亡或删失发生时间的数据。,Cox,回归模型分析法,用于描述多个变量对生存时间的影响,生存分析方法Kaplan-meier过程,Kaplan-meier,过程,Kaplan-meier,法用于：,估计某因素不同水平的中位生存时间,比较研究因素不同水平的生存时间有无差异,控制一分层因素后对研究因素不同水平的生存时间比较,Kaplan-meier过程Kaplan-meier法用于：,例,1,：,3,种疗法治疗,66,例白血病患者缓解时间（天），数据（,kaplanm.sav,）如下,A,疗法,：,4,，,5,，,9,，,10,，,11,，,12,，,13,，,28,，,28,，,28,，,29,，,31,，,32,，,37,，,41,，,41,，,57,，,62,，,74,，,100,，,139,，,20+,，,258+,，,269,B,疗法,：,8,，,10,，,10,，,12,，,14,，,20,，,48,，,70,，,75,，,99,，,103,，,162,，,169,，,195,，,220,，,161+,，,199+,，,217+,，,245+,C,疗法,：,8,，,10,，,11,，,23,，,25,，,28,，,28,，,31,，,31,，,40,，,48,，,89,，,124,，,143,，,12+,，,159+,，,190+,，,196+,，,197+,，,205+,，,219+,Kaplan-meier,过程,例1：3种疗法治疗66例白血病患者缓解时间（天），数据（ka,Kaplan-meier,过程,Kaplan-meier过程,Kaplan-meier,过程,时间变量,结局变量,分组变量,Kaplan-meier过程时间变量结局变量分组变量,当变量为二分类变量时，一般以死亡、复发、恶化等为终结事件，如本例就是以恶化为终结事件，标记值为,1,，所以在,Single value,框中输入,1,；如果生存状态变量取值为连续变量时，则在,Range of values,框分别输入下限值和上限值。,Kaplan-meier,过程,当变量为二分类变量时，一般以死亡、复发、恶化等为终结事件，,应用统计学生存分析课件,Log Rank,法和,Breslow,法较为常用,Kaplan-meier,过程,对组间生存函数的差异进行检验的方法,Log Rank法和Breslow法较为常用Kaplan-m,Kaplan-meier,过程,Survival,：累积生存率估计，选中，表明要求将各观察样本的生存率存入原始数据库中,Standard error of survival,：累积生存率估计的标准误,Hazard,：累积风险函数估计,Cumulative events,：终结事件的累积频数,Kaplan-meier过程Survival：累积生存率估计,生存分析表,平均生存时间和中位生存时间及其标准误和可信区间,累积生存函数曲线,Kaplan-meier,过程,生存分析表平均生存时间和中位生存时间及其标准误和可信区间累积,Kaplan-meier,过程,分析结果,1.,观察时间,2.,生存状态,3.,累积生存率,4.,累积生存率的标准差,5.,累积死亡数,6.,组中剩余人数,1,2,3,4,5,6,（,1,）生存表分析,Kaplan-meier过程分析结果1.观察时间2.生存状,Mean,是生存时间的算术均数，,Median,为中位生存时间，同时表格中也给出它们的,95%,的可信区间。,Kaplan-meier,过程,分析结果,（,2,）生存时间估计,Mean是生存时间的算术均数，Median,Log Rank,、,Breslow,和,Tarone-Ware,三种检验方法的检验统计量分别为,3.282,、,2.861,和,3.360,，它们的,p,值分别为,0.194,、,0.239,和,0.186,，说明三组疗法之间生存时间的差异无显著性,Kaplan-meier,过程,分析结果,（,3,）水平间的整体比较,Log Rank、Breslow和Tarone-Ware三,分析结果,（,4,）生存曲线,Kaplan-meier,过程,分析结果（4）生存曲线Kaplan-meier过程,Life Tables,过程用于：,制作寿命表,绘制各做曲线如生存函数、风险函数曲线等。,对某一研究因素的不同水平的生存时间分布进行比较，控制另一个因素后对研究因素不同水平的生存时间分布进行比较，包括从总体上比较和不同水平间进行两两比较。,Life-Tables,过程,Life Tables过程用于：Life-Tables过程,例,2,：某医院对,114,名男性胃癌患者接受手术后的生存情况进行了,11,年的随访，得到数据（,lifetb.sav,）如下,Life-Tables,过程,例2：某医院对114名男性胃癌患者接受手术后的生存情况进行了,Life-Tables,过程,Life-Tables过程,输出生存时间范围及组距：前一个框输入生存时间上限，后一个框输入生存时间的组距,Life-Tables,过程,输出生存时间范围及组距：前一个框输入生存时间上限，后一个框输,Life-Tables,过程,生存曲线,风险函数曲线,寿命表,Life-Tables过程生存曲线风险函数曲线寿命表,Life-Tables,过程,分析结果,（,1,）寿命表（分三部分讲解）,Life-Tables过程分析结果（1）寿命表（分三部分讲解,1,.,生存时间的组段下限,2,.,进入该组段的观察例数,3,.,该组段的删失例数,4,.,暴露于危险因素的例数,5,.,所关心的事件的例数，即死亡例数,Life-Tables,过程,分析结果,（,1,）寿命表,1,2,3,4,5,1.生存时间的组段下限 2.,1,.,所关心事件的观察单位数的比，即各组的死亡概率,2,.,各组的生存概率,3,.,至本组段上限的生存函数估计值，由各组的生存概率累积相乘所得。,4,.,概率密度，所有个体在时点,t,后单位时间内死亡概率估计值。,Life-Tables,过程,分析结果,（,1,）寿命表,1,2,3,4,1.所关心事件的观察单位数的比，即各组的死亡概率Life-,1,.,风险率。活过时点,t,个体在时点,t,后单位时间内死亡概率的估计值,2,.,生存函数估计的标准误。,3,.,概率密度的标准误,4,.,风险率的标准误。,1,2,3,4,Life-Tables,过程,分析结果,（,1,）寿命表,1.风险率。活过时点t个体在时点t后单位时间内死亡概率的估,Life-Tables,过程,分析结果,（,2,）累积生存函数曲线,Life-Tables过程分析结果（2）累积生存函数曲线,基本思想不同,：,Life Tables,过程是将生存时间分成许多小的时间段，计算该段内生存率的变化情况，分析的重点是研究总体生存规律；而,Kaplan-Meier,过程则是计算每一“结果”事件发生时点的生存率，分析的重点除了研究总体生存规律外，还热心于寻找相关影响因素。,对于分层变量的处理不同,：,Life Tables,过程仅按该分层变量进行分层，没有考虑其对生存时间的影响，即没有提供控制该分层变量的情况下对研究因素对生存时间的影响进行统计分析的能力；,Kaplan-Meier,过程则是在控制该分层变量的情况下对研究因素对生存时间的影响进行统计分析。,做出的生存曲线不同,统计学检验方法不同,：,Life Tables,过程采用,Wilcoxon,法,Kaplan-Meier,过程用,Log rank,法、,Breslow,法、,Tarone-are,法,Kaplan-Meler,法和寿命表法的比较,基本思想不同：Life Tables 过程是将生存时间分成许,Cox,回归模型,上面介绍的两种生存分析方法只能研究一至两个因素对生存时间的影响，当生存时间的影响因素有多个时，它们就无能为力了，下面介绍,Cox Regression,过程，这是一种专门用于生存时间多变量分析的统计方法。,Cox回归模型 上面介绍的两种生存分析方法只能研究一至两个因,模型结构,：设有,n,名病人，第,i,名病人的生存时间为,t,i,，同时该病人具有一组伴随变量,x,i,1,，,x,i,2x,i,p,。该病人生存到时间,t,i,的风险函数,h,i,(t,）是其基础风险函数,h,o,(t),与相应伴随变量的函数的乘积，其数学表达式为：,h,i,（,t,）,=h,0,（,t,）,f,（,1,x,i,1+.+,p,x,i,p,）,Cox,建议伴随变量的函数为指数形式，故,Cox,比例风险回归可写为：,h,i,（,t,）,=h,0,（,t,）,exp,（,1,x,i,1+.+,p,x,i,p,）,式中的,h,0,（,t,）是当所有伴随变量,x,i,1,，,x,i,2,，,x,i,p,都处于,0,或标准状态下的风险函数，是一个不确定的值，,1,，,2,，,p,为回归系数，须用实际资料来估计。,Cox,回归模型,模型结构：设有n名病人，第i名病人的生存时间为ti，同时该病,将,h,0,（,t,）移至等式左边并去自然对数得：,lnh,i,(t)/h,0,(t)=,1,x,i,1+.+,p,x,i,p,等式左边的部分为相对风险度的自然对数值，等式右边部分为伴随变量与相应回归系术的线性组合。,j,（,j,1,，,2,，,，,p,