SPSS教程之生存分析的Cox回归模型（比例风险模型）

最近有同学问师兄，“最近我要做生存分析，可是我不太会，也不太懂，师兄能不能教教我”，好吧，今天开一贴，讲讲这个。有同样的问题的同学可以一起来看看，毕竟在临床、科研上，这方面知识还是很受用的。有什么想跟师兄讨论的，可以关注微信号公众号：金融小圈子，就这样吧。让我们开始征程。

一、生存分析基本概念

1、事件（Event）

指研究中规定的生存研究的终点，在研究开始之前就已经制定好。根据研究性质的不同，事件可以是患者的死亡、疾病的复发、仪器的故障，也可以是下岗工人的再就业等等。

2、生存时间(Survival time)

指从某一起点到事件发生所经过的时间。生存是一个广义的概念，不仅仅指医学中的存活，也可以是机器出故障前的正常运行时间，或者下岗工人再就业前的待业时间等等。有的时候甚至不是通用意义上的时间，比如汽车在出故障前的行驶里程，也可以作为生存时间来考虑。

3、删失（Sensoring）

指由于所关心的事件没有被观测到或者无法观测到，以至于生存时间无法记录的情况。常由两种情况导致：（1）失访；（2）在研究终止时，所关心的事件还未发生。

4、生存函数（Survival distribution function）又叫累积生存率，表达式为S（t）=P(T>t),其中T为生存时间，该函数的意义是生存时间大于时间点t的概率。t=0时S(t)=1，随着t的增加S(t)递减（严格的说是不增），1-S(t)为累积分布函数，表示生存时间T不超过t的概率。

二、生存分析的方法

1、生存分析的主要目的是估计生存函数，常用的方法有Kaplan-Meier法和寿命表法。对于分组数据，在不考虑其他混杂因素的情况下，可以用这两种方法对生存函数进行组间比较。

2、如果考虑其他影响生存时间分布的因素，可以使用Cox回归模型（也叫比例风险模型），利用数学模型拟合生存分布与影响因子之间的关系，评价影响因子对生存函数分布的影响程度。这里的前提是影响因素的作用不随时间改变，如果不满足这个条件，则应使用含有时间依存协变量的Cox回归模型。

下面用一个例子来说明SPSS中Cox回归模型的操作方法。

例题

要研究胰腺癌术中放疗对患者生存时间的影响，收集了下面所示的数据：

操作步骤：

SPSS变量视图

菜单选择：

点击进入Cox主对话框，如下，将time选入“时间”框，将代表删失的censor变量选入“状态”框，其余分析变量选入“协变量”框。其余默认就行。

点击“状态”框下方的“定义事件”，将事件发生的标志设为值0，即0代表事件发生。

在主对话框中点击“分类”按钮，进入如下的对话框，将所有分类变量选入右边框中。

在主对话框中点击“绘图”按钮，进入如下的对话框，选择绘图的类型，这里只选择“生存函数”。由于我们关心的主要变量是trt（是否放疗），所以将trt选入“单线”框中，绘制生存曲线。

在主对话框中点击“选项”按钮，进入如下的对话框，设置如下，输出RR的95%置信区间。回到主界面，点击“确定”输出结果。

结果输出

这是案例处理摘要，有一个删失数据。

这是分类变量的编码方式。

这是对拟合模型的检验，原假设是“所有影响因素的偏回归系数均为0”，这里可以看出P=0.032<0.05拒绝原假设，认为有偏回归系数不为零的因素，值得进一步分析。

这是多元回归结果，第二列B为偏回归系数，最后三列为OR值及其置信区间。由P值可以看出，在0.5的显著水平下，只有 trt 有统计学差异，OR为2.265。

这是协变量的平均值。

这是总体的生存函数，即累积生存率函数。

这是在控制了其他变量后，有无放疗组的生存函数对比，可以看出，术中放疗患者的生存情况优于不放疗的患者。

SPSS教程之生存分析的Cox回归模型（比例风险模型）相关推荐

R语言生存分析：Cox回归
上次介绍了生存分析中的寿命表.K-M曲线.logrank检验.最佳切点的寻找等,本次主要介绍Cox回归. 本推文不涉及理论,只有实操,想要了解生存分析的理论的请自行学习. Cox回归使用surviv ...
R语言如何在生存分析与Cox回归中计算IDI，NRI指标
在诊断试验中,我们比较两个模型的优劣时,除了可以比较两个模型roc外,还可以用定量的指标来比较一个模型比另外一个模型诊断准确率改进的程度.我们围绕生存分析技术进行一些咨询,帮助解决独特的业务问题. ...
Surv单因素批量生存分析使用 cox批量生存回归分析有点像deseq2的design差异分析designG:\r\2021_1203_geo\GEO-master\GSE11121_survival
批量生存分析 input codes output input: 表达矩阵和 meta 信息表达矩阵 meta信息 phe = as.data.frame(apply(phe,2,as.numer ...
IBM SPSS Statistics的生存分析寿命表如何使用
寿命表分析,一般目的是为了通过数据,制作寿命表和对应的生存函数图,以此分析出在不同时间的对应生存率.它的优点在于对生存时间的分布没有过多限制,可估算某生存时间的生存率,可比较不同处理组的生存率,可考察 ...
R语言生存分析之COX比例风险模型构建及列线图（nomogram）、校准曲线（calibration curve）绘制示例
R语言生存分析之COX比例风险模型构建及列线图(nomogram).校准曲线(calibration curve)绘制示例列线图(Alignment Diagram),又称诺莫图(Nomogram图 ...
【Bioinfo Blog 012】【R Code 010】——生存分析(Kaplan-Meier Cox)
目录一.生存分析(Survival Analysis)基本概念 1.1 随访研究 1.2 起始事件与终点事件 1.3 生存时间 1.4 生存函数(Survival Function) 1.5 常用指 ...
R语言生存分析详解：KM曲线、COX比例风险模型、HR值解读、模型比较、残差分析、是否比例风险验证：基于survival包lung数据集
R语言生存分析详解:KM曲线.COX比例风险模型.HR值解读.模型比较.残差分析.是否比例风险验证:基于survival包lung数据集目录
生存分析——KM生存曲线、hazard比例、PH假定检验、非比例风险模型（分层/时变/参数模型）（二）
文章目录 1 数据类型 1.1 删失数据 1.1.1 右删失 1.1.2 左删失 1.1.3 区间删失 1.2 完全数据(Complete data) 2 生存分析几个核心概念 2.1 生存概率 2. ...
r语言 svycoxph_R语言-Cox比例风险模型
Cox比例风险模型(cox proportional-hazards model),简称Cox模型是由英国统计学家D.R.Cox(1972)年提出的一种半参数回归模型.该模型以生存结局和生存时间为应 ...

SPSS教程之生存分析的Cox回归模型（比例风险模型）

SPSS教程之生存分析的Cox回归模型（比例风险模型）相关推荐

最新文章

热门文章