生存分析-Cox回归模型

昨晚惊闻英国著名统计学家 David Cox 去世，享年 97 岁，老爷子因提出Cox回归模型而广为人知，今天带大家来了解一下Cox回归。由于其复杂性和相对较少应用（除了临床研究），很多统计学习者很少接触过和应用Cox回归，但随着队列研究和中长期随访的实验性研究越来越多，我们有必要学习使用它。

Cox回归原理简介

在临床研究中，经常遇到是二分类结果（阴性/阳性；生存/死亡），研究者可以通过logistic回归来探讨影响结果的因素，或者构建预测模型来预测新患者的预期。

但很多时候logistic回归方法无法使用。比如，在随访期中，绝大部分对象都发生阳性结果( 患者全部治愈或者患者几乎都死亡了)。例如比较两种治疗手段治疗新冠肺炎效果（比如瑞德西韦和安慰剂组），可能在一个月的效果分别是95%和90%，在统计学上可能没有差异。

logistic回归是关于率的分析，探讨影响发生率的因素，但发生率的研究不能说明一切。

我们还可以从发生率发生的速度来分析，探讨影响发生速度的因素。这便是Cox回归基本思维，通俗来说，它可以探讨，到底哪类群体的“死亡”速度更快、到底什么因素影响了“死亡”速度。1972年，由英国统计学家D.R.CoxCox建立了函数，来解决这个问题

其中，h（t）便是研究对象的风险函数，即“死亡”速度，它随着时间的变化而变化。死亡速度指的是，t时刻存活的个体在t 时刻的瞬时死亡（阳性事件发生）率。

h0（t）是回归方程的截距；x1，x2，…xj是自变量，β1，β2…，βj为回归系数。

可以发现，Cox回归通过指数转换，建立了新的线性回归方程，用于探讨自变量x对因变量h（t）的影响。

Minitab案例操作

在Minitab 21版本中，引入了此Cox回归模型，有两种形式，今天案例分享的是固定预测变量Cox回归模型。

两者简单比较如下：

案例背景：医学研究人员希望确定喉癌的阶段是否影响死亡的几率。研究人员计划根据病人的年龄调整分析。研究人员记录了90名男性癌症患者的阶段和年龄。然后，研究人员记录了第一次治疗和病人死亡或研究结束之间的年数。最后，研究人员记录了病人是否死亡。

医学研究人员执行COX回归评估死亡率，年龄和癌症阶段之间的关系。研究人员还希望估计每个阶段60岁男子的存活概率。数据格式如下：

Minitab操作步骤如下：

结果解释：

在上面的“拟合优度检验”表中，所有3个检验的p值都小于0.05，所以该模型非常适合数据。

在上面的“系数”表，年龄的 p 值为 0.182，因此年龄的影响在α=0.05水平上并不显著。阶段的 p 值在α=0.05水平上显著。因此，医学研究人员得出结论，癌症的阶段对患者的生存有统计学上显著的影响。在下面的“生存图”中可以进一步发现，第四期癌症的诊断对存活概率的影响最大。图中显示，1年后，60岁患者有第四期癌症的人只有64%的存活机会。其他三个阶段的概率为 85% 或更高。2 年后，IV 期患者的概率降至 42%，但其他三个阶段的概率保持在74%或更高。

另外，在Minitab中还有个很有用的输出“类别预测变量的相对风险”表，使用类别变量的相对风险来评估癌症不同阶段之间的风险。

例如，第四阶段患者的死亡风险是第一阶段患者的 5.5068 倍。此外，置信区间显示，第四阶段患者的实际死亡风险可能只有第一阶段患者的2.4倍或12.6倍，信心水平为95%。置信区间不包含 1，因此第一阶段和第四阶段的死亡风险之间的差异具有统计学意义。

生存分析-Cox回归模型相关推荐

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 ...
生存分析——cox模型及相关参数求解
一.引子在研究某个人在时间t的生存概率时,影响其生存概率的因素有两大主要因素: (一):时间:随着时间的推进,一个人会逐渐衰老到死亡,不论外界环境如何时间都是必须考虑的因素. (二):主观因素:比如 ...
R语言survival包Surv函数创建生存对象、建立Cox回归模型（包含所有协变量）比较不同治疗方法生存率的差异、drop1函数计算cox回归模型自变量似然比检验值、删除冗余变量重新构建cox模型
R语言使用survival包的Surv函数创建生存对象.建立Cox回归模型(包含所有协变量)比较不同治疗方法生存率的差异.使用drop1函数计算cox回归模型自变量似然比检验结果.删除冗余变量重新构建 ...
R语言使用Predict函数计算指定连续变量和风险比HR值的关系、基于限制性立方样条分析方法、限制性立方样条cox回归模型
R语言使用Predict函数计算指定连续变量和风险比HR值的关系.基于限制性立方样条分析方法.限制性立方样条cox回归模型目录
R语言使用rms包拟合cph生存分析模型（包含生存时间和结果标签）、绘制不同生存时间节点的列线图nomogram（例如，6个月生存风险、12个月生存风险等）、使用逐步回归筛选最佳的cox回归模型
R语言使用rms包拟合cph生存分析模型(包含生存时间和结果标签).绘制不同生存时间节点的列线图nomogram(例如,6个月生存风险.12个月生存风险等).使用逐步回归筛选最佳的cox回归模型目录
著名统计学家David Cox去世：他提出的「COX回归模型」曾影响一代人
来源:机器之心本文约1000字,建议阅读5分钟他提出的「COX 回归模型」曾深刻地影响了统计学研究. 近日,英国著名统计学家 David Cox 去世,享年 97 岁. David Cox 因提出 ...
R语言进行COX时变系数模型（含时间依存协变量的Cox回归模型）
我们在临床研究中,经常要研究疾病与生存率的关系,cox回归是用得比较常见的模型之一.Cox 比例风险模型依赖于风险随时间变化的假设(PH假设),意思是协变量对结局的影响随着时间变化是固定的.然而现实中 ...
R语言生存分析COX回归分析实战：以乳腺癌数据为例
R语言生存分析COX回归分析实战:以乳腺癌数据为例目录
R语言生存分析COX回归分析实战:两种治疗方法发生肾功能损害的情况
R语言生存分析COX回归分析实战:两种治疗方法发生肾功能损害的情况目录
R语言生存分析COX回归分析实战：放疗是否会延长胰脏癌症患者的生存时间
R语言生存分析COX回归分析实战:放疗是否会延长胰脏癌症患者的生存时间目录

生存分析-Cox回归模型

生存分析-Cox回归模型相关推荐

最新文章

热门文章