COX回归分析解析ppt课件.ppt

《COX回归分析解析ppt课件.ppt》由会员分享，可在线阅读，更多相关《COX回归分析解析ppt课件.ppt（46页珍藏版）》请在三一办公上搜索。

1、生存分析与Cox回归分析,一、基本概念,生存时间（survival time)：疾病治疗的预后情况，一方面看结局好坏，另一方面还要看出现这种结局所经历的时间长短。所经历的时间称为生存时间。完全与不完全数据 一部分研究对象可观察到死亡，从而得到准确的生存时间，所提供的信息是完全的，称为完全数据；另一部分病人由于失访、意外事故、或到观察结束时仍存活等原因，无法知道确切的生存时间，它提供了不完全的信息，称为不完全数据（截尾数据、删失数据:censor data）。,始点终点,始点终点,生存分析(survival analysis)：生存时间一般是通过随访收集。不完全数据提供了部分信息。须要用专门的方

2、法进行统计处理，这类统计方法起源于对寿命资料的统计分析，故称为生存分析。,二、生存分析的主要内容,第一，描述生存过程 研究生存时间的分布特点，估计生存率，生存曲线；第二，比较生存过程（假设检验） 对两组或多组生存率进行比较；第三，影响生存时间的因素分析 了解影响生存过程的主要因素为改善预后提供指导。,例在对资料进行描述时： 5名癌症患者存活时间（月） 6 10 14 20 20 n=5 平均生存时间, mean=18，median=,7 8+ 25 35 + 50 当有截尾数据时，?,Kaplanmeier生存率曲线图,三、Cox回归分析（Cox regression),影响生存时间的长短不仅

3、与治疗措施有关, 还可能与病人的体质, 年龄, 病情的轻重等多种因素有关。如何找出它们之间的关系呢？对生存资料不能用多元线性回归分析。 1972年英国统计学家Cox DR. 提出了一种能处理多因素生存分析数据的比例危险模型 ( Coxs proportional harzard model)。,表 多元线性回归分析的数据结构实验对象 y X1 X2 X3 . XP 1 y1 a11 a12 a13 a1p 2 y2 a21 a22 a23 a2p 3 y3 a31 a32 a33 a3p n yn an1 an2 an3 anp 其中：y取值是服从正态分布,多元线性回归模型,通过实验测得含有p

4、个自变量x1,x2,x3,xp及一个因变量y的n个观察对象值, 利用最小二乘法原理, 建立多元线性回归模型: 其中b0为截距, b1 ,b2 bp称为偏回归系数. bi表示当将其它p-1个变量的作用加以固定后, Xi改变1个单位时Y将改变bi个单位.,SPSS实现逐步回归方法：,操作过程：Analyze-Regression-Linear-y选入Dependent-x1、x2、X3选入Independent-Stepwise-options-ok,表2 Logistic回归模型的数据结构实验对象 y X1 X2 X3 . XP 1 y1 a11 a12 a13 a1p 2 y2 a21 a22

5、 a23 a2p 3 y3 a31 a32 a33 a3p n yn an1 an2 an3 anp 其中：y取值是二值或多项分类,定义：为Logistic变换，即：,SPSS操作步骤:,Analyze-Regression-Binary Logistic-Dependent框(y)-Covariates框（x1,x2,)-ok,设含有p个变量x1, x2,xp及时间T和结局C的 n个观察对象. 其数据结构见表3。 表3 COX模型数据结构实验对象 t C X1 X2 X3 . XP 1 t1 1 a11 a12 a13 a1p 2 t2 0 a21 a22 a23 a2p 3 t3 0 a3

6、1 a32 a33 a3p n tn 1 an1 an2 an3 anp,1、数据结构,（1）风险率(hazard rate): 患者在t时刻仍存活，在时间t后的瞬间死亡率，以h(t)表示。,3、COX回归模型（Cox regression model),（2）COX回归模型的构造,多元线性回归模型：,设不存在因素X1、X2 、Xp的影响下，病人t 时刻死亡的风险率为h0(t), 存在因素X1、X2 、Xp t的影响下， t时刻死亡的风险率为h(t).用死亡率的比 h(t)/h0(t) 代替P/（1-P）即得。,Logistic回归模型：,（3）Cox比例风险回归模型,ln（h(t)/ h0(

7、t)）=1x1+2x2+pxp参数 1，2，p称为偏回归系数 ，由于h0(t)是未知的，所以COX模型称为半参数模型。,COX比例风险函数的另一种形式：h(t)= h0(t)exp(1x1+2x2+pxp),变量xj暴露水平时的风险率与非暴露水平时的风险率之比称为风险比hr (hazard ratio) hr= ei,（4） 流行病学意义,hr风险比相对危险度RR,（5）Cox回归模型的检验,对Cox模型的检验采用似然比检验。 假设为H0：所有的i 为0 ， H1：至少有一个 i 不为0 。将Ho和H1条件下的最大部分似然函数的对数值分别记为 和可以证明在H0成立的条件下，统计量 2-2 -

8、服从自由度为p的2分布。,（6）Cox模型中回归系数的检验,假设为 H0： ，其它参数固定； H1： ，其它参数固定。 H0成立时，统计量 Z bkSE(bk) 服从标准正态分布。SE(bk)是回归系数bk的标准误。,3、Cox回归模型的作用,（1） 可以分析各因素的作用 （2）可以计算各因素的相对危险度（relative risk，RR)（3）可以用 1x1+2x2+pxp(预后指数）估计疾病的预后。,4、筛选变量（逐步COX回归分析）,（1）向前法(forward selection),（2）后退法(backward selection),（3）逐步回归法逐步引入-剔除法（stepwise

9、 selection)SPSS实现方法与Logistic回归相同,Enter和Remove的确定同前,调试法：P从大到小取值0.5，0.1，0.05，一般实际用时， Enter ， Remove应多次选取调整。,例.某医师对1988年收治的16例鼻腔淋巴瘤患者随访了13年，数据见表7，试作COX回归。,表2 鼻腔淋巴瘤患者随访资料编 项目登记 观察记录 整理 号 性别 年龄 分期 鼻血 放疗 化疗 开始日 终止日 结局 生存天数 1 1 45 2 2 0 1 88-1-17 89-8-17 1 578 2 0 36 2 2 0 1 88-1-21 92-4-17 1 1549 3 0 45 2

10、 0 1 0 88-2-2 90-12-31 0 4717 0 51 2 2 1 0 88-12-1 95-5-22 1 2363 注：性别1为男性、放疗1表示采用，0表示未采用、结局1表示死亡。,3.SPSS 软件实现方法,FileOpen相应数据(已存在) Analyze SurvivalCox regression Time(dat)Status Define event single value(1) Continue Covariates(自变量）method FkwardContinue ,OptionsCorrelation of estimate Display modelat

11、 last stepEntry-removal (0.05,0.10)Maximum iterations(20) ContinueOK,Zhubu:Block1: Method = Forward Stepwise (Wald),解 释,设第i个因素的回归系数为bi，对应的风险比(risk ratio,记为RRi）: RRi=exp(bi),表示该因素每增加一个单位时，风险度改变多少倍。 在本例中放疗X5，取值0和1，b=-1.589, RR=0.204,表示因子水平1与0比较，前者的风险度是后者的0.204倍（20.4%），提示“放疗”是有利因素。“鼻血”X4取值是0、1、2， b=1.3

12、8, RR=3.979,表示因子水平每增加1个等级，风险度增加3.979倍，提示“鼻血”是不利因素。,谈思路,输卵管注药绝育术是一种经宫颈往输卵管注入小剂药物使之闭塞而达到节育目的一种女性非手术绝育技术。该术在我国历经30余年的发展，并得以广泛应用。但其有效性、安全性问题始终受到医学界关注。 输卵管注药绝育术多中心临床研究在1986年4月至1991年6月开展。被接纳进入该研究的共有1705名受术合格对象。,术时按随机原则将复方苯酚糊剂(PAP)和显影苯酚胶浆(PM)分配给受术对象，PAP组871名，PM组834名。手术后7-14天、3个月、1年、2年及5年进行随访调查。最后共失访27例，更换其他避孕方法6例，因病死亡2例，因子宫肌瘤行全摘术2例。对随访资料采用COX回归分析。,临床随访研究的缺点:,随访研究容易造成失访。当失访率高于50时，研究失败；随访时间可能很长；各组间不易达到均衡一致，缺乏可比性；常伴有主观因素的影响，盲法观察不易实施。,谢谢,