[医学统计学课件]第十二章生存时间资料的非参数分析方法

合集下载

《医学统计学》完整课件

确保受试者在医学统计学研究中的权益得到充分尊重，遵循知情同意原则
，不损害受试者身心健康。
保护隐私
对受试者个人信息和数据进行严格保密，防止数据泄露和滥用，确保个人
隐私不受侵犯。
公正选择受试者
遵循公平、公正原则，合理选择受试者，避免任何形式的歧视和偏见。
数据安全与隐私保护
1 2
数据加密与备份
对医学统计数据进行加密处理，确保数据安全；同时定期备份数据，防止数据丢失。
医学统计学的应用领域
临床试验
流行病学
在临床试验中，医学统计学用于分析试验数据，评估治疗效果和安全性。
在流行病学研究中，医学统计学用于分析疾病分布和影响因素，为预防和控制疾病提供依据。
公共卫生
生物统计学
在公共卫生领域，医学统计学用于监测和评估公共卫生状况，制定和评估公共卫生政策。
在生物统计学中，医学统计学用于研究生物学数据的分布和变化规律，为生物学研究和医学研究提供支持。
生存分析中的多因素分析方法
多因素分析方法
考虑多个因素对生存时间的影响，常用方法有Cox比例风险模型和分层分析等。
Cox比例风险模型
一种半参数模型，用于研究多个因素对生存时间的影响，并给出相对风险比。
分层分析
将研究对象按照某些特征进行分层，然后在各层内进行统计分析，以探讨各层内因素对生存时间的影响。
数据整理
对收集到的数据进行整理、核对和分类，确保数据的规范化和标准化。
数据分析
选择合适的数据分析方法和技术，对数据进行深入分析和挖掘，得出科学结论。
报告撰写
按照学术规范和要求，撰写研究报告或论文，客观地呈现研究结果和结论。
07
医学统计学中的伦理问题与数据安全

医学统计学(12)资料PPT课件

9
➢ 生存函数 ➢ 生存概率又称为生存率或生存函数，它表示一个病人的生存
时间长于时间t的概率，用S(t)表示。 ➢ 以时间t为横坐标，S(t)为纵坐标所作的曲线称为生存率曲线,
它是一条下降的曲线，下降的坡度越陡，表示生存率越低或生存时间越短，其斜率表示死亡速率。
10
➢ 死亡函数 ➢ 表示死亡速率的大小。如以t为横坐，f(t) 为纵坐标作出的曲线称为密
27
• （7）=（6）-（5）/2
• （8）=（4）/（7）
• （9）= 1-（8）
28
29
SPSS软件操作
• 第一步：建立变量。
30
• 第二步：输入原始数据
31
• 第三步：加权个案
32
• 第四步：生生存分析（2）
34
• 第三步：生存分析（3）
35
• 第四步：结果解读（1）
度曲线，由曲线上可看出不同时间的死亡速率及死亡高峰时间。纵坐标越大，其死亡速率越高，如曲线呈现单调下降，则死亡速率越来越小，如呈现峰值，则为死亡高峰。
11
生存分析的主要内容： 1.描述生存过程（估计生存函数） 2.比较生存过程（比较生存函数） 3.影响生存时间的因素分析
12
SPSS中的菜单位置
结果解读：寿命表描述
36
• 第四步：结果解读（2）结果解读：生存函数
37
生存曲线的比较
• 对数秩检验：其基本思想是，在假定无效假设（两总体生存曲线相同）成立的前提下，可根据不同日期两种处理的期初人数和死亡人数，计算各种处理在各个时期的理论死亡数。若无效假设成立，则实际死亡数与理论死亡数不会相差太大。
39
• （6）/（11）=总死亡率 • 甲组理论死亡数=（6）*总死亡

《医学统计学》教学课件-非参数检验

*校正公式（当相同秩次较多时）
zc z / c; c 1
(t
3 j
t
j
)
/
N3 N
;
t j 为第 j个相同秩次的个数
2020/8/6
23
（二）两组等级资料的秩和检验
表 9-4 针灸组与对照组疗效结果
疗效针灸组对照组合计秩次范围平均秩次
⑴
⑵
治愈 24
显效
8
好转
2
无效
1
⑶
⑷
⑸
⑹
15
H0 : 171.2cm H0 : 1 2 k
2020/8/6
3
非参数检验(nonparametric test)
对数据的总体分布类型不作严格假定，直接对总体分布作假设检验。又称任意分布检验。
2020/8/6
4
第一节非参数检验概述
一、非参数检验
表 9-1 参数检验与非参数检验的区别及优缺点
表 7-2 12 名工人尿氟含量测定结果
尿氟含量（mmol/L）（1）
差值 d （2）=（1）－2.15
秩次
2.15
0
2.10
-0.05
-2.5
2.20
0.05
2.5
2.12
-0.03
-1
2.42
0.27
4
2.52
0.37
5
2.62
0.47
6
2.72
0.57
7
2.99
0.84
8
3.19
1.04
9
3.37
2020/8/6
35
表 7-8 不同种系雌性大白鼠注射不同剂量雌激素后子宫重量（g）

医学医学统计学PPT课件

样本量估算
根据研究目的、效应大小、显著性水平和把握度等因素，合理估算所需样本量。
随机化方法
介绍简单随机化、分层随机化、整群随机化等随机化方法，以确保试验组和对照组的可比性。
数据分析与解读
运用统计学方法对试验数据进行描述性统计、推断性统计和生存分析等，正确解读分析结果。
观察性数据分析与处理
误差和提高实验效率。
方差分析基本思想
将总变异分解为组间变异和组内变异，通过比较组间变异与组内变异的相对大小，推断各因素对结果的影响是否显著。
方差分析步骤
建立假设、计算检验统计量、确定P 值、作出推断结论。
04
医学统计学在医学研究中的应用
临床试验设计与分析
试验设计类型
包括随机对照试验、交叉设计、析因设计等，以及各种设计类型的优缺点和适用场景。
03
样本容量
样本中所包含的个体数目。
变量与数据类型
变量
研究中观察或测量的特征或属性，可以是定量的或定性的。
数据类型
根据变量的性质可分为定量数据和定性数据，其中定量数据又可分为离散型和连续型。
统计பைடு நூலகம்与抽样分布
03
统计量
用于描述样本特征的数值，如样本均值、样本标准差等。
抽样分布
由样本统计量所形成的分布，用于推断总体参数。常见的抽样分布有t分布、F分布和卡方分布等。
03
多重比较与假设检验的误用
Hochberg校正
02
01
控制FDR（False Discovery Rate）的方法
统计模型的选择与评估
统计模型的选择
1
2
根据研究目的和数据类型选择合适的统计模型

非参数统计中的生存率比较方法

在生存分析中，研究者通常需要比较不同组群或者处理的生存率。

非参数统计方法是一种常用的生存率比较方法，它不需要对数据的分布进行假设，因此更适用于真实世界中的复杂数据。

本文将介绍非参数统计中常用的生存率比较方法，包括Log-rank检验、Wilcoxon检验和排名和分数检验。

1. Log-rank检验Log-rank检验是一种常用的生存率比较方法，它适用于比较两个或多个组群的生存曲线是否存在显著差异。

Log-rank检验的原假设是不同组群的生存曲线是相同的，备择假设是它们不同。

Log-rank检验的统计量基于观察到的事件发生数量和预期的事件发生数量之间的差异，通过计算这一差异的统计显著性来判断生存曲线之间是否存在显著差异。

Log-rank检验的优点是在数据服从不同分布的情况下依然能够有效比较生存曲线，但是它对样本量的要求比较高，当样本量较小时可能会导致检验结果不稳定。

2. Wilcoxon检验Wilcoxon检验是另一种常用的非参数生存率比较方法，它适用于比较两个组群的生存曲线是否存在显著差异。

Wilcoxon检验的原假设是两个组群的生存曲线是相同的，备择假设是它们不同。

Wilcoxon检验的统计量基于两个组群中的观察值的秩和之间的差异，通过计算这一差异的统计显著性来判断生存曲线之间是否存在显著差异。

Wilcoxon检验的优点是在数据不服从正态分布的情况下依然能够有效比较生存曲线，而且对样本量的要求相对较低。

3. 排名和分数检验排名和分数检验是一种基于观察值的排序和分数的非参数生存率比较方法，它适用于比较两个或多个组群的生存曲线是否存在显著差异。

排名和分数检验的原假设是不同组群的生存曲线是相同的，备择假设是它们不同。

排名和分数检验的统计量基于观察值的排序和分数之间的差异，通过计算这一差异的统计显著性来判断生存曲线之间是否存在显著差异。

排名和分数检验的优点是在数据不服从正态分布且样本量较小的情况下依然能够有效比较生存曲线，但是它对数据的排序和分数计算要求较高。

《医学统计学》完整课件课件

的差异，评估暴露因素与结局的关系。
病例对照研究的优缺点
优点是易于进行病因推断，缺点是难以确定暴露时间和暴露程度。
病因推断
判断因果关系
根据研究结果，判断暴露因素与结局之间的因果关系。
推断方法
采用统计学方法和流行病学方法进行推断，如比值比、相对危险度、率比等指标。
数据分组
将数据进行分组，以便于后续的分析和建模。
数据描述性分析
要点一
描述性统计量
计算数据的均值、中位数、方差等统计量，以便了解数据分布情况。
要点二
图表分析
通过绘制柱状图、折线图等图表，直观地展示数据的分布特征。
数据推论性分析
假设检验
根据某种假设，利用样本数据进行分析，判断假设是否成立。
回归分析
采用医学影像技术获取患者数据，运用机器学习等统计学习方法建立疾病早期诊断模型。
成功建立多种疾病的早期诊断模型，如肺癌、乳腺癌、结肠癌等，提高了早期诊断的准确性和预后效果。
基于临床数据的药物疗效评估
研究目的
评估药物治疗效果，为新药研发和临床实践提供科学依据。
研究方法
收集临床数据，运用统计分析方法比较不同药物治疗的效果、不良反应等指标。
《医学统计学》完整课件
xx年xx月xx日
contents
目录
• 医学统计学概述 • 医学统计学的核心概念 • 医学统计学在医学研究中的应用 • 医学统计学的数据处理 • 医学统计学的挑战与解决方案 • 医学统计学案例分析
01
医学统计学概述
定义与目的
定义
医学统计学是运用统计学的理论和方法，对医学数据进行收集、整理、分析和解释的一门学科。
03
对照

《医学统计学》课件完整版

一、统计设计
设计（design）是统计工作的第一步，也是关键的一步，是对统计工作全过程的设想和计划安排。统计设计－－－就是根据研究目的确定试验因素、受试对象和观察指标，并在现有的客观条件下决定用什么方式和方法来获取原始资料，并对原始资料如何进行整理，以及整理后的资料应该计算什么统计指标和统计分析的预期结果如何等。
Best Wishes to All of You! Thank You for Listening！
医学本科生用
医学统计学
主讲程琮
泰山医学院预防医学教研室
The teaching plan for medical students
Professor Cheng Cong
Dept. of Preventive Medicine Taishan Medical College
数量特征及其分布规律，才是最终的研究目的。
第三节统计资料的类型
❖ 医学统计资料按研究指标的性质一般分为定量资料、定性资料和等级资料三大类。
一、定量资料
❖ 定量资料（quantitative data）亦称计量资料（measurement data），是用定量的方法测定观察单位（个体）某项指标数值的大小，所得的资料称定量资料。如身高（㎝）、体重（㎏）、脉搏（次/分）、血压（kPa）等为数值变量，其组成的资料为定量资料。
组段；
• 5.频率与累计频率：将各组的频数除以n所得的比值
被称为频率。累计频率等于累计频数除以总例数。
医学研究的对象----主要是人以及与其健康有关的各种影响因素。
医学统计学的主要内容 : 1.统计设计包括实验设计和调查设计，它可以合理地、
科学地安排实验和调查工作，使之能较少地花费人力、物力和时间，取得较满意和可靠的结果。 2.资料的统计描述和总体指标的估计通过计算各种统计指标和统计图表来描述资料的集中趋势、离散趋势和分布特征况（如正态分布或偏态分布）；利用样本指标来估计总体指标的大小。

[课件]医学统计学--生存分析PPT

1974
1975 1976 1977
29
26 24 32
28
24 21 27
25
19 19 23
23
18 16 21
19
18 14 18
18
18 14 16
17
16 13
17
16
17
1978
1979 1980 1981 合计
25
36 25 46 243
23
31 23 36 213
20
29 19 154
医学统计学--生存分析
生存分析的意义与应用

无论观察性研究，还是实验(试验)性研究，有时需对研究
对象进行追踪观察，不仅了解某事件发生的结局，同时
还了解发生这种结局所经历的时间。

例如临床治疗措施效果评价：白血病化疗缓解持续时间和缓解率、乳腺癌术后生存时间和生存率、肾移植术后生存时间和生存率等。
上述生存资料若按通常的方法进行分析，有两方面的问题：
1．n年生存率有时出现后一年大于前一年的现象。
活满 n 年的人数 n 年生存率＝ 1 0 0 % 观察满 n 年的人数
表1 某地1974—1981年胃癌根治术后随访记录年份例数生存年数 1 2 3 4 5 6 7 8
二．生存时间
生存时间(survival time)也是一个广义概念，泛指所关心的某现象的持续时间，即随访观察持续的时间，常用符号t表示。
表2
患者编号
6例乳腺癌患者术后随访记录
观察记录生存天数 t
开始日期
终止日期
结局 (死=1，生=0)
原因
1
2

非参数统计中的生存分析概述

生存分析是统计学中的一个重要分支，主要用于研究个体在某种特定事件发生前的生存时间。

这种事件可以是死亡、疾病复发、机械故障等等。

生存分析的主要目的是估计个体在未来一段时间内继续存活或发生事件的概率。

在生物医学、工程、社会科学等领域都有广泛的应用。

一、生存分析的基础概念生存分析的基础概念包括生存时间、生存函数、危险函数等。

生存时间是指从某一起始时间到特定事件发生的时间间隔，一般用T表示。

生存函数描述了生存时间的分布情况，常用的生存函数有生存概率函数和生存密度函数。

危险函数描述了在给定时间t下个体会发生事件的危险程度，是指在t时刻发生事件的概率密度。

二、生存分析的方法生存分析的方法主要包括参数统计方法和非参数统计方法。

参数统计方法假设生存时间的分布满足某种特定的概率分布，如指数分布、Weibull分布等，然后估计分布的参数。

非参数统计方法则不对生存时间的分布做出假设，通过对生存时间数据的排序和累积来估计生存函数和危险函数。

非参数方法具有较强的灵活性和普适性，适用于各种类型的生存数据。

三、Kaplan-Meier法Kaplan-Meier法是生存分析中最常用的非参数方法之一，特别适用于右删失的生存数据。

该方法通过对生存数据的排序和累积，估计出生存函数和危险函数。

Kaplan-Meier曲线能够直观地反映不同组别之间生存时间的差异，常用于临床试验和流行病学研究中。

四、Cox比例风险模型Cox比例风险模型是生存分析中常用的参数模型，用于研究影响生存时间的各种因素。

该模型假设危险函数可以表示为一个基准危险函数乘以各个因素的相对危险度，而各个因素的危险度则由模型的参数来估计。

Cox模型广泛应用于生物医学研究中，可以根据危险比来比较不同因素对生存时间的影响。

五、生存分析的应用生存分析在临床医学、流行病学、药物研发等领域有着重要的应用价值。

例如在临床试验中，可以通过生存分析来评估治疗方案的有效性和对生存时间的影响。

《医学统计学》课件完整版

实验设计
将两个因素（分类变量）分别安排到不同的组内，观察它们对因变量的影响。
方差分析表
列出各组数据的方差、自由度和均方，以及F值和P值。
一因素方差分析
实验设计
将一个因素（分类变量）分别安排到不同的组内，观察它对因变量的影响。
方差分析表
列出各组数据的方差、自由度和均方，以及F值和P值。
05
回归分析
假设检验
单侧检验、双侧检验、方差分析、回归分析等
假设检验中的样本量计算
样本量计算公式、样本量计算方法等
03
实验设计与数据分析
实验设计
01
实验设计概述
介绍实验设计的概念、原则和基本步骤。
02
实验设计的基本要素
详细介绍实验设计的四个基本要素，即实验因素、实验单位、实验效应和实验误差。
03
聚类分析
总结词：分组技术
详细描述：基于数据的相似性或差异性，将数据分为几个不同的组，组内的数据相似性尽可能大，而不同组之间的数据相似性尽可
能小。
Logistic回归分析
总结词
二分类技术
详细描述
用于研究一个或多个自变量与二分类因变量的关系，即因变量为二分类的回归分析。
THANKS
谢谢您的观看
实验设计的类型
介绍各种实验设计的类型，包括完全随机设计、配对设计、析因设计等。
完全随机设计和数据分析
1 2
完全随机设计
介绍完全随机设计的概念、原则和实施方法。
数据分析方法
详细介绍数据分析的方法，包括描述性统计分析和推断性统计分析。
3
数据分析步骤
介绍数据分析的步骤，包括数据清洗、数据整理、数据分析和数据解释。

《医学统计学》课件完整版-2024鲜版

2024/3/27
异常值与强影响点识别
通过残差图、杠杆值、Cook距离等方法识别对模型有较大影响的观测值
25
Logistic回归模型在医学研究中的应用
01 Logistic回归模型的基本原理与建立方法
02 Logistic函数与概率预测
02 参数估计与假设检验
2024/3/27
26
Logistic回归模型在医学研究中的应用
任务
揭示医学领域中的数量规律，为医学研究和展简史
01 古典统计学时期
以描述性统计为主，关注数据的收集和整理。
02 推断统计学时期
以概率论为基础，发展出假设检验、参数估计等统计推断方法。
03 现代统计学时期
引入计算机技术和复杂统计模型，推动医学统计学的快速发展。
2024/3/27
6
02
描述性统计方法
2024/3/27
7
频数分布与直方图
01 频数分布表
用于表示各组数据出现的频数，反映数据的分布规律。
02 直方图
用矩形的面积表示各组频数的多少，各矩形面积总和等于100%，可以直观地表示数据的分布情况。
03 组数选择
分组过少会导致信息损失，分组过多则可能产生
根据实际情况，设立对照组进行比较。
要点二
单组目标值法
与预先设定的目标值进行比较。
2024/3/27
35
Meta分析原理和方法
校正研究间的异质性，得出更可靠的结论。
整合多个研究结果，提高统计效能。
Meta分析原理
01
2024/3/27
03 02
36
Meta分析原理和方法
固定效应模型
假设所有研究具有相同的真实效应量。

医学统计―生存分析课件

t
关系可表示为： S(t) exp h(t)dt （16.9）
0
风险函数与生存函数的关系
17
h1 t 是一种上升的曲线，危险率随时间变化而增加，如
急性白血病患者治疗无效时其危险率随时间呈增加趋势；
h2 t 的曲线为下降趋势，表示危险率逐渐减小，如意
外事故造成的外伤经有效治疗后死亡的危险性逐渐减小；
of survival），即将时刻 t 尚存活看成是前 t 个时段一直
存活的累计结果。如： n年生存率 1p0 1 p11 p2 ......1 pn1 。 14
(四)生存率曲线(survival curve)：是指以时间为横轴、生存率为纵轴，将各个时点的生存率连接在一起的曲线图。曲线形状分为两种： 1、阶梯形：小样本资料用直接法估计的生存曲线； 2、折线形：大样本资料用频数表法估计的生存曲线。 (五)中位生存期（median survival time）：也称半数生存期，即生存时间的中位数，表示生存率等于 50%时的时间。反映生存时间的平均水平。
1
0.5000 0.5000
1
1.0000 0.0000
活过该月的生存率
p（x>t） (7) 0.9000 0.9000 0.7875 0.6750 0.5625 0.5625 0.4219 0.4219 0.2109 0.0000
生存率标准误
s
(8) 0.0949 . 0.1340 0.1551 0.1651 . 0.1737 . 0.1726 0
2
传统方法在分析随访资料时的困难
时间和生存结局都成为了要关心的因素
•除了生存结局作为判定标准以外，只要能让病人存活时间延长，这种药物也应当是被认为有效的。即时间延长也认为有效 •如果将两者均作为应变量拟和多元模型，因为时间分布不明（一般不呈正态分布，在不同情况下的分布规律也不同），拟和多元模型极为困难