生存分析SPSS(单因素和多因素对生存率的可能分析)
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
Kaplan-Meier过程用于(尤其小样本资料）： 1. 估计各生存时间的生存率以及中位生存时间。 2. 绘制各种曲线：如生存函数、风险函数曲线等。 3. 比较某研究因素不同水平的生存时间有无差异。 4. 控制某个分层因素后对研究因素不同水平的生存时间
分Βιβλιοθήκη Baidu进行比较。 5. 对多组生存时间分布进行两两比较。 （各总体分布比较采用Log-rank等非参数方法）
SPSS过程
（SPSS of Survival Analysis）
生存分析的理论复习
1. 何为生存分析？
生存分析（survival analysis）是将事件的结果（终点事件） 和出现结果经历的时间结合起来分析的一种统计分析方法。
2. 生存分析的目的：
(1)描述生存过程：估计不同时间的总体生存率，计算中位生存期， 绘制生存函数曲线。统计方法包括Kaplan-Meier（K-M）法、 寿命表法。
1）统计量： √生存分析表，系统默认。 √ 均值和中位生存时间，系统默认。
2）图： √生存函数 5. 单击比较因子Compare Factor按钮，弹出对话框：
1）检验统计量Test Statistics： 都用于检验时间分布是否相同。 √对数秩Log-rank：各时间点的权重一样。 Breslow：按各时间点的观察例数赋权。 Tarone-Ware：按各时间点观察例数的平方根赋权。
二、操作过程
主菜单：分析Analyze生存Survival寿命表Life tables
对话框参数设置：
1. 时间time框：选入 “t”。 2. 显示时间间隔Display time intervals框：步长by前面填入最大生存时
间的上限（必须包括生存时间最大值），步长by后面填入生存时 间的组距。本例上限填“60”，组距填“1”。 3. 状态status框：选入“status”，击define events 钮，在single value 框填入“1” 4. 因子factor框：选入“group”，定义最小值“1”，最大值“2”。 5. 单击选项option按钮，弹出对话框：
(2)比较：比较不同处理组的生存率，如比较不同疗法治疗脑瘤的 生存率，以了解哪种治疗方案较优。统计方法log-rank检验等。
(3)影响因素分析：研究某个或某些因素对生存率或生存时间的影 响作用。如为改善脑瘤病人的预后，应了解影响病人预后的主 要因素，包括病人的年龄、性别、病程、肿瘤分期、治疗方案 等。统计方法cox比例风险回归模型等。
二、操作过程
2）
√
水平间的两两比较。
6. 单击Save按钮，弹出保存新变量Save new variables 对话框：
√ √
三、主要输出结果
1. 生存表： 略 2. 两组的中位生存期估计：
3. 绘制生存曲线：
4. 两组生存时间分布的比较：
Cox回归过程
Cox回归过程用于： 1. 多个因素对生存时间的影响作用分析和比较 2. 生存（或死亡）风险预测
No
X1
X2
X3 X4 X5 X6
（1）计算甲、乙两法术后10月的生存率和标准误。 （2）估计两组的中位生存期。 （3）绘制各组生存函数曲线。 （4）比较两组的总体生存时间分布有无差别。
一、建立数据文件（data-01.sav）
定义5个变量： 生存时间变量：t，值标签“生存时间（月）” 生存状态变量 ：status，取值“1=死亡，0=删失或存活” 频数变量：freq，值标签“人数” 分组变量：group，取值“1=甲组，2=乙组” 生存时间序号变量(可无）：i
一、建立数据文件（同前）
二、操作过程
主菜单：分析Analyze生存SurvivalKaplan-Meier
对话框参数设置：
1. 时间time框：选入 “t”。 2. 状态status框：选入“status”，击define events 钮，在single value
框填入“1”。 3. 因子factor框：选入“group”。 4. 单击选项option按钮，弹出对话框：
1）√寿命表，系统默认。 2）图： √生存函数 3）比较第一个因子的水平： √整体比较
三、主要输出结果
1. 10月生存率的估计： 甲法 48%，标准误 0.1 乙法 30%，标准误 0.1
2. 两组的中位生存期估计：
3. 绘制生存曲线：
4. 两组生存时间分布的比较：
Kaplan-Meier 过程
实例分析
例3：为探讨某恶性肿瘤的预后，某研究者收集了63 例患者的生存时间、生存结局及影响因素。影响因素 包括病人年龄、性别、组织学类型、治疗方式、淋巴 结转移、肿瘤浸润程度，生存时间以月计算。变量的 赋值和所收集的资料分别见表17-8和表17-9。试用 Cox回归模型进行分析。
表17-9 63名某恶性肿瘤患者的生存时间（月）及影响因素
实例分析
例2：（数据同例1）为了比较不同手术方法治疗肾上腺 肿瘤的疗效，某研究者随机将43例病人分成两组，甲组 23例、乙组20例的生存时间（月）如下所示：
其中有“+”者是删失数据，表示病人仍生存或失访，括号内为死亡人数。
（1）计算甲、乙两法各生存时间的生存率和标准误。 （2）估计两组的中位生存期。 （3）绘制各组生存函数曲线。 （4）比较两组的总体生存时间分布有无差别。
布的比较。 5. 对多组生存时间分布进行两两比较。 （比较总体生存时间分布采用wilcoxon检验）
实例分析
例1：为了比较不同手术方法治疗肾上腺肿瘤的疗效， 某研究者随机将43例病人分成两组，甲组23例、乙组20 例的生存时间（月）如下所示：
其中有“+”者是删失数据，表示病人仍生存或失访，括号内为死亡人数。
(4)预测：建立cox回归预测模型。
生存分析(Survival Analysis)菜单
寿命表（Life Tables）过程
Life tables 过程用于（小样本和大样本资料）： 1. 估计某生存时间的生存率，以及中位生存时间。 2. 绘制各种曲线：如生存函数、风险函数曲线等。 3. 对某一研究因素不同水平的生存时间分布的比较。 4. 控制另一个因素后对研究因素不同水平的生存时间分
分Βιβλιοθήκη Baidu进行比较。 5. 对多组生存时间分布进行两两比较。 （各总体分布比较采用Log-rank等非参数方法）
SPSS过程
（SPSS of Survival Analysis）
生存分析的理论复习
1. 何为生存分析？
生存分析（survival analysis）是将事件的结果（终点事件） 和出现结果经历的时间结合起来分析的一种统计分析方法。
2. 生存分析的目的：
(1)描述生存过程：估计不同时间的总体生存率，计算中位生存期， 绘制生存函数曲线。统计方法包括Kaplan-Meier（K-M）法、 寿命表法。
1）统计量： √生存分析表，系统默认。 √ 均值和中位生存时间，系统默认。
2）图： √生存函数 5. 单击比较因子Compare Factor按钮，弹出对话框：
1）检验统计量Test Statistics： 都用于检验时间分布是否相同。 √对数秩Log-rank：各时间点的权重一样。 Breslow：按各时间点的观察例数赋权。 Tarone-Ware：按各时间点观察例数的平方根赋权。
二、操作过程
主菜单：分析Analyze生存Survival寿命表Life tables
对话框参数设置：
1. 时间time框：选入 “t”。 2. 显示时间间隔Display time intervals框：步长by前面填入最大生存时
间的上限（必须包括生存时间最大值），步长by后面填入生存时 间的组距。本例上限填“60”，组距填“1”。 3. 状态status框：选入“status”，击define events 钮，在single value 框填入“1” 4. 因子factor框：选入“group”，定义最小值“1”，最大值“2”。 5. 单击选项option按钮，弹出对话框：
(2)比较：比较不同处理组的生存率，如比较不同疗法治疗脑瘤的 生存率，以了解哪种治疗方案较优。统计方法log-rank检验等。
(3)影响因素分析：研究某个或某些因素对生存率或生存时间的影 响作用。如为改善脑瘤病人的预后，应了解影响病人预后的主 要因素，包括病人的年龄、性别、病程、肿瘤分期、治疗方案 等。统计方法cox比例风险回归模型等。
二、操作过程
2）
√
水平间的两两比较。
6. 单击Save按钮，弹出保存新变量Save new variables 对话框：
√ √
三、主要输出结果
1. 生存表： 略 2. 两组的中位生存期估计：
3. 绘制生存曲线：
4. 两组生存时间分布的比较：
Cox回归过程
Cox回归过程用于： 1. 多个因素对生存时间的影响作用分析和比较 2. 生存（或死亡）风险预测
No
X1
X2
X3 X4 X5 X6
（1）计算甲、乙两法术后10月的生存率和标准误。 （2）估计两组的中位生存期。 （3）绘制各组生存函数曲线。 （4）比较两组的总体生存时间分布有无差别。
一、建立数据文件（data-01.sav）
定义5个变量： 生存时间变量：t，值标签“生存时间（月）” 生存状态变量 ：status，取值“1=死亡，0=删失或存活” 频数变量：freq，值标签“人数” 分组变量：group，取值“1=甲组，2=乙组” 生存时间序号变量(可无）：i
一、建立数据文件（同前）
二、操作过程
主菜单：分析Analyze生存SurvivalKaplan-Meier
对话框参数设置：
1. 时间time框：选入 “t”。 2. 状态status框：选入“status”，击define events 钮，在single value
框填入“1”。 3. 因子factor框：选入“group”。 4. 单击选项option按钮，弹出对话框：
1）√寿命表，系统默认。 2）图： √生存函数 3）比较第一个因子的水平： √整体比较
三、主要输出结果
1. 10月生存率的估计： 甲法 48%，标准误 0.1 乙法 30%，标准误 0.1
2. 两组的中位生存期估计：
3. 绘制生存曲线：
4. 两组生存时间分布的比较：
Kaplan-Meier 过程
实例分析
例3：为探讨某恶性肿瘤的预后，某研究者收集了63 例患者的生存时间、生存结局及影响因素。影响因素 包括病人年龄、性别、组织学类型、治疗方式、淋巴 结转移、肿瘤浸润程度，生存时间以月计算。变量的 赋值和所收集的资料分别见表17-8和表17-9。试用 Cox回归模型进行分析。
表17-9 63名某恶性肿瘤患者的生存时间（月）及影响因素
实例分析
例2：（数据同例1）为了比较不同手术方法治疗肾上腺 肿瘤的疗效，某研究者随机将43例病人分成两组，甲组 23例、乙组20例的生存时间（月）如下所示：
其中有“+”者是删失数据，表示病人仍生存或失访，括号内为死亡人数。
（1）计算甲、乙两法各生存时间的生存率和标准误。 （2）估计两组的中位生存期。 （3）绘制各组生存函数曲线。 （4）比较两组的总体生存时间分布有无差别。
布的比较。 5. 对多组生存时间分布进行两两比较。 （比较总体生存时间分布采用wilcoxon检验）
实例分析
例1：为了比较不同手术方法治疗肾上腺肿瘤的疗效， 某研究者随机将43例病人分成两组，甲组23例、乙组20 例的生存时间（月）如下所示：
其中有“+”者是删失数据，表示病人仍生存或失访，括号内为死亡人数。
(4)预测：建立cox回归预测模型。
生存分析(Survival Analysis)菜单
寿命表（Life Tables）过程
Life tables 过程用于（小样本和大样本资料）： 1. 估计某生存时间的生存率，以及中位生存时间。 2. 绘制各种曲线：如生存函数、风险函数曲线等。 3. 对某一研究因素不同水平的生存时间分布的比较。 4. 控制另一个因素后对研究因素不同水平的生存时间分