生存分析SPSS单因素和多因素对生存率的可能分析共32页文档
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)。
(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。
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
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）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：
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
分布进行比较。 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）
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：
(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
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。 B来自百度文库eslow：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
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
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。
No X1 X2 X3 X4 X5 X6
t
Y
1 54
0 01 10
52
0
2 57
0 10 00
51
0
3 58
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
(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。
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
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）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：
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
分布进行比较。 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）
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：
(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
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。 B来自百度文库eslow：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
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
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。
No X1 X2 X3 X4 X5 X6
t
Y
1 54
0 01 10
52
0
2 57
0 10 00
51
0
3 58
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