应用统计学生存分析

生存时间资料的特点
❖ 有2个效应变量：一是生存时间（天数），二是结局 （死亡与否、是否阳性等）。 ❖ 存在截尾数据：由于某种原因未能明确观察到随访 对象发生事先定义的终终事件。 ❖ 分布类型复杂：生存时间资料常通过随访获得，因 观察时间长且难以控制混杂因素，故其分布常呈偏态， 影响因素较多，规律难以估测。
分析结果
❖ Mean是生存时间的算术均数， Median为中位生存时间， 同时表格中也给出它们的95%的可信区间。
Kaplan-meier过程 （3）水平间的整体比较
分析结果
❖ Log Rank、Breslow和Tarone-Ware三种检验方法的检验统计 量分别为3.282、2.861和3.360，它们的p值分别为0.194、0.239 和0.186，说明三组疗法之间生存时间的差异无显著性
生存分析方法
Kaplan-meier过程 这是一种非参数法，主要用于小样本，适用于能够准 确记录事件和删失发生时点的数据。 Life Tables过程 也叫寿命表法，适用于样本量大，且不太可能准确记 载每个观察对象的死亡或删失发生时间的数据。 Cox回归模型分析法 用于描述多个变量对生存时间的影响
Kaplan-meier过程
对组间生存函数的差异进行检验的方法 Log Rank法和Breslow法较为常用
Kaplan-meier过程பைடு நூலகம்
Survival：累积生存率估计，选中，表明要求将各观察 样本的生存率存入原始数据库中 Standard error of survival：累积生存率估计的标准误 Hazard：累积风险函数估计 Cumulative events：终结事件的累积频数
2.截尾数据 （Censored Data）：由于某种原因未能观察到观察 对象的明确的结局，所以不知道该观察对象的确切的生存时间， 就象该观察对象的生存时间在未到达规定的终点之前就被截尾 了。
截尾数据提供了部分关于生存时间的信息，使研究者知道 该观察对象至少在已经经历的这个时间长度内没有发生终点事 件，其真实的生存时间只能长于我们现在观察到的时间而不会 短于这个时间。（符号t+）
Kaplan-meier过程
Kaplan-meier过程
时间变量 结局变量
分组变量
Kaplan-meier过程
❖ 当变量为二分类变量时，一般以死亡、复发、恶化等为 终结事件，如本例就是以恶化为终结事件，标记值为1，所 以在Single value框中输入1；如果生存状态变量取值为连续 变量时，则在Range of values 框分别输入下限值和上限值。
Life-Tables过程
例2：某医院对114名男性胃癌患者接受手术后的生存情况 进行了11年的随访，得到数据（lifetb.sav）如下
Life-Tables过程
Life-Tables过程
输出生存时间范围及组距：前一个框输入生存 时间上限，后一个框输入生存时间的组距
Life-Tables过程
Kaplan-meier过程
Kaplan-meier法用于： ❖ 估计某因素不同水平的中位生存时间 ❖ 比较研究因素不同水平的生存时间有无差异 ❖ 控制一分层因素后对研究因素不同水平的生存时间比较
Kaplan-meier过程
例1：3种疗法治疗66例白血病患者缓解时间（天），数据 （kaplanm.sav）如下 A疗法：4，5，9，10，11，12，13，28，28，28，29，31， 32，37，41，41，57，62，74，100，139，20+，258+，269 B疗法：8，10，10，12，14，20，48，70，75，99，103， 162，169，195，220，161+，199+，217+，245+ C疗法：8，10，11，23，25，28，28，31，31，40，48，89， 124，143，12+，159+，190+，196+，197+，205+，219+
生存分析
生存分析
生存分析：在临床诊疗工作的评价中，慢性疾病的预
后一般不适用于治愈率、病死率等指标来考核，因为其无 法在短时间内明确判断预后情况，为此，只能对患者进行 长期随访，统计一定时期后的生存或死亡情况以判断诊疗 效果。
生存分析还适用于现场追踪研究（发病为阳性）、临床 疗效试验（痊愈或显效为阳性）、动物试验（发病或死亡） 等。
Kaplan-meier过程 （4）生存曲线
分析结果
Life-Tables过程
Life Tables过程用于： 制作寿命表 绘制各做曲线如生存函数、风险函数曲线等。 对某一研究因素的不同水平的生存时间分布进行比较，控 制另一个因素后对研究因素不同水平的生存时间分布进行 比较，包括从总体上比较和不同水平间进行两两比较。
寿命表 生存曲线 风险函数曲线
Life-Tables过程 （1）寿命表（分三部分讲解）
分析结果
Life-Tables过程
（1）寿命表Ⅰ
1
2
3
4
5
分析结果
1.生存时间的组段下限
2.进入该组段的观察例数
3.该组段的删失例数
4.暴露于危险因素的例数
5.所关心的事件的例数，即死亡例数
Life-Tables过程
基本概念
生存时间（Survival Time)：
❖ 从狭义的角度来说：生存时间是患某病的病人从发病到
死亡所经历的时间跨度。
生存时间
开始发病
病人死亡
❖ 从广义的角度：从某种起始事件到达某种终点时间所经历 的时间跨度。
生存时间
起始事件
终点事件
生存时间的数据类型
1.完全数据（Complete Data）指达到了明确结局的观察对象 的生存时间数据。某个观察对象具有明确的结局时，该观察 对象所提供的关于生存时间的信息是完整的。
（1）寿命表Ⅱ
1
2
3
4
分析结果
1. 所关心事件的观察单位数的比，即各组的死亡概率 2.各组的生存概率 3. 至本组段上限的生存函数估计值，由各组的生存概率累积相乘所得。 4. 概率密度，所有个体在时点t后单位时间内死亡概率估计值。
Kaplan-meier过程
生存分析表 平均生存时间和中位 生存时间及其标准误 和可信区间
累积生存函数曲线
Kaplan-meier过程 （1）生存表分析
1.观察时间 2.生存状态 3.累积生存率 4.累积生存率 的标准差 5.累积死亡数 6.组中剩余人数
分析结果
1 23
4
56
…
Kaplan-meier过程 （2）生存时间估计