生存分析SPSS.ppt
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)。
（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。
Company Logo
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
1
一、建立数据文件（data-03.sav） 二、操作过程
主菜单：分析Analyze? 生存Survival? Cox Regression
Cox回归主对话框
二、操作过程
主对话框参数设置： 1. 时间time框：选入 “ t ”。 2. 状态status框：选入“ y ”，击define events 钮，在single
(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
0
48 40 0 0 0 1 0 16
1
49 32 0 1 0 0 1 24
1
50 44 0 0 0 1 1 19
1
51 48 1 0 0 1 0 120
0
52 72 0 1 0 1 0 24
1
53 42 0 0 0 1 0
2
1
54 63 1 0 1 1 0 120
0
55 55 0 1 1 0 0 12
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：
Company Logo
4. 两组生存时间分布的比较：
Company Logo
1
56 39 0 0 0 1 0
5
1
57 44 0 0 0 1 0 120
0
58 42 1 1 1 0 0 120
0
59 74 0 0 0 1 1
7
1
60 61 0 1 0 1 0 40
1
61 45 1 0 1 1 0 108
0
62 38 0 1 0 0 0 24
1
63 62 0 0 0 1 0 16
上部
.172
.059
.503
2.538 1.062 6.066
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。
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
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）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。
Company Logo
一、建立数据文件（同前）
二、操作过程
主菜单：分析Analyze? 生存Survival? Kaplan-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
a. 起始块编号 0，最初的对数似然函数:-2 倍对数似然值: 201.994
b. 起始块编号 1. 方法 = 向前逐步（似然比）
（2）采用逐步回归法进行Cox模型分析的结果提示：模型拟合自变量进入和 剔除的检验水准分别为0.05和0.1时，筛选后的最佳模型包含两个协变量， 即X4（治疗方式）和X5（淋巴结是否转移），该拟合模型总体检验提示 具有统计学意义（整体卡方=17.594，P<0.001）。
value框填入“1” 3. 协变量Covariates框：选入“x1~x6”。 4. 方法Method框：选择自变量进入Cox模型的方法，SPSS提供
以下7种方法。
√
√
三、主要输出结果
? 1.分析例数描述
案 例 处理 摘 要
分析 中可 用的 案例
删除 的案 例
事件a 删失 合计 带有缺失值的案例 带有负时间的案例 层中的最早事件之 前删失的案例 合计
25 43 1 0 0 1 0 15 1
26 49 0 0 0 1 0
31
27 50 1 1 1 1 1 87 0
28 53 1 1 1 0 0 120 0
29 32 1 1 1 0 0 120 0
30 46 0 1 0 0 1 120 0
31 43 1 0 1 1 0 120 0
32 44 1 0 1 1 0 120 0
卡方
df
Sig.
21.942
6
.001
a. 起始块编号 0，最初的对数似然函数:-2 倍对数似然值: 201.994
b. 起始块编号 1. 方法 = 输入
从上一块开始更改
卡方
df
Sig.
21.942
6
.001
结果提示： （1）对模型总体检验有显著意义（P=0.003），即至少 有1个自变量的总体回归系数不为0。
? 2-2.模型检验（逐步回归模型， Method=向前 法LR，自变量进入P≤0.05，剔除P>0.10 ）
模 型系 数 的 综合 测 试a ,b
-2 倍对数 步骤 似然值
卡方
整体 (得分) df
Sig.
从上一块开始更改
卡方
df
Sig.
2
182.777
17.594
2ቤተ መጻሕፍቲ ባይዱ
.000
19.217
2
.000
Kaplan-Meier 过程
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
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：
Company Logo
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
生存分析SPSS过程
（SPSS of Survival Analysis）
邹莉玲 预防医学教研室
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。
(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。
No X1 X2 X3 X4 X5 X6
t
Y
1 54 0 0 1 1 0 52 0
2 57 0 1 0 0 0 51 0
3 58
0 00 11
35
1
4 43
1 1 1 1 0 103
0
5 48 0 1 0 0 0
71
6 40
0 10 00
60
0
7 44
0 10 00
58
0
8 36
0 00 11
29
1
No
X1 X2 X3 X4 X5 X6
t
Y
33 62 0 0 0 1 0 120
0
34 40 1 1 1 0 1 40
1
35 50 1 0 0 1 0 26
1
36 33 1 1 0 0 0 120
0
37 57 1 1 1 0 0 120
0
38 48 1 0 0 1 0 120
0
39 28 0 0 0 1 0
? 3. 参数估计（逐步回归模型， Method=向前法 LR，自变量进入P≤0.05，剔除P>0.10 ）
方程中的变量
步骤 X4
2
X5
B -1.762
.931
SE .548
.445
Wald 10.337
4.389
df 1
1
Sig. .001
.036
95.0% CI 用于 Exp(B
Exp(B) 下部
3
1
40 54 1 0 1 1 0 120
1
41 35 0 1 0 1 1
7
1
42 47 0 0 0 1 0 18
1
43 49 1 0 1 1 0 120
0
44 43 0 1 0 0 0 120
0
45 48 1 1 0 0 0 15
1
46 44 0 0 0 1 0
4
1
47 60 1 1 1 0 0 120
17 48 1 1 1 0 0 63 0
18 54 1 0 1 1 1 101 0
19 38 0 1 0 0 0 100 0
20 40 1 1 1 0 1 66 1
21 38 0 0 0 1 0 93 0
22 19 0 0 0 1 0 24 1
23 67 1 0 1 1 0 93 0
24 37 0 0 1 1 0 90 0
N 26 37 63 0 0
0
0
合计
63
a. 因变量: t
百分比 41.3% 58.7% 100.0% .0% .0% .0%
.0%
100.0%
? 2-1.模型检验（全变量模型）
模型系数的综合测试a ,b
-2 倍对数 似然值 180.052
整体 (得分)
卡方
df
Sig.
20.174
6
.003
从上一步骤开始更改
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。
Company Logo
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：
9 39 1 1 1 0 1 70 0
10 42 0 1 0 0 1 67 0
11 42 0 1 0 0 0 66 0
12 42 1 0 1 1 0 87 0
13 51 1 1 1 0 0 85 0
14 55 0 1 0 0 1 82 0
15 49 1 1 1 0 1 76 0
16 52 1 1 1 0 1 74 0
Company Logo
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
1
一、建立数据文件（data-03.sav） 二、操作过程
主菜单：分析Analyze? 生存Survival? Cox Regression
Cox回归主对话框
二、操作过程
主对话框参数设置： 1. 时间time框：选入 “ t ”。 2. 状态status框：选入“ y ”，击define events 钮，在single
(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
0
48 40 0 0 0 1 0 16
1
49 32 0 1 0 0 1 24
1
50 44 0 0 0 1 1 19
1
51 48 1 0 0 1 0 120
0
52 72 0 1 0 1 0 24
1
53 42 0 0 0 1 0
2
1
54 63 1 0 1 1 0 120
0
55 55 0 1 1 0 0 12
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：
Company Logo
4. 两组生存时间分布的比较：
Company Logo
1
56 39 0 0 0 1 0
5
1
57 44 0 0 0 1 0 120
0
58 42 1 1 1 0 0 120
0
59 74 0 0 0 1 1
7
1
60 61 0 1 0 1 0 40
1
61 45 1 0 1 1 0 108
0
62 38 0 1 0 0 0 24
1
63 62 0 0 0 1 0 16
上部
.172
.059
.503
2.538 1.062 6.066
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。
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
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）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。
Company Logo
一、建立数据文件（同前）
二、操作过程
主菜单：分析Analyze? 生存Survival? Kaplan-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
a. 起始块编号 0，最初的对数似然函数:-2 倍对数似然值: 201.994
b. 起始块编号 1. 方法 = 向前逐步（似然比）
（2）采用逐步回归法进行Cox模型分析的结果提示：模型拟合自变量进入和 剔除的检验水准分别为0.05和0.1时，筛选后的最佳模型包含两个协变量， 即X4（治疗方式）和X5（淋巴结是否转移），该拟合模型总体检验提示 具有统计学意义（整体卡方=17.594，P<0.001）。
value框填入“1” 3. 协变量Covariates框：选入“x1~x6”。 4. 方法Method框：选择自变量进入Cox模型的方法，SPSS提供
以下7种方法。
√
√
三、主要输出结果
? 1.分析例数描述
案 例 处理 摘 要
分析 中可 用的 案例
删除 的案 例
事件a 删失 合计 带有缺失值的案例 带有负时间的案例 层中的最早事件之 前删失的案例 合计
25 43 1 0 0 1 0 15 1
26 49 0 0 0 1 0
31
27 50 1 1 1 1 1 87 0
28 53 1 1 1 0 0 120 0
29 32 1 1 1 0 0 120 0
30 46 0 1 0 0 1 120 0
31 43 1 0 1 1 0 120 0
32 44 1 0 1 1 0 120 0
卡方
df
Sig.
21.942
6
.001
a. 起始块编号 0，最初的对数似然函数:-2 倍对数似然值: 201.994
b. 起始块编号 1. 方法 = 输入
从上一块开始更改
卡方
df
Sig.
21.942
6
.001
结果提示： （1）对模型总体检验有显著意义（P=0.003），即至少 有1个自变量的总体回归系数不为0。
? 2-2.模型检验（逐步回归模型， Method=向前 法LR，自变量进入P≤0.05，剔除P>0.10 ）
模 型系 数 的 综合 测 试a ,b
-2 倍对数 步骤 似然值
卡方
整体 (得分) df
Sig.
从上一块开始更改
卡方
df
Sig.
2
182.777
17.594
2ቤተ መጻሕፍቲ ባይዱ
.000
19.217
2
.000
Kaplan-Meier 过程
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
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：
Company Logo
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
生存分析SPSS过程
（SPSS of Survival Analysis）
邹莉玲 预防医学教研室
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。
(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。
No X1 X2 X3 X4 X5 X6
t
Y
1 54 0 0 1 1 0 52 0
2 57 0 1 0 0 0 51 0
3 58
0 00 11
35
1
4 43
1 1 1 1 0 103
0
5 48 0 1 0 0 0
71
6 40
0 10 00
60
0
7 44
0 10 00
58
0
8 36
0 00 11
29
1
No
X1 X2 X3 X4 X5 X6
t
Y
33 62 0 0 0 1 0 120
0
34 40 1 1 1 0 1 40
1
35 50 1 0 0 1 0 26
1
36 33 1 1 0 0 0 120
0
37 57 1 1 1 0 0 120
0
38 48 1 0 0 1 0 120
0
39 28 0 0 0 1 0
? 3. 参数估计（逐步回归模型， Method=向前法 LR，自变量进入P≤0.05，剔除P>0.10 ）
方程中的变量
步骤 X4
2
X5
B -1.762
.931
SE .548
.445
Wald 10.337
4.389
df 1
1
Sig. .001
.036
95.0% CI 用于 Exp(B
Exp(B) 下部
3
1
40 54 1 0 1 1 0 120
1
41 35 0 1 0 1 1
7
1
42 47 0 0 0 1 0 18
1
43 49 1 0 1 1 0 120
0
44 43 0 1 0 0 0 120
0
45 48 1 1 0 0 0 15
1
46 44 0 0 0 1 0
4
1
47 60 1 1 1 0 0 120
17 48 1 1 1 0 0 63 0
18 54 1 0 1 1 1 101 0
19 38 0 1 0 0 0 100 0
20 40 1 1 1 0 1 66 1
21 38 0 0 0 1 0 93 0
22 19 0 0 0 1 0 24 1
23 67 1 0 1 1 0 93 0
24 37 0 0 1 1 0 90 0
N 26 37 63 0 0
0
0
合计
63
a. 因变量: t
百分比 41.3% 58.7% 100.0% .0% .0% .0%
.0%
100.0%
? 2-1.模型检验（全变量模型）
模型系数的综合测试a ,b
-2 倍对数 似然值 180.052
整体 (得分)
卡方
df
Sig.
20.174
6
.003
从上一步骤开始更改
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。
Company Logo
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：
9 39 1 1 1 0 1 70 0
10 42 0 1 0 0 1 67 0
11 42 0 1 0 0 0 66 0
12 42 1 0 1 1 0 87 0
13 51 1 1 1 0 0 85 0
14 55 0 1 0 0 1 82 0
15 49 1 1 1 0 1 76 0
16 52 1 1 1 0 1 74 0