应用统计学 生存分析
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)。
Hazard：累积风险函数估计
Cumulative events：终结事件的累积频数
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 1 2 3 4
分析结果
5
…
6
Kaplan-meier过程 （2）生存时间估计
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
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+）
124，143，12+，159+，190+，196+，197+，205+，219+
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 （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。
对某一来自百度文库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 3.该组段的删失例数
2.进入该组段的观察例数 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 （1）寿命表Ⅱ
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。
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。
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，
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
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
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
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。
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。
Cumulative events：终结事件的累积频数
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 1 2 3 4
分析结果
5
…
6
Kaplan-meier过程 （2）生存时间估计
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
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+）
124，143，12+，159+，190+，196+，197+，205+，219+
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 （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。
对某一来自百度文库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 3.该组段的删失例数
2.进入该组段的观察例数 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 （1）寿命表Ⅱ
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。
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。
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，
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
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
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
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。
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。