一、模型简介 Cox比例风险回归模型(Cox's proportional hazards regression model),简称Cox回归模型。该模型由英国统计学家D.R.Cox于1972年提出,主要用于肿瘤和其它慢性病的预后分析,也可用于队列研究的病因探索。Cox 回归是一种半参数模型,与参数模型相比,该模型不能给出各时点的风险率,但对生存时间分布无要求,可估计出各研究因素对风险率的影响,因而应用范围更广。 二、Cox回归分析基本原理 Cox回归是生存分析中最重要的方法之一,其优点是适用范围很广以及便于做多因素分析。Cox回归假定病人的风险函数如公式(1)所示: …(1) 其中h(t)称为风险函数,又称为风险率或者瞬间死亡率,h 0(t)为基准风险函数是与时间有关的任意函数,bx分别是观察变量及其回归系数。 三、Cox回归分析SPSS实现 下面用一个例子来说明SPSS中Cox回归模型的操作方法。 例题 要研究胰腺癌术中放疗对患者生存时间的影响,收集了下面所示的数据: 操作步骤: SPSS变量视图 菜单选择: 点击进入Cox主对话框,如下,将time选入“时间”框,将代表删失的censor变量选入“状态”框,其余分析变量选入“协变量”框。其余默认就行。 点击“状态”框下方的“定义事件”,将事件发生的标志设为值0,即0代表事件发生。 在主对话框中点击“分类”按钮,进入如下的对话框,将所有分类变量选入右边框中。 在主对话框中点击“绘图”按钮,进入如下的对话框,选择绘图的类型,这里只选择“生存函数”。由于我们关心的主要变量是trt(是否放疗),所以将trt选入“单线”框中,绘制生存曲线。 在主对话框中点击“选项”按钮,进入如下的对话框,设置如下,输出RR的95%置信区间。回到主界面,点击“确定”输出结果。 结果输出: 这是案例处理摘要,有一个删失数据。 这是分类变量的编码方式 。 这是对拟合模型的检验,原假设是“所有影响因素的偏回归系数均为0”,这里可以看出P=0.032<0.05拒绝原假设,认为有偏回归系数不为零的因素,值得进一步分析。 这是多元回归结果,第二列B为偏回归系数,最后三列为OR值及其置信区间。由P值可以看出,在0.5的显著水平下,只有trt有统计学差异,OR为2.265。 这是协变量的平均值。 这是总体的生存函数,即累积生存率函数。 这是在控制了其他变量后,有无放疗组的生存函数对比,可以看出,术中放疗患者的生存情况优于不放疗的患者。 微信ID:survival-analysis |
|