生存曲线比较：KM法及Log Rank检验（实例 SPSS）

一、问题与数据

某肿瘤医院医生收集了甲、乙两种手术方法治疗42名肺癌患者的随访资料，数据包括患者的治疗分组、生存状态和生存时间（月）。数据见表1，其中分组1为甲种手术组（20人），分组2为乙种手术组（22人）；生存状态0表示失访或存活，1表示死亡。请问两种手术方式是否有差异？

表1. 两种手术方式患者的生存情况

2、对数据结构的分析

整个数据资料涉及两组的研究对象，研究比较两组手术方式患者的生存情况，且包含生存时间数据，因此属于两组设计的生存时间资料。

要比较两种手术方式是否有差异，且仅有一个分析因素（手术方式），可绘制Kaplan-Meier生存曲线观察两组生存曲线，并可选用Log Rank法、Breslow法（即广义Wilcoxon法）比较两组患者的生存曲线是否有差异。

3、SPSS分析方法

展开剩余81%

A. 数据录入SPSS

B. 选择Analyze→Survival→Kaplan-Meier

C. 选项设置

（1）主对话框设置：将生存时间变量送入Time框中→将死亡状态变量送入Status框中→点击Define Event→定义表示终点事件发生的数值（本例中为死亡，赋值为1）→将分组变量送入Factor框中

（2）Compare Factor选项设置：

在Test Statistics选项中选择Log rank和Breslow作为检验组间生存分布是否相同的组间比较方法，其他按默认选项→Continue

（3）Options选项设置：

选择Statistics选项中的Mean and Median survival（输出平均、中位生存时间及其标准误、可信区间），以及Plots中的Survival生存曲线作为输出的结果→Continue→OK

4、结果解读

Case Processing Summary表格给出了两种手术方式患者生存数据的部分统计信息，包括组别（Group）、数量（N）、事件发生数（N of Events；即前面Event的中的定义：死亡）、删失数据数和百分比（Censored N and Percent）。所谓删失数据，是指没有出现结局事件的研究对象。这包括随访期间失访、死于其它疾病和随访结束时仍然活着的研究对象等。

Mean and Medians for Survival Time表格给出了生存时间估计的结果，显示两种手术组平均生存时间（Mean）的估计值（Estimate）、标准误（Std. Error）和估计值的95%可信区间（95% Confidence Interval），以及中位生存时间（Median）的估计值（Estimate）、标准误（Std. Error）和估计值的95%可信区间（95% Confidence Interval）。

Overall Comparisons表格给出生存曲线组间的整体比较，结果显示对两组生存曲线整体比较的Log Rank检验结果为P（Sig.）=0.002，Breslow检验结果为P（Sig.）=0.005。按照Log Rank检验的结果，可以认为两种手术方式后病人的生存率有差异。

Survival Functions为生存函数曲线，直观地显示接受甲种手术患者的生存曲线高于接受乙种手术患者的生存曲线。

5、撰写结论

接受甲乙两种手术后，两组患者的中位生存时间估计值分别为16.54月和6.83月。接受两种手术后，患者的生存曲线不同（Log Rank P=0.002），甲种手术优于乙种手术。

（敲黑板，注意事项来啦！！！）

1、SPSS中的分析方法的名称为Log Rank和Breslow；SAS中相对应的为Log Rank和Wilcoxon。Breslow法即广义Wilcoxon法。Log Rank检验在实际工作中应用较多。

2、Log Rank检验给结局事件的远期差别更大的权重，即对远期差异敏感；而Breslow检验给结局事件的近期差别更大的权重。因此，对于一开始粘在一起，随时时间的推移越拉越开的生存曲线，Log Rank检验较Breslow检验容易得到差异有显著性的结果；反之，对于一开始相差较大，随着时间的推移反而越来越近的生存曲线，Breslow法容易得到差异有显著性的结果。

3、用Log Rank检验比较时，要求各组生存曲线不能交叉，如果有交叉则提示可能存在混杂因素，此时应进行样本分层或多因素的方法校正混杂因素。