如题,首先我们来看看上述上述两种方法: 1.Kaplan-Meier 一般分析单个因素不同水平间的比较,如果是计量资料,还得分类化才可以,可以采用三种算法: 1)LogRank法:各时点权重为1。 2)Breslow法:各时点权重为各时点前的尚存人数。 3)Tarone-Ware法:权重介于上面两种方法之间,为2)的平方根。 实际应用中,前2者常见。 2.cox回归 当研究因素较多时,就超出了K-M法的范围,可以同时对多个因素,包括计量和计数变量,考察多个因子对生存的影响。但必须满足比例风险才行。 2.不一致时 真理只有一个,当不一致时,我们如何抉择,松哥谈谈自己的理解,不妥处大家讨论,可能有如下情况: 1)K-M类似t检验,而COX类似于F检验,K-M处理因素少,COX处理因素多。当出现不一致,我可能偏向选择COX结果,因为你采用K-M法只研究单因素,没有考虑其他因素对研究结局的影响。 2)如果你K-M法只研究一个因素,而COX也只研究同一个因素,如果出现差异,那只能是算法之间的差异了。但也要知道,COX回归是半参数法,K-M法是非参数法。而众所周知,在符合条件的情况下,参数检验的检验效力要高于非参数检验。 3)另应该考虑COX应该符合比例风险模型,如果不符合,应该采用竞争风险模型,同时COX回归还包括时间依存变量的COX。 4)同时,一个好的实验分析结果,是在正确的科研设计、数据采集基础之上的。好了,松哥掰到这里,不妥处大家讨论! |
|