|
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！ |
|
|
