![]() 医学研究中,经典的研究方法如logistic回归,在评价自变量的效应时,只考虑终点事件的出现与否,即结局的好坏。但有些疾病如恶性肿瘤、慢性病或其他情况随访研究中,有时只考虑结局好坏不够全面,还需考虑观察对象出现某种结局所经历的时间长短。 logistic回归 以生存结局(分类变量)为应变量,仅考虑结局的好坏(死亡或生存)[因变量为分类变量],而未考虑出现该结局的时间长短,无论死亡发生在随访早期或晚期,对他们的处理均相同。 多重线性回归 以生存时间(定量变量)为应变量,虽能考虑生存时间,但生存时间一般不呈正态分布,并且传统线性回归不能有效利用删失数据。因此传统分析方法不能同时处理生存结局和生存时间,也不能处理删失数据,而生存分析方法可以巧妙地解决这两个问题。 生存资料的多因素分析(cox回归) 目前对生存资料的多因素分析最常用的方法是 COX比例风险回归模型,简称cox模型。
但应注意,虽然cox模型可以分析删失的生存时间,但在观察时应尽量避免观察对象的失访,删失比例过大,偏倚加速增大。 cox模型分析时样本含量不宜过小,要有一定的死亡例数,样本量要求为观察 协 变 量 的 5~20 倍。 COX回归其自变量Xi同logistic回归,其模型表达式为: h(t)=h0(t)exp(β1X1 +β2X2 +…+βmXm )式中,h0(t)为t的未知函数,即 x1= x2=…=xm=0时t时刻的风险函数,称为基准风险函数; Xi 为自变量又称为协变量,h(t)为具有各协变量 Xi 的个体在t时刻的风险函数,表示t时刻存活的个体在t时刻的瞬时病死率。βi 为各协变量所对应的回归系数,βi 的估计需借助部分似然理 论,由 统计软件完成。βi 的意义为:固定其他自变量后,Xi 增 加 一 个单位,相对风险危险度的自然对数的改变量。 当βi >0时,RRi >1,说 明 Xi 增 加 时,风 险 函 数 增 加,即 Xi 为危险因素;当βi <0时,RRi <1,说明 Xi 增加时,风险函数下降,即 Xi 为保护 因 素;当βi =0时,RRi =1,说 明Xi 增加时,风险函数不变,即 Xi 为危险无关因素。 Cox回归尽管应用广 泛,但也不是说任何生存数据都可以用它来 分 析。它有一个重要的 前提假设,即 等 比 例 风 险,它表示某因素对生存的影响在任何时间都是相同的,不随时间的变化而变化。如 某 基 因 对 肿 瘤的影响,不管是第一年、第 二 年……,对 肿 瘤 的 危 险 都 是 相 同的。只有满足这一条 件,才 能 应 用 Cox回 归,所 以 Cox回 归有时也称之为 Cox比例风险模型。 |
|
来自: 井里的怪兽 > 《logisitic回归》