  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》
