生存分析SPSS.ppt

《生存分析SPSS.ppt》由会员分享，可在线阅读，更多相关《生存分析SPSS.ppt（31页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、生存分析SPSS过程（SPSS of Survival Analysis）,邹莉玲 预防医学教研室,1. 何为生存分析？ 生存分析（survival analysis）是将事件的结果（终点事件）和出现结果经历的时间结合起来分析的一种统计分析方法。 2. 生存分析的目的： 描述生存过程：估计不同时间的总体生存率，计算中位生存期，绘制生存函数曲线。统计方法包括Kaplan-Meier（K-M）法、寿命表法。 比较：比较不同处理组的生存率，如比较不同疗法治疗脑瘤的生存率，以了解哪种治疗方案较优。统计方法log-rank检验等。 影响因素分析：研究某个或某些因素对生存率或生存时间的影响作用。如为改善脑

2、瘤病人的预后，应了解影响病人预后的主要因素，包括病人的年龄、性别、病程、肿瘤分期、治疗方案等。统计方法cox比例风险回归模型等。 预测：建立cox回归预测模型。,生存分析的理论复习,生存分析(Survival Analysis)菜单,寿命表（Life Tables）过程,Life tables 过程用于（小样本和大样本资料）： 估计某生存时间的生存率，以及中位生存时间。 绘制各种曲线：如生存函数、风险函数曲线等。 对某一研究因素不同水平的生存时间分布的比较。 控制另一个因素后对研究因素不同水平的生存时间分布的比较。 对多组生存时间分布进行两两比较。 （比较总体生存时间分布采用wilcoxon检

3、验）,Company Logo,实例分析,例1：为了比较不同手术方法治疗肾上腺肿瘤的疗效，某研究者随机将43例病人分成两组，甲组23例、乙组20例的生存时间（月）如下所示：,其中有“+”者是删失数据，表示病人仍生存或失访，括号内为死亡人数。 （1）计算甲、乙两法术后10月的生存率和标准误。 （2）估计两组的中位生存期。 （3）绘制各组生存函数曲线。 （4）比较两组的总体生存时间分布有无差别。,Company Logo,一、建立数据文件（data-01.sav） 定义5个变量： 生存时间变量：t，值标签“生存时间（月）” 生存状态变量 ：status，取值“1=死亡，0=删失或存活” 频数变量：

4、freq，值标签“人数” 分组变量：group，取值“1=甲组，2=乙组” 生存时间序号变量(可无）：i,二、操作过程 主菜单：分析Analyze生存Survival寿命表Life tables 对话框参数设置： 时间time框：选入 “t”。 显示时间间隔Display time intervals框：步长by前面填入最大生存时间的上限（必须包括生存时间最大值），步长by后面填入生存时间的组距。本例上限填“60”，组距填“1”。 状态status框：选入“status”，击define events 钮，在single value框填入“1” 因子factor框：选入“group”，定义最小

5、值“1”，最大值“2”。 单击选项option按钮，弹出对话框： 1）寿命表，系统默认。 2）图： 生存函数 3）比较第一个因子的水平： 整体比较,三、主要输出结果 10月生存率的估计： 甲法 48%，标准误 0.1 乙法 30%，标准误 0.1 两组的中位生存期估计：,Company Logo,3. 绘制生存曲线：,Company Logo,4. 两组生存时间分布的比较：,Kaplan-Meier 过程,Kaplan-Meier过程用于(尤其小样本资料）： 估计各生存时间的生存率以及中位生存时间。 绘制各种曲线：如生存函数、风险函数曲线等。 比较某研究因素不同水平的生存时间有无差异。 控制某

6、个分层因素后对研究因素不同水平的生存时间分布进行比较。 对多组生存时间分布进行两两比较。 （各总体分布比较采用Log-rank等非参数方法）,Company Logo,实例分析,例2：（数据同例1）为了比较不同手术方法治疗肾上腺肿瘤的疗效，某研究者随机将43例病人分成两组，甲组23例、乙组20例的生存时间（月）如下所示：,其中有“+”者是删失数据，表示病人仍生存或失访，括号内为死亡人数。 （1）计算甲、乙两法各生存时间的生存率和标准误。 （2）估计两组的中位生存期。 （3）绘制各组生存函数曲线。 （4）比较两组的总体生存时间分布有无差别。,一、建立数据文件（同前） 二、操作过程 主菜单：分析A

7、nalyze生存SurvivalKaplan-Meier 对话框参数设置： 时间time框：选入 “t”。 状态status框：选入“status”，击define events 钮，在single value框填入“1”。 因子factor框：选入“group”。 单击选项option按钮，弹出对话框： 1）统计量： 生存分析表，系统默认。 均值和中位生存时间，系统默认。 2）图： 生存函数 5. 单击比较因子Compare Factor按钮，弹出对话框： 1）检验统计量Test Statistics： 都用于检验时间分布是否相同。 对数秩Log-rank：各时间点的权重一样。 Breslo

8、w：按各时间点的观察例数赋权。 Tarone-Ware：按各时间点观察例数的平方根赋权。,二、操作过程 2）,水平间的两两比较。,6. 单击Save按钮，弹出保存新变量Save new variables 对话框：,三、主要输出结果 生存表： 略 两组的中位生存期估计：,3. 绘制生存曲线：,Company Logo,4. 两组生存时间分布的比较：,Cox回归过程,Cox回归过程用于： 1. 多个因素对生存时间的影响作用分析和比较 2. 生存（或死亡）风险预测,实例分析,例3：为探讨某恶性肿瘤的预后，某研究者收集了63例患者的生存时间、生存结局及影响因素。影响因素包括病人年龄、性别、组织学类型

9、、治疗方式、淋巴结转移、肿瘤浸润程度，生存时间以月计算。变量的赋值和所收集的资料分别见表17-8和表17-9。试用Cox回归模型进行分析。,表17-9 63名某恶性肿瘤患者的生存时间（月）及影响因素,一、建立数据文件（data-03.sav） 二、操作过程 主菜单：分析Analyze生存SurvivalCox Regression,Cox回归主对话框,二、操作过程,主对话框参数设置： 时间time框：选入 “ t ”。 状态status框：选入“ y ”，击define events 钮，在single value框填入“1” 协变量Covariates框：选入“x1x6”。 方法Method

10、框：选择自变量进入Cox模型的方法，SPSS提供以下7种方法。,1.分析例数描述,三、主要输出结果,2-1.模型检验（全变量模型）,结果提示： （1）对模型总体检验有显著意义（P=0.003），即至少 有1个自变量的总体回归系数不为0。,2-2.模型检验（逐步回归模型，Method=向前法LR，自变量进入P0.05，剔除P0.10 ）,（2）采用逐步回归法进行Cox模型分析的结果提示：模型拟合自变量进入和 剔除的检验水准分别为0.05和0.1时，筛选后的最佳模型包含两个协变量， 即X4（治疗方式）和X5（淋巴结是否转移），该拟合模型总体检验提示 具有统计学意义（整体卡方=17.594，P0.0

11、01）。,3. 参数估计（逐步回归模型，Method=向前法LR，自变量进入P0.05，剔除P0.10 ）,B ：偏回归系数 ，SE：偏回归系数的标准误 Wald：用于检验总体偏回归系数与0有无显著差异， v=1时，W=（B/SE）2 。 Exp(B)：相对危险度估计（RR值）,（3）X4（治疗方式）对生存时间有影响，采用新疗法病人的死亡风险降至传统疗法的17.2%（RR的95%CI为0.0590.503）。 （4）X5（淋巴结是否转移）对生存时间也有影响，有淋巴结转移病人的死亡风险为无淋巴结转移病人的2.538倍（ RR的95%CI为1.0626.066）。,4. 自/协变量的均值（选入2个

12、变量的模型）,5. 生存曲线（选入2个变量的模型）,Company Logo,练习1：某临床试验对20名第或第期黑色素瘤的患者进行随访研究，截至研究期结束，记录的生存资料见表1。应用SPSS软件建立数据文件，并计算100周生存率。 表1 20名第或期黑色素瘤患者的治疗后生存时间（周）,练习题,练习2：某研究者随访收集了某地男性心绞痛患者2418例，其生存时间数据整理后见表2。 （1）建立SPSS数据文件。 （2）估计该地男性心绞痛患者的2年生存率和标准误，以及中位生存期。,练习3： 某研究者分别用免疫疗法、药物+免疫疗法治疗黑色素瘤患者，经随访得到各患者的生存时间（月）见数据文件ex-03.sav。 （1）试用Kaplan-Meier过程计算其生存率和标准误。 （2）对两组的生存率进行log-rank检验。 （3）绘制生存曲线，计算中位生存期。,