cox回归分析样稿.docx

生存分析之COX回归分析
，是将终点事件出现是否和对应时间结合起来分析一个统计方法；
，是从要求观察起点到某一特定终点事件出现时间，如膀胱癌术后5年存活率研究，及膀胱癌手术为观察起点，死亡为事件终点，两点为生存时间；
，观察起点到终点事件所经历时间，上述例子即膀胱癌手术到因膀胱癌死亡时间；
，因失访、研究结束终点事件未发生或患者死于要求终点事件以外原所以终止观察，不能确定具体生存时间一类数据；
，表示某时段开始存活个体到该时段结束仍存活概率，p=活满某时段人数/该时段期初有效人口数；
，为观察起点起到研究时间点内各个时段生存概率累积概率，S(tk)==S(tk-1).pk;
，以生存时间为横轴，将各个时间点生存率连在一起曲线图；
，又称半数生存期，表示50%个体存活时间；
（等百分比风险假定），某研究原因对生存影响不随时间改变而改变，是COX回归模型建立前提条件。
Cox回归分析及其SPSS操作方法概述
我们先回顾一下生存分析KM法和寿命表法（回复数字26和27能够查看KM法具体内容），其共同点是只能分析一个原因和生存率关系，Log-Rank法也是比较一个原因两种水平间生存差异，假如生存率影响原因有很多，我们怎么避免其它混杂原因影响呢？我们能够使用回归分析方法，但假如使用logistic回归，也是只能观察影响原因和结局关联，没有考虑结局发生时间原因。Cox回归能够处理这个问题。Cox回归通常模型假设为
其中h(t,X)是在时刻t风险函数又可称瞬时死亡率，h(0,t)是基线风险率，其它和logistic回归模型相同。βj大于0则xj越大，病人死亡风险越大，βj小于0则xj越大，病人死亡风险越小，βj等于0则xj越和死亡率没有影响。Exp(β)为危险比（HR）或相对危险度（RR）。
下面以一个例子说明在SPSS中作Cox回归怎样操作。
我们想观察乳腺癌生存率及其影响原因，搜集了1207例病例并进行了随访。观察原因包含年纪（age）、病理肿瘤大小（pathsize）、腋窝淋巴结个数（lnpos）、组织学分级（histgrad）、雌激素状态（er）、孕激素状态（pr）和淋巴结转移（ln_yesno）等。time为随访时间，status为生存状态。
在SPSS菜单里点击“分析”－“生存函数”－“Cox回归”，在弹出对话框里，将”time”和” status”分别选入时间和状态对话框，点击“定义事件”，填写“1”，将不一样影响原因选入协变量框中，方法能够选“向后：LR”（多种方法差异不大，能够自由选择）。
假如有多分类变量需要设置哑变量，能够点击右上角“分类”，将要设置哑变量变量选入右边框中。并能够选择以第一个或最终一个作为参考。
在右上角点击“选项”，能够选择“CI用于exp(B)”，用于计算HR95%置信区间。
最终点击确定可看到Cox回归分析结果。
结果中第一个表给出病例纳入情况，以下图，数据共1207个病例，但最终一共纳