医学统计生存分析.ppt

医学统计生存分析
何为生存分析
生存分析的历史与应用
17、18世纪：寿命表的提出及其应用。
1926年：Greenwood提出评价生存函数的误差的方法—Greenwood公式。
1958年：生存函数的计算方法—Kaplan-Meier法（乘积极限法product-limit）的提出。
1960年代中叶：生存时间的组间比较方法的开发—广义Wilcoxon秩和检验（Gehan,1965年）；对数秩检验（log-rank test）又称时序检验（Mantel,1966年）。
1970年：将协变量的影响模型化—参数模型：假设生存时间服从Weibull分布、对数正态分布等；半参数模型：比例风险模型（Cox,1972年），又称Cox回归模型。
第一节 概述
一、基本概念
（一）死亡事件
死亡事件又称失效事件，不单指通常意义下的生物体的死亡，而是泛指标志某种处理措施失败或失效的特征事件。
（二）生存时间（survival time）：
1．定义：广义的生存时间是指从某个起始事件开始到某个终点事件的发生(出现反应)所经历的时间。也称失效时间（failure time）。
2．特点：
（1）分布类型不易确定。一般不服从正态分布，
有时近似服从指数分布、Weibull分布、
Gompertz分布等，多数情况下往往不服从任
何规则的分布类型。
（2）生存时间的影响因素多而复杂且不易控制。
（3）根据研究对象的结局，生存时间数据可分两种类型：
①完全数据（complete data）：观察对象在观察期内出现反应(终点事件)，这时记录到的时间信息是完整的，这种生存时间数据称为完全数据。
②截尾数据（截尾值、删失数据，censored data）：尚未观察到研究对象出现反应(终点事件)时，即由于某种原因停止了随访，这时记录到的时间信息是不完整的，这种生存时间数据称为不完全数据或截尾值。
截尾的原因主要有3种：
①失访：失去联系
②退出：死于非研究因素或其他非处理因 素、改变治疗方案等导致退出研究。
③终止：指观察研究期限结束时仍未出现结局。
关于截尾或删失
删失的模式图
随访开始
事件
失访
失访
研究截止时仍存活
研究截止时点
患者进入期间