生存分析SPSS(單因素和多因素對生存率的可能分析)

1、生存分析生存分析SPSS過程過程（SPSS of Survival Analysis） 鄒莉玲鄒莉玲預防醫(yī)學教研室預防醫(yī)學教研室1. 1. 何為生存分析？何為生存分析？生存分析生存分析（survival analysis）是將是將事件的結果事件的結果（終點事件）（終點事件）和出現(xiàn)結果經(jīng)歷的和出現(xiàn)結果經(jīng)歷的時間時間結合起來分析的一種統(tǒng)計分析方法。結合起來分析的一種統(tǒng)計分析方法。2. 2. 生存分析的目的：生存分析的目的：(1)(1)描述生存過程描述生存過程：估計不同時間的總體生存率，計算中位生存期，估計不同時間的總體生存率，計算中位生存期，繪制生存函數(shù)曲線。統(tǒng)計方法包括繪制生存函數(shù)曲線。統(tǒng)計方法

2、包括Kaplan-MeierKaplan-Meier（K-MK-M）法、）法、壽命表法。壽命表法。(2)(2)比較：比較：比較不同處理組的生存率，如比較不同療法治療腦瘤的比較不同處理組的生存率，如比較不同療法治療腦瘤的生存率，以了解哪種治療方案較優(yōu)。統(tǒng)計方法生存率，以了解哪種治療方案較優(yōu)。統(tǒng)計方法log-ranklog-rank檢驗等。檢驗等。(3)(3)影響因素分析：影響因素分析：研究某個或某些因素對生存率或生存時間的影研究某個或某些因素對生存率或生存時間的影響作用。如為改善腦瘤病人的預后，應了解影響病人預后的主響作用。如為改善腦瘤病人的預后，應了解影響病人預后的主要因素，包括病人的年齡、性

3、別、病程、腫瘤分期、治療方案要因素，包括病人的年齡、性別、病程、腫瘤分期、治療方案等。統(tǒng)計方法等。統(tǒng)計方法coxcox比例風險回歸模型等。比例風險回歸模型等。(4)(4)預測：預測：建立建立coxcox回歸預測模型?；貧w預測模型。生存分析的理論復習生存分析的理論復習生存分析生存分析( (Survival Analysis) )菜單菜單壽命表壽命表（Life Tables）過程過程Life tables 過程用于（小樣本和大樣本資料）：1. 估計某生存時間的生存率，以及中位生存時間。2. 繪制各種曲線：如生存函數(shù)、風險函數(shù)曲線等。3. 對某一研究因素不同水平的生存時間分布的比較。4. 控制另一個

4、因素后對研究因素不同水平的生存時間分布的比較。5. 對多組生存時間分布進行兩兩比較。（比較總體生存時間分布采用wilcoxon檢驗）Company Logo實例分析實例分析例1：為了比較不同手術方法治療腎上腺腫瘤的療效，某研究者隨機將43例病人分成兩組，甲組23例、乙組20例的生存時間（月）如下所示：其中有“+”者是刪失數(shù)據(jù)，表示病人仍生存或失訪，括號內為死亡人數(shù)。（1）計算甲、乙兩法術后10月的生存率和標準誤。（2）估計兩組的中位生存期。（3）繪制各組生存函數(shù)曲線。（4）比較兩組的總體生存時間分布有無差別。Company Logo一、建立數(shù)據(jù)文件（一、建立數(shù)據(jù)文件（data-01.sav）定

5、義定義5個變量：個變量：生存時間變量：t，值標簽“生存時間（月）”生存狀態(tài)變量 ：status，取值“1=死亡，0=刪失或存活”頻數(shù)變量：freq，值標簽“人數(shù)”分組變量：group，取值“1=甲組，2=乙組”生存時間序號變量(可無）：i二、操作過程二、操作過程主菜單：分析主菜單：分析Analyze生存生存Survival壽命表壽命表Life tables對話框參數(shù)設置：對話框參數(shù)設置：1. 時間time框：選入 “t”。2. 顯示時間間隔Display time intervals框：步長by前面填入最大生存時間的上限（必須包括生存時間最大值），步長by后面填入生存時間的組距。本例上限填“6

6、0”，組距填“1”。3. 狀態(tài)status框：選入“status”，擊define events 鈕，在single value框填入“1”4. 因子factor框：選入“group”，定義最小值“1”，最大值“2”。5. 單擊選項option按鈕，彈出對話框： 1）壽命表，系統(tǒng)默認。 2）圖： 生存函數(shù) 3）比較第一個因子的水平： 整體比較三、主要輸出結果三、主要輸出結果1.10月生存率的估計：月生存率的估計： 甲法甲法 48%，標準誤，標準誤 0.1 乙法乙法 30%，標準誤，標準誤 0.1 2.兩組的中位生存期估計：兩組的中位生存期估計：Company Logo3. 繪制生存曲線：繪制生

7、存曲線：Company Logo4. 兩組生存時間分布的比較：兩組生存時間分布的比較：Kaplan-Meier 過程過程Kaplan-Meier過程用于(尤其小樣本資料）：1. 估計各生存時間的生存率以及中位生存時間。2. 繪制各種曲線：如生存函數(shù)、風險函數(shù)曲線等。3. 比較某研究因素不同水平的生存時間有無差異。4. 控制某個分層因素后對研究因素不同水平的生存時間分布進行比較。5. 對多組生存時間分布進行兩兩比較。（各總體分布比較采用Log-rank等非參數(shù)方法）Company Logo實例分析實例分析例2：（數(shù)據(jù)同例1）為了比較不同手術方法治療腎上腺腫瘤的療效，某研究者隨機將43例病人分成兩

8、組，甲組23例、乙組20例的生存時間（月）如下所示：其中有“+”者是刪失數(shù)據(jù)，表示病人仍生存或失訪，括號內為死亡人數(shù)。（1）計算甲、乙兩法各生存時間的生存率和標準誤。（2）估計兩組的中位生存期。（3）繪制各組生存函數(shù)曲線。（4）比較兩組的總體生存時間分布有無差別。一、建立數(shù)據(jù)文件（同前）一、建立數(shù)據(jù)文件（同前）二、操作過程二、操作過程主菜單：分析主菜單：分析Analyze生存生存SurvivalKaplan-Meier對話框參數(shù)設置：對話框參數(shù)設置：1. 時間time框：選入 “t”。2. 狀態(tài)status框：選入“status”，擊define events 鈕，在single value框

9、填入“1”。3. 因子factor框：選入“group”。4. 單擊選項option按鈕，彈出對話框： 1）統(tǒng)計量： 生存分析表，系統(tǒng)默認。 均值和中位生存時間，系統(tǒng)默認。 2）圖： 生存函數(shù)5. 單擊比較因子Compare Factor按鈕，彈出對話框： 1）檢驗統(tǒng)計量Test Statistics： 都用于檢驗時間分布是否相同。 對數(shù)秩Log-rank：各時間點的權重一樣。 Breslow：按各時間點的觀察例數(shù)賦權。 Tarone-Ware：按各時間點觀察例數(shù)的平方根賦權。二、操作過程二、操作過程2）水平間的兩兩比較。水平間的兩兩比較。6. 單擊Save按鈕，彈出保存新變量Save new

10、 variables 對話框：三、主要輸出結果三、主要輸出結果1.生存表：生存表： 略略 2.兩組的中位生存期估計：兩組的中位生存期估計：3. 繪制生存曲線：繪制生存曲線：Company Logo4. 兩組生存時間分布的比較：兩組生存時間分布的比較：Cox回歸回歸過程過程Cox回歸過程用于： 1. 多個因素對生存時間的影響作用分析和比較 2. 生存（或死亡）風險預測實例分析實例分析o例3：為探討某惡性腫瘤的預后，某研究者收集了63例患者的生存時間、生存結局及影響因素。影響因素包括病人年齡、性別、組織學類型、治療方式、淋巴結轉移、腫瘤浸潤程度，生存時間以月計算。變量的賦值和所收集的資料分別見表1

11、7-8和表17-9。試用Cox回歸模型進行分析。NoX1X2X3X4X5X6tYNoX1X2X3X4X5X6tY15400110520336200010120025701000510344011101 40135800011351355010010 26144311110103036331100012005480100071375711100120064001000600384810010120074401000580392800010 3183600011291405410110120193911101700413501011 71104201001670424700010 18111420

12、100066043491011012001242101108704443010001200135111100850454811000 151145501001820464400010 411549111017604760111001200165211101740484000010 161174811100630493201001 2411854101111010504400011 19119380100010005148100101200204011101661527201010 241213800010930534200010 21221900010241546310110120023671

13、0110930555501100 121243700110900563900010 512543100101515744000101200264900010315842111001200275011111870597400011 712853111001200606101010 401293211100120061451011010803046010011200623801000 2413143101101200636200010 1613244101101200表表17-9 63名某惡性腫瘤患者的生存時間（月）及影響因素名某惡性腫瘤患者的生存時間（月）及影響因素一、建立數(shù)據(jù)文件（一、建立數(shù)據(jù)

14、文件（data-03.sav）二、操作過程二、操作過程主菜單：分析主菜單：分析Analyze生存生存SurvivalCox RegressionCox回歸主對話框回歸主對話框二、操作過程二、操作過程主對話框參數(shù)設置：主對話框參數(shù)設置：1.時間time框：選入 “ t ”。2.狀態(tài)status框：選入“ y ”，擊define events 鈕，在single value框填入“1”3.協(xié)變量Covariates框：選入“x1x6”。4.方法Method框：選擇自變量進入Cox模型的方法，SPSS提供以下7種方法。o1.分析例數(shù)描述案例處理摘要案例處理摘要2641.3%3758.7%63100.

15、0%0.0%0.0%0.0%0.0%63100.0%事件a刪失合計分析中可用的案例帶有缺失值的案例帶有負時間的案例層中的最早事件之前刪失的案例合計刪除的案例合計N百分比因變量: ta. 三、主要輸出結果三、主要輸出結果o2-1.模型檢驗（全變量模型）模模 型型 系系 數(shù)數(shù) 的的 綜綜 合合 測測 試試a a, ,b b180.05220.1746.00321.9426.00121.9426.001-2 倍對數(shù)似然值卡方dfSig.整體 (得分)卡方dfSig.從上一步驟開始更改卡方dfSig.從上一塊開始更改起始塊編號 0，最初的對數(shù)似然函數(shù):-2 倍對數(shù)似然值: 201.994a. 起始塊編

16、號 1. 方法 = 輸入b. 結果提示：結果提示：（1）對模型總體檢驗有顯著意義（）對模型總體檢驗有顯著意義（P=0.003），即至少），即至少有有1個自變量的總體回歸系數(shù)不為個自變量的總體回歸系數(shù)不為0。o2-2.模型檢驗（逐步回歸模型，Method=向前法LR，自變量進入P0.05，剔除P0.10 ）模模 型型 系系 數(shù)數(shù) 的的 綜綜 合合 測測 試試a a, ,b b182.77717.5942.00019.2172.000步驟2-2 倍對數(shù)似然值卡方dfSig.整體 (得分)卡方dfSig.從上一塊開始更改起始塊編號 0，最初的對數(shù)似然函數(shù):-2 倍對數(shù)似然值: 201.994a. 起

17、始塊編號 1. 方法 = 向前逐步（似然比）b. （2）采用逐步回歸法進行）采用逐步回歸法進行Cox模型分析的結果提示：模型擬合自變量進入和模型分析的結果提示：模型擬合自變量進入和剔除的檢驗水準分別為剔除的檢驗水準分別為0.05和和0.1時，篩選后的最佳模型包含兩個協(xié)變量，時，篩選后的最佳模型包含兩個協(xié)變量，即即X4（治療方式）和（治療方式）和X5（淋巴結是否轉移），該擬合模型總體檢驗提示（淋巴結是否轉移），該擬合模型總體檢驗提示具有統(tǒng)計學意義（整體卡方具有統(tǒng)計學意義（整體卡方=17.594，P0.10 ）方方程程中中的的變變量量-1.762.54810.3371.001.172.059.50

18、3.931.4454.3891.0362.5381.0626.066X4X5步驟2BSEWalddfSig.Exp(B)下部上部95.0% CI 用于 Exp(B)B ：偏回歸系數(shù) ，SE：偏回歸系數(shù)的標準誤Wald：用于檢驗總體偏回歸系數(shù)與0有無顯著差異， v=1時，W=（B/SE）2 。Exp(B)：相對危險度估計（RR值）（3）X4（治療方式）對生存時間有影響，采用新療法病人的死亡風險降至傳（治療方式）對生存時間有影響，采用新療法病人的死亡風險降至傳統(tǒng)療法的統(tǒng)療法的17.2%（RR的的95%CI為為0.0590.503）。）。（4）X5（淋巴結是否轉移）對生存時間也有影響，有淋巴結轉移病人的死亡（淋巴結