生存分析是一种非常重要的统计分析方法,对于生物医药专业而言,尤其重要。当然该方法也广泛应用于金融、电信、市场等其他领域。
常规统计分析方法,研究效应指标只考虑结局事件,而结局事件的发生肯定还和时间有关,以此常规统计分析方法处理生存资料欠妥。这种既考虑结局事件,又考虑结局出现事件的时间的统计分析方法,就叫做生存分析。
目前处理生存分析主流方法包括:初级说一说的寿命表法;中级比一比的Kapaln-Merier法;以及高级找关系的Cox回归。这些方法在SPSS中均可以实现。
昨天后台有人问,比例风险模型和竞争风险模型是啥关系,松哥简单给大家理理!
核心提示:等比例风险针对的是X,竞争风险针对的是Y哦!
2019年7月26-28日
首先这两个模型都属于高级找关系。
Cox回归又称Cox比例风险模型,这里的等比例风险是Cox回归的前提。
Cox模型的基本假设为:
在任意一个时间点,两组人群发生时间的风险比例是恒定的;或者说其危险曲线应该是成比例而且是不能交叉的;也就是如果一个体在某个时间点的死亡风险是另外一个体的3倍,那么在其他任意时间点的死亡风险也同样是3倍。
如下图所示,只有B和C才符合等比例的假定。
如何判定等比例风险的前提条件,对于分类变量,通过观察生存曲线是否存在交叉来判定应该是常用的方法,而对于连续型变量,我们可以通过残差散点图来判定。关于残差散点图,相信大家在学习线性回归的“LINE”时,已经熟知了它的能力。
假设有一份生存资料,包含3个变量:生存结局(Status)、生存时间(time)、年龄(age),在SPSS中拟合含有age变量的Cox回归,并通过Save选项生成新的变量:age的偏残差(Partial residual),然后做age的偏残差对生存时间的散点图,,,经简单线性回归检验,斜率确实具有统计学意义(P<0.05)。说明age对生存风险的作用随着时间变化而变化,所以我们需要拟合含时依协变量的Cox回归模型。
如果事件的终点不止一个,即存在多个终点并同时竞争风险,那么Cox模型也是不适用了,一般这时会考虑适用竞争风险模型,而这些终点事件互被称为竞争风险事件。
如果您听着困难,其实就是和打麻将截胡是一个道理,本来暴露X会发生Y1,可是还没等到发生Y1,发生Y2了,因此Y2就是Y1的竞争风险事件。
比如酗酒(X1)会导致酗酒性痴呆(Y1),可是某天该酗酒者酒后开车车祸死了(Y2),因为Y2发生,因此观察不到Y1了,所以Y1被Y2截胡了。
处理该类资料,很多人直接关注Y1,把发生Y2的都当成了删失数据,进而采用传统Cox回归,那是不妥当的。
下两期预告:
非等比例风险解决方案实战-时间依存Cox
竞争风险模型实战
联系客服