医学统计学：生存分析SPSS

生存分析SPSS过程

（SPSSofSurvivalAnalysis）

1.何为生存分析？

生存分析（survivalanalysis）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(SurvivalAnalysis)菜单寿命表（LifeTables）过程Lifetables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检验）CompanyLogo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。CompanyLogo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：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频数格式的数据文件，生存分析之前需要采用“加权个案”过程指定频数变量：二、生存分析操作过程主菜单：分析Analyze

生存Survival寿命表Lifetables对话框参数设置：时间time框：选入“t”。显示时间间隔Displaytimeintervals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defineevents钮，在singlevalue框填入“1”因子factor框：选入“group”，定义最小值“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、主要输出结果寿命表Intervalstarttime:生存时间区间的下限NumberEnteringInterval：该组段的观察例数NumberWithdrawingduringInterval：该组段的删失例数NumberExposedtoRisk：有效（校正）观察例数NumberofTerminalEvents：阳性事件（死亡）例数ProportionTerminating：死亡概率

ProportionSurviving：生存概率=1-死亡概率CumulativeProportionSurvivingatEndofInterval：至本组段上限的累积生存率Std.ErrorofCumulativeProportionSurvivingatEndofInterval：累积生存率的标准误

ProbabilityDensity：概率密度Std.ErrorofProbabilityDensity：概率密度标准误HazardRate：风险率Std.ErrorofHazardRate ：风险率的标准误三、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：3.绘制生存曲线：4.两组生存时间分布的比较：结论：（1）从中位生存时间来看，甲组（M=10.75）大于乙组（M=8）；（2）从生存曲线分布看，甲组疗效优于乙组；（3）从两组生存时间分布的整体比较结果看，两组生存时间分布差异有统计学意义，甲组优于乙组。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）CompanyLogo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Analyze

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defineevents钮，在singlevalue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2）水平间的两两比较。√5.单击比较因子CompareFactor按钮，弹出对话框：1）检验统计量TestStatistics：

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。Breslow：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。分层后，各层作组间两两比较不分层，组间两两比较不分层，作各组间总的差异比较，默认项6.单击Save按钮，弹出保存新变量Savenewvariables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：4.两组生存时间分布的比较：结论：（1）从中位生存时间来看，甲组（M=24.23）大于乙组（M=7.8）；（2）从生存曲线分布看，甲组疗效优于乙组；（3）从两组生存时间分布的整体比较结果看，两组生存时间分布差异有统计学意义，甲组优于乙组。Cox回归过程COX回归过程用于研究各种因素（称为协变量或伴随变量等）对于生存期长短的关系，进行多因素分析。

h(t,x)=h0(t)exp(1x1+2x2+••••••+mxm

） X1，X2，••••，Xm是协变量

1，2，••••••，m是偏回归系数，由样本估计而得。

i>0表示该协变量是危险因素，越大使生存时间越短

i<0表示该协变量是保护因素，越大使生存时间越长实例分析例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、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。NoX1X2X3X4X5X6tYNoX1X2X3X4X5X6tY1540011052033620001012002570100051034401110140135800011351355010010261443111101030363311000120054801000713757111001200640010006003848100101200744010005803928000103183600011291405410110120193911101700413501011711042010016704247000101811142010006604349101101200124210110870444301000120013511110085045481100015114550100182046440001041154911101760476011100120016521110174048400001016117481110063049320100124118541011110105044000111911938010001000514810010120020401110166152720101024121380001093053420001021221900010241546310110120023671011093055550110012124370011090056390001051254310010151574400010120026490001031584211100120027501111187059740001171285311100120060610101040129321110012006145101101080304601001120062380100024131431011012006362000101613244101101200表17-963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SurvivalCoxRegressionCox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defineevents钮，在singlevalue框填入“1”协变量Covariates框：选入“x1~x6”。方法Method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P≤0.05，剔除P>0.10）（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，P<0.001）。3.参数估计（逐步回归模型，Method=向前法LR，自变量进入P≤0.05，剔除P>0.10）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0.059~0.503）。（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1.062~6.066）。4.自/协变量的均值（选入2个变量的模型）5.生存曲线（选入2个变量的模型）练习1：某临床试验对20名第Ⅲ或第Ⅳ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(ex-01.sav)。应用SPSS软件建立数据文件，并计算100周生存率。表120名第Ⅲ/Ⅳ期黑色素瘤患者的生存时间（周）12.815.624.0+26.429.230