2025年大学《统计学》专业题库- 生存分析方法在癌症研究中的应用

2025年大学《统计学》专业题库——生存分析方法在癌症研究中的应用考试时间：______分钟总分：______分姓名：______一、简述生存分析中“删失数据”的概念及其在癌症研究中的普遍性原因。说明右删失数据对生存函数估计的主要影响。二、比较Kaplan-Meier生存估计法和参数生存模型法在描述生存数据分布方面的主要区别。在什么情况下，使用Kaplan-Meier方法可能更为合适？三、解释Cox比例风险模型（ProportionalHazardsModel）的基本思想。其中“比例风险”假设具体指什么？该假设不成立时可能产生什么后果？简述常用的检验比例风险假设的方法。四、某项癌症研究比较了两种治疗方案（A和B）对患者的总生存期（OS）的影响。研究收集了500名患者的随访数据，其中治疗组A有250名，治疗组B有250名。使用了Kaplan-Meier方法绘制了两组患者的生存曲线，并进行了Log-rank检验，结果显示P=0.03。请解释这组检验结果的含义。如果进一步使用Cox比例风险模型分析，发现治疗方案A的系数为-0.5（HR=0.609，95%CI:0.384-0.966，P=0.038），请解释该模型结果的含义。五、在运用Cox比例风险模型分析一项关于影响癌症患者无进展生存期（PFS）因素的研究中，研究者纳入了年龄（连续变量）、性别（二分类：男=1，女=0）、肿瘤分期（三分类：I期=1，II期=2，III期=3）、治疗强度（二分类：高=1，低=0）等多个自变量。请写出该Cox模型的基本形式（风险比例模型公式）。假设模型拟合结果显示，年龄的系数为0.08，肿瘤分期的系数为0.6，治疗强度的系数为-0.4。请解释这些系数的含义。六、描述在生存分析中，如何通过单因素分析初步筛选与生存期显著相关的变量，以及如何通过多因素Cox模型进行变量的最终筛选和控制混杂因素。说明多因素分析结果的解释需注意的关键点。七、设想一项研究旨在比较两种不同的手术方式对早期肺癌患者生存期的影响。研究对象在手术前可能存在多种差异（如年龄、吸烟史、肿瘤大小等）。如果研究者仅使用Kaplan-Meier方法比较两种手术方式的生存曲线，而不考虑其他因素，可能得出有偏的结论。请说明原因，并提出更合适的分析方法。试卷答案一、删失数据是指在生存研究中，部分研究对象的随访时间并未完全观察结束就离开了研究，尤其是在研究结束时尚有部分对象存活。在癌症研究中，由于患者死亡、失访（迁居、拒绝继续随访等）、研究提前终止等原因，会产生大量的删失数据，特别是右删失数据（即观察时间晚于研究截止时间的生存时间）。右删失数据的存在使得我们无法获知这些对象的完整生存信息。Kaplan-Meier生存估计法通过一种非参数的方法，能够有效地处理删失数据，其基本思想是：在已知事件发生时间点，用发生事件的数量除以该时间点之前存活的总人数，得到在该时间点的生存概率，并依次递推计算得到生存函数。右删失数据不影响生存函数在已观察时间点的估计，但在未来时间点的生存概率估计中，会因未包含这些删失个体而可能略微降低。二、Kaplan-Meier生存估计法是一种非参数方法，它直接根据观测到的生存时间数据（包括删失数据）来估计生存函数，不需要对生存时间的分布做出特定假设。它适用于各种生存分布，并能直观地展示不同组别生存概率随时间的变化趋势。参数生存模型则假设生存时间服从特定的概率分布（如指数分布、威布尔分布、对数正态分布等），并通过参数估计来描述生存数据。参数模型的优点是形式简洁，可以推断生存时间的分布特征，但在缺乏理论依据或数据不支持所选分布时，可能导致不良后果。Kaplan-Meier方法更为合适的情况包括：生存时间分布未知或不服从特定参数分布、需要比较多组生存曲线的差异（尤其是在样本量较小或存在大量删失数据时）。三、Cox比例风险模型是一种半参数回归模型，其基本思想是在生存分析中建立一个风险（Hazard）函数，该函数表示在给定某个体已经存活到时间t的条件下，该个体在微小时间区间（Δt）内发生事件的瞬时相对风险。模型包含一个基线风险函数h₀(t)（通常依赖于某些协变量）和一个比例风险函数exp(βᵀx)，其中β是回归系数向量，x是协变量向量。比例风险假设（ProportionalHazardsAssumption,PHA）具体指：对于任意两个不同的个体i和j，他们在时间t的风险之比（hᵢ(t)/hⱼ(t)）是恒定的，即风险比仅依赖于协变量值的差异，而与时间t无关，可以表示为[hᵢ(t)/hⱼ(t)]=[h₀(t)exp(βᵢᵀxᵢ)/h₀(t)exp(βⱼᵀxⱼ)]=exp[(βᵢᵀxᵢ-βⱼᵀxⱼ)]=exp[(βᵢ-βⱼ)ᵀ(xᵢ-xⱼ)]。该假设不成立时，意味着风险比随时间变化，此时用Cox模型估计的风险比在不同时间段可能具有不同的解释意义，模型结果可能存在偏倚。常用的检验方法包括：基于Schoenfeld残差的图示法（观察残差是否随时间变化）、时变系数检验（直接检验β是否随时间变化）、Wald检验或Score检验（检验某个特定协变量在不同时间点的系数是否一致）。四、Log-rank检验的结果P=0.03表示，在显著性水平α=0.05下，拒绝原假设（即两组患者的生存分布无显著差异）。换句话说，有95%的置信度认为治疗组A和治疗组B患者的总生存期存在显著差异。Kaplan-Meier曲线的比较显示治疗组A的生存曲线整体上位于治疗组B之上（或更靠近y轴），表明治疗组A的患者倾向于有更长的生存期。Cox比例风险模型结果显示，治疗方案A的系数为-0.5，其风险比为HR=0.609（95%CI:0.384-0.966）。HR=0.609意味着，相对于治疗方案B，接受治疗方案A的患者在任意给定时间点发生死亡（或其他事件）的风险是治疗方案B患者的60.9%。由于HR<1，说明治疗方案A是保护性因素，与更长的生存期相关。95%置信区间完全位于1以下，表明这种保护效应在统计上显著，不太可能是由随机误差造成的。P=0.038是检验治疗方案A系数是否为0的显著性水平，同样表明治疗方案A对生存期有显著的独立影响。五、该Cox比例风险模型的基本形式为：log[h(t|X)/h₀(t|X)]=β₀+β₁Age+β₂Sex+β₃Stage+β₄Intensity，其中h(t|X)是在给定协变量X的情况下，时间t的风险函数；h₀(t|X)是基线风险函数；β₀是截距项；β₁,β₂,β₃,β₄分别是协变量Age,Sex,Stage,Intensity的回归系数。模型拟合结果显示，年龄的系数为0.08，肿瘤分期的系数为0.6，治疗强度的系数为-0.4。年龄的系数为0.08意味着，年龄每增加一个单位，患者发生事件的风险会指数增长exp(0.08)≈1.084倍，表明年龄是危险因素（年龄越大风险越高）。肿瘤分期的系数为0.6意味着，与I期患者相比，II期患者的风险是I期患者的exp(0.6)≈1.822倍；II期与III期相比，风险是III期患者的exp(0.6)≈1.822倍。肿瘤分期是危险因素（分期越晚风险越高）。治疗强度的系数为-0.4意味着，与治疗强度低的患者相比，治疗强度高的患者发生事件的风险会指数降低exp(-0.4)≈0.670倍，表明治疗强度是保护性因素（治疗强度越高风险越低）。六、在生存分析中，单因素分析通常指对每个潜在的危险因素（自变量），单独使用Kaplan-Meier方法结合Log-rank检验，比较不同水平（或分组）该因素下的生存曲线差异，以初步判断该因素是否与生存期显著相关。例如，可以分别比较年龄高组与低组的生存曲线，性别男性与女性，不同肿瘤分期的生存曲线等。多因素Cox模型则是在单因素分析筛选出的可能显著相关变量基础上（或包含所有预设变量），同时纳入多个自变量进行回归分析。其目的是：1）在控制了其他变量的影响下，评估每个变量对生存期的独立作用和相对重要性；2）检验变量之间是否存在交互作用；3）筛选出对生存期有显著影响且具有临床意义的关键因素，用于构建更简洁、更稳健的预测模型。多因素分析结果的解释需注意：系数（β）表示在控制了其他纳入模型的自变量后，该自变量每变化一个单位，风险比（HR）的变化倍数；显著性水平（P值）表示该自变量对生存期的独立影响是否具有统计学意义；注意不要将风险比（HR）与优势比（OR）混淆，Cox模型输出的是HR。七、仅使用Kaplan-Meier方法比较两种手术方式的生存曲线，而不考虑其他因素，可能得出有偏的结论，因为早期肺癌患者在手术前可能存在多种差异（如年龄、性别、吸烟史、肿瘤大小、病理类型、分期等），这些因素本身可能就是影响患者生存期的重要预测因子。如果这些因素在不同手术方式组间存在显著的不均衡分布（即存在混杂因素），那么观察到的生存差异可能并非完全由手术方式本身引起，而是由这些混杂因素导致的。例如，如果手术方式A组恰好集中了更多年轻、分期早、病情较轻的患者，而手术方式B组集中了更多老年、分期晚、病情较