2025年大学《应用统计学》专业题库- 生存分析在流行病学研究中的应用

2025年大学《应用统计学》专业题库——生存分析在流行病学研究中的应用考试时间：______分钟总分：______分姓名：______一、单项选择题（每题2分，共20分。请将正确选项的代表字母填在题干后的括号内）1.在生存分析中，指研究对象从某个固定时间点（通常是研究开始或进入研究时）开始，直到发生某个特定事件（如死亡、疾病复发）或退出研究的时间长度。该概念指的是：A.生存状态B.生存时间C.删失数据D.生存概率2.某患者从入组开始计时，观察3年后因目标事件死亡，该患者的生存时间为：A.3年B.超过3年C.不足3年D.无法确定3.下列哪种情况属于右删失数据？A.研究对象在观察期结束时仍存活B.研究对象在观察期内失访，但失访时已知其未发生目标事件C.研究对象在观察期内发生非目标事件而退出D.研究对象在观察期开始前即死亡4.Kaplan-Meier生存估计法属于：A.参数生存回归分析方法B.非参数生存估计方法C.半参数生存估计方法D.参数和非参数方法的结合5.在生存分析中，用来衡量事件在特定时间点发生的瞬时强度的是：A.生存率B.风险率（HazardRate）C.生存概率D.生存时间方差6.比较两组生存率曲线差异的常用统计检验方法是：A.t检验B.卡方检验C.F检验D.Log-rank检验7.Cox比例风险模型中最核心的假设是：A.生存时间服从特定分布B.协变量之间相互独立C.比例风险（风险比）在不同时间点保持不变D.样本量足够大8.在Cox模型中，风险比（HR）等于1意味着：A.该协变量对事件风险有正向影响B.该协变量对事件风险有负向影响C.该协变量对事件风险没有影响D.该协变量使风险提高了1倍9.生存分析中，生命表法主要用于：A.比较多个组的生存率B.估计具有删失数据的生存函数C.建立参数生存回归模型D.进行生存率的假设检验10.相比于Kaplan-Meier法，生命表法的主要优点是：A.可以处理更复杂的删失模式B.对比例风险假设的依赖性更强C.计算更为简便D.适用于更小的样本量二、判断题（每题1分，共10分。请将“正确”或“错误”填在题干后的括号内）1.生存分析只能处理右删失数据。（）2.生存概率是指生存时间超过某个特定时间点的个体比例。（）3.Weibull分布是生存分析中最常用的参数分布之一，其形状不受时间影响。（）4.Kaplan-Meier曲线的估计不依赖于生存时间的具体分布。（）5.Log-rank检验是一种非参数检验方法，不需要满足任何分布假设。（）6.Cox模型可以处理多个自变量（协变量）对生存时间的影响。（）7.比例风险假设意味着一个因素对风险的影响是恒定的，不随时间变化。（）8.生存分析主要用于研究连续型变量。（）9.任何类型的生存研究都可以直接使用Cox比例风险模型进行分析。（）10.生存分析的结果解释必须结合具体的流行病学背景和研究目的。（）三、简答题（每题5分，共20分）1.简述生存分析相比于传统统计分析（如回归分析）在处理“时间-事件数据”方面的优势。2.解释什么是删失数据，并列举至少两种常见的删失类型及其在生存分析中的含义。3.简述Kaplan-Meier生存估计法的原理和基本步骤。4.在Cox比例风险模型中，什么是比例风险假设？为什么检验该假设很重要？四、计算与分析题（共30分）1.（10分）一项研究比较了两种治疗方法（A组和B组）对某疾病的缓解效果。共观测到8名患者的生存时间（单位：月）如下，其中“+”表示右删失。假设所有患者在观察结束时仍未缓解（删失）。A组：10,15,20,+,+B组：8,12,18,25,30要求：a.分别计算并写出A组和B组的生存概率函数（Probs(t)）。b.简要说明如何根据计算出的生存概率绘制生存曲线。2.（10分）研究者使用Cox比例风险模型分析某职业暴露与肺癌风险的关系，得到部分模型结果摘要如下（部分参数省略）：*模型包含协变量：职业暴露（Yes/No），年龄（连续变量），吸烟史（Yes/No）。*部分风险比（HR）及其95%置信区间（CI）：*职业暴露（YesvsNo）：HR=2.5,95%CI(1.2,5.3)*年龄：HR=1.1per10years,95%CI(1.0,1.2)*吸烟史（YesvsNo）：HR=1.8,95%CI(0.9,3.6)要求：a.解释职业暴露和年龄的HR值及其置信区间的含义。b.根据模型结果，说明哪些因素与肺癌风险显著相关（假设基于P值判断，此处无需具体P值，但需说明判断逻辑）。3.（10分）在进行一项关于某种干预措施效果的研究时，研究者使用了Cox比例风险模型。在检查模型拟合时，发现协变量“干预措施”与“时间”的交互作用项的Wald检验P值显著。请解释这通常意味着什么？在这种情况下，研究者应该如何进一步分析或考虑？---试卷答案一、单项选择题1.B2.A3.B4.B5.B6.D7.C8.C9.B10.A二、判断题1.错误2.正确3.错误(Weibull分布的形状参数会影响其形状，且与时间相关)4.正确5.正确6.正确7.正确8.错误(生存分析处理的是时间-事件数据)9.错误(需要满足模型假设，如比例风险假设)10.正确三、简答题1.生存分析的优势在于能够处理带有删失数据的研究对象，能够分析事件发生时间相对于某个起点的不确定性，并且可以同时考虑多个时间相关的协变量，其结果（如生存函数、风险比）具有明确的生物学或临床意义。2.删失数据是指在研究结束时，部分研究对象的生存结局尚未观察到的数据。常见的删失类型包括右删失（RightCensoring），即研究对象在观察期末仍未发生目标事件；左删失（LeftCensoring），即研究对象在事件发生前就已经进入研究；区间删失（IntervalCensoring），即研究对象的事件发生时间位于某个未知的时间区间内。删失数据的存在是生存分析区别于传统统计分析的关键特征。3.Kaplan-Meier生存估计法的原理是基于生存时间数据和删失信息，通过逐步排除已发生事件的研究对象和发生删失的研究对象，计算出在每个时间点经历“风险集”（处于风险中的研究对象）缩减的研究对象数量，并据此更新生存概率，最终得到生存函数的步进式估计。基本步骤包括：确定所有观察到的死亡时间点（包括确切死亡时间和右删失时间）；对于每个时间点t，确定风险集N(t)（研究开始时人数减去之前发生事件或删失的人数）；计算在t时刻发生事件的人数d(t)；计算t时刻的生存概率S(t)=S(t-1)*[1-d(t)/N(t)]；将生存概率随时间点的变化连接起来，形成生存函数曲线。4.比例风险假设（ProportionalHazardsAssumption）是指在Cox模型中，一个协变量对事件发生风险的效应（风险比HR）不随时间变化而变化。换句话说，该协变量在时间t的风险与在时间t'的风险之比是一个常数。检验该假设很重要，因为如果该假设不成立，那么估计出的风险比可能会在不同时间点产生偏倚，导致模型解释困难，甚至模型失效。常用的检验方法包括基于残差的检验（如Schoenfeld残差检验）和基于交互项的检验（如添加协变量与时间的交互项）。四、计算与分析题1.a.A组：生存概率函数Probs(t)：t=0:Probs(0)=1t=10:Probs(10)=1-1/4=3/4t=15:Probs(15)=Probs(10)*(1-1/3)=(3/4)*(2/3)=1/2t=20:Probs(20)=Probs(15)*(1-1/2)=(1/2)*(1/2)=1/4t=无穷大:Probs(∞)=0(假设所有剩余人均删失)（注：最后两个"+"表示A组有2人右删失，仅影响20个月后的生存概率计算，即之后的风险集为0，生存概率不再变化）B组：生存概率函数Probs(t)：t=0:Probs(0)=1t=8:Probs(8)=1-1/4=3/4t=12:Probs(12)=Probs(8)*(1-1/3)=(3/4)*(2/3)=1/2t=18:Probs(18)=Probs(12)*(1-1/2)=(1/2)*(1/2)=1/4t=25:Probs(25)=Probs(18)*(1-1/1)=(1/4)*0=0t=30:Probs(30)=Probs(25)=0(B组所有人在25个月后已发生事件或删失)（注：B组最后一人25个月发生事件，剩余1人30个月右删失，不影响30个月后的生存概率）b.绘制生存曲线时，横轴为时间（t），纵轴为生存概率Probs(t)。对于A组，在0,10,20,∞月份处分别绘制生存概率点(0,1),(10,3/4),(20,1/4),(∞,0)，并依次用直线连接。对于B组，在0,8,12,18,25,∞月份处分别绘制生存概率点(0,1),(8,3/4),(12,1/2),(18,1/4),(25,0),(∞,0)，并依次用直线连接。比较两组曲线在不同时间点的生存概率高低。2.a.职业暴露（YesvsNo）的HR=2.5,95%CI(1.2,5.3)的含义是：相对于未暴露组，暴露于该职业的研究对象发生肺癌的风险是未暴露组的2.5倍。其95%置信区间(1.2,5.3)表示，我们估计真实的风险比在1.2到5.3之间有95%的概率是正确的。由于置信区间不包含1，且P值（未给出但暗示显著）小于0.05，这表明职业暴露与肺癌风险之间存在统计学上显著的关联，且为正向关联。年龄的HR=1.1per10years,95%CI(1.0,1.2)的含义是：每增加10岁，研究对象发生肺癌的风险会乘以1.1倍。其95%置信区间(1.0,1.2)表示，真实的风险增加速率在每增加10岁增加0%到0.2倍之间有95%的概率是正确的。由于置信区间完全大于1，这表明年龄与肺癌风险之间存在统计学上显著的关联，且为正向关联（年龄越大风险越高）。b.判断显著相关通常依据P值（假设P<0.05为显著）。根据模型结果：*职业暴露的HR=2.5，其95%CI(1.2,5.3)不包含1，且P值显著，说明职业暴露与肺癌风险显著相关。*年龄的HR=1.1per10years，其95%CI(1.0,1.2)不包含1，且P值显著，说明年龄与肺癌风险显著相关。*吸烟史的HR=1.8，其95%CI(0.9,3.6)包含1，且P值不显著（假设），说明根据当前模型结果，吸烟史与肺癌风险之间没有统计学上显著的关联。3.在Cox模型中，协变量“干预措施”与“时间”的交互作用项的Wald检验P值显著，通常意味着该交互作用项本身在统计上显著。其含义是，“干预措施”对事件发生风险的影响程度不是恒定的，而是随时间的变化而变化。具体来说，如果“干预措施”是二元的（如TreatmentvsControl），那么干预组相对于对照组的风险比（HR）会随着时间的推移而变化；如果干预措施是连续的，那么风险比会随该连续变量的数值变化而