spss进行时变系数模型分析

我们在临床研究中，经常要研究疾病与生存率的关系，cox回归是用得比较常见的模型之一。Cox 比例风险模型依赖于风险随时间变化的假设（PH假设），意思是协变量对结局的影响随着时间变化是固定的。然而现实中常有不满足于PH假设的情况。如文章：All-cause and cause-specific mortality associated with diabetes in prevalent hemodialysis patients中报道了一个人的糖尿病状态可能会随着时间而变化，尿毒症患者肾功能随着时间变化加重，因此Cox 比例风险模型用在此处不合适，我们可以选用COX回归模型的扩展，一般有两种内在和外部，见下图

既往我们已经介绍了R语言进行COX时变系数模型，今天来聊下spss进行时变系数模型，继续使用我们的肺癌数据，我们先把数据导入

我们先来看一下数据（公众号回复：肺癌，可以获得数据），inst机构代码，time以天为单位的生存时间，status:结局变量，1为死亡0为存活，age: 年龄，sex: 男=1 女=2，ph.ecog: 由医师评定的 ECOG 表现评分。 0 = 无症状，1 = 有症状但完全不卧床，2 = 卧床时间 < 50%，3 = 卧床时间 > 50% 但不卧床，4 = 卧床，ph.karno: 由医师评定的 Karnofsky 表现评分（差=0-好=100），pat.karno: 由患者评定的 Karnofsky 性能评分，meal.cal: 用餐时消耗的卡路里，wt.loss: 过去六个月的体重减轻（磅）
在既往文章《R语言进行COX时变系数模型（含时间依存协变量的Cox回归模型）》中，我们已经知道ph.karno这个变量不满足于PH假设，我这里就不在验证，直接用了。SPSS进行时变系数模型主要是要生成一个依时协变量
点击：分析—生存分析—含依时协变量COX

在图上依次点击：算术—LN----time[T_]

然后乘以我们的ph.karno变量，这样变量就设置好了

点击模型，进行设置


点击确定得到结果

表明ph.karno的作用会随着时间的变化而变化，对HR= EXP( - 0.115 + 0.023 * LN(time))
我们带入时间进行转换

生成了新的指标HR，然后绘制散点图

添加拟合线


得出图形拟合线

可以看出ph.karno变量随时间变化导致的系数变化，和R做出来的基本差不多，但是得出的信息不如R多，绘图能力也相对较弱。