生存分析基础知识

本篇内容很乱很乱并且没啥逻辑，我的建议是别看！！！！

Chapter 1：生存分析-基础知识梳理

一、生存分析基本流程

生存分析常用于研究能够明确划分起止点的现象。

（一）研究目的

（常见研究目的）

a.描述生存过程：绘制出生存曲线、估计生存率、计算中位生存期、平均存活时间等。

b.比较不同处理组的生存率：对于不同的处理组，比较生存率是否有差，如：哪个治疗方案更优。

c.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。

（二）研究内容

确定内容：明确您的研究目的和要回答的问题。
数据收集：确定研究问题及相关的数据，这些数据通常包括个体的生存时间或观察时间，以及是否发生事件的信息（例如，患病或死亡）。
数据处理：对数据进行预处理，包括处理缺失值、异常值和选择合适的变量等。生存数据通常涉及到“右侧截尾”现象，即在研究结束前，部分个体可能还未发生事件，这需要得到妥善处理。

（三）研究方法

参数法（已知生存时间服从某一特定分布，如指数分布，Weibull分布等）、

非参数法（现实中多数生存时间并不符合分布，如KM估计）、

半参数法（规定了影响因素和生存状况间特定的关系，但是没有对时间的分布情况加以限定，如cox比例风险模型）；

二、生存分析基本概念

（一）数据类型：删失vs截断

完全数据、删失数据、截断数据（此处我不太能准确描述，仅阐述个人理解）

• 删失数据：只知道试验个体的部分信息，存在信息缺失，但对研究存在一定意义，不能完全删去。如：与样本失去联系、无法观察到结局（死于其他原因）、研究截至时个体仍然活着等。

类型：左删失、右删失、区间删失、广义右删失等；

• 截断数据：在研究中，淘汰了一些对象（样本），使得研究者无法意识到他们的存在。类似“抛弃”，研究中直接排除这部分数据。例如：研究者在研究乳腺癌痊愈时间，规定只研究年龄大于30岁的人，那么患过乳腺癌且在30岁前已经治愈的这部分人群就被截断掉，不用于研究。

类型：左截断、右截断等。

不难看出，截断是主动的，研究者主动进行抉择；删失是被动的，研究者无法控制的。

（二）基本函数

1.累计分布函数F(X)、密度函数f(X)

• 分布函数：反映寿命X的基本分布状况

2.生存函数S(X)

• 生存函数（Survival function）：生存时间大于x

$$S(x)=1-F(x)$$

3.危险率函数h(X)

• 危险率函数（Hazard function）：（条件风险函数）在x处存活的个体，在下一个单位时间内瞬间死亡的概率
  $$h(x)=li{m}_{\Delta x\to 0}\frac{f(x<X<x+\Delta x|X>x)}{\Delta x}$$

• 连续型：
  $$h(x)=\frac{f(x)}{S(x)}=-dln[S(x)]/dx$$

• 离散型：$$h(x_j)=1-\frac{S(x_j))}{S(x_{j-1})}$$

4.累计危险率函数H(X)

• 累计危险率函数

• 连续型：
  $$H(x)={\int }_0^{x}h(u)du=-lnS(x)$$

• 离散型：（为了保证函数的连续性）
  $$H(x)=\prod _{x_j\le x}ln[1-h(u)]$$

（三）常用指标

• 平均剩余寿命（mean residual life）
  $$mrl(x)=E(X-x|X>x)$$
• 连续型：$$mrl(x)=\frac{{\int }_x^{\infty }(u-x)f(u)du}{S(x)}=\frac{{\int }_x^{\infty }S(u)du}{S(x)}$$

当x=0时，mrl(x)即为生存曲线所围面积（期望）
$$mrl(0)={\int }_0^{\infty }uf(u)du={\int }_0^{\infty }S(u)du$$

• 寿命中位数：
  找分位数$$S(x_{0.5})=0.5$$

函数关系总结：四个函数可以彼此之间确定

（四）生存时间常见服从分布

1.指数函数

关键：危险率函数为一个常数，与生存时间无关（指数分布的无记忆性）

延申：两参数指数分布

背景：对电子元件，一般存在一个Gurantee time，在该期间不会产生故障，又称作最小存货时间。

2.韦布尔分布（Weibull Distribution）

此时危险率函数不再是常数，因而比指数分布有更广阔的应用

延申：三参数韦布尔分布

3.对数正态分布

危险率函数呈驼峰状，随着生存时间的增加，危险率函数首先达到最大值，随后递减

4.Log-logistic分布

Y=ln(X)服从Logistic分布

当γ>1时，危险率函数在x=0处为0，然后递增，到达峰值后递减

当γ<=1时，危险率函数单调下降

5.Gamma分布

常用于工业可靠性和人类生存的建模问题。其包含了指数分布和卡方分布。

当β>1时，危险率函数随着时间增加，单调上升，称为正老化

当β=1时，危险率函数为常数

当0<β<1时，危险率函数随着时间增加，单调下降，称为负老化

（五）三种常见回归模型（影响因素分析）

Q：为什么要建立回归模型？

A：因为在真实的研究当中，存在着多种多样影响着试验个体生存状态或未来生存前景的因素，
仅研究生存时间X服从的分布是远远不够的，需要建立回归模型以研究这些因素对个体生存的影响。

$X$ - 生存时间；$W$ - 误差；

$Z$ - 解释变量/协变量/自变量：影响个体生存状态及未来生存前景的相关因素；

$S_0(x)$ - 基本生存函数，除去这些影响因素后，同质的部分；

$h_0(x)$ -基本危险率函数，除去这些影响因素后，同质的部分；

1.加速失效模型

令$Y=ln(X)$

$$Y=\mu +{\gamma }^{T}Z+\sigma W$$

该式被称为加速失效模型。

$Z^T(x)=(Z_1(x),..,Z_p(x))$为解释变量；

W是误差分布，常服从：正态分布（此时X服从对数正态）；极值分布（此时X服从Weibull分布）；Logistic分布（此时X服从log-logistic分布）。

模型“加速失效”的含义：

已知 S ( x ∣ Z ) = S 0 ( x ⋅ e x p ( μ + σ W ) ) = S 0 ( x ⋅ e x p ( − γ T Z ) ) S(x|Z)=S_0(x\cdot exp(\mu+\sigma W ))=S_0(x\cdot exp(-\gamma^T Z)) S(x∣Z)=S