本篇内容很乱很乱并且没啥逻辑,我的建议是别看!!!!
生存分析-目录
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 ) S(x)=1-F(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 ) = l i m Δ x → 0 f ( x < X < x + Δ x ∣ X > x ) Δ x h(x)=lim_{\Delta x\rightarrow 0}\frac{f(x<X<x+\Delta x|X>x)}{\Delta x} h(x)=limΔx→0Δxf(x<X<x+Δx∣X>x) -
连续型:
h ( x ) = f ( x ) S ( x ) = − d l n [ S ( x ) ] / d x h(x)=\frac{f(x)}{S(x)}=-dln[S(x)]/dx h(x)=S(x)f(x)=−dln[S(x)]/dx -
离散型: h ( x j ) = 1 − S ( x j ) ) S ( x j − 1 ) h(x_j)=1-\frac{S(x_j))}{S(x_{j-1})} h(xj)=1−S(xj−1)S(xj))
4.累计危险率函数H(X)
-
累计危险率函数
-
连续型:
H ( x ) = ∫ 0 x h ( u ) d u = − l n S ( x ) H(x)=\int_{0}^{x}h(u)du=-lnS(x) H(x)=∫0xh(u)du=−lnS(x) -
离散型:(为了保证函数的连续性)
H ( x ) = ∏ x j ≤ x l n [ 1 − h ( u ) ] H(x)= \prod_{x_j\leq x}ln[1- h(u)] H(x)=xj≤x∏ln[1−h(u)]
(三)常用指标
- 平均剩余寿命(mean residual life)
m r l ( x ) = E ( X − x ∣ X > x ) mrl(x)= E(X-x|X>x) mrl(x)=E(X−x∣X>x) - 连续型: m r l ( x ) = ∫ x ∞ ( u − x ) f ( u ) d u S ( x ) = ∫ x ∞ S ( u ) d u S ( x ) mrl(x)=\frac{\int_{x}^{\infty}(u-x)f(u)du}{S(x)}=\frac{\int_{x}^{\infty}S(u)du}{S(x)} mrl(x)=S(x)∫x∞(u−x)f(u)du=S(x)∫x∞S(u)du
当x=0时,mrl(x)即为生存曲线所围面积(期望)
m r l ( 0 ) = ∫ 0 ∞ u f ( u ) d u = ∫ 0 ∞ S ( u ) d u mrl(0)=\int_{0}^{\infty}uf(u)du=\int_{0}^{\infty}S(u)du mrl(0)=∫0∞uf(u)du=∫0∞S(u)du
- 寿命中位数:
找分位数 S ( x 0.5 ) = 0.5 S(x_{0.5})=0.5 S(x0.5)=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 X X - 生存时间; W W W - 误差;
Z Z 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 ) S_0(x) S0(x) - 基本生存函数,除去这些影响因素后,同质的部分;
h 0 ( x ) h_0(x) h0(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 = l n ( X ) Y=ln(X) Y=ln(X)
Y = μ + γ T Z + σ W Y=\mu+ \gamma^T Z +\sigma W Y=μ+γTZ+σW
该式被称为加速失效模型。
Z T ( x ) = ( Z 1 ( x ) , . . , Z p ( x ) ) Z^T(x)=(Z_1(x),..,Z_p(x)) ZT(x)=(Z1(x),..,Zp(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