cox回归模型python实现_cox回归模型python实现_生存分析Cox回归模型(比例风险模型)的spss操作实例...

一、生存分析基本概念

1、事件(Event)

指研究中规定的生存研究的终点，在研究开始之前就已经制定好。根据研究性质的不同，事件可以是患者的死亡、疾病的复发、仪器的故障，也可以是下岗工人的再就业等等。

2、生存时间(Survival time)

指从某一起点到事件发生所经过的时间。生存是一个广义的概念，不仅仅指医学中的存活，也可以是机器出故障前的正常运行时间，或者下岗工人再就业前的待业时间等等。有的时候甚至不是通用意义上的时间，比如汽车在出故障前的行驶里程，也可以作为生存时间来考虑。

3、删失(Sensoring)

指由于所关心的事件没有被观测到或者无法观测到，以至于生存时间无法记录的情况。常由两种情况导致：(1)失访；(2)在研究终止时，所关心的事件还未发生。

4、生存率 (survival rate, survival

function)

指观察对象经历t个单位时段后仍存活的可能性。生存率通常随时间t的变化而变化，是时间t 的函数，故又称生存函数，生存率实质是累积生存概率。

二、生存分析的方法

1、生存分析的主要目的是估计生存函数，常用的方法有Kaplan-Meier法和寿命表法。对于分组数据，在不考虑其他混杂因素的情况下，可以用这两种方法对生存函数进行组间比较。

2、如果考虑其他影响生存时间分布的因素，可以使用Cox回归模型(也叫比例风险模型)，利用数学模型拟合生存分布与影响因子之间的关系，评价影响因子对生存函数分布的影响程度。这里的前提是影响因素的作用不随时间改变，如果不满足这个条件，则应使用含有时间依存协变量的Cox回归模型。

下面用一个例子