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。

下面用一个例子来说明SPSS中Cox回归模型的操作方法。

例题

要研究胰腺癌术中放疗对患者生存时间的影响，收集了下面所示的数据：

操作步骤：

SPSS变量视图

菜单选择：

点击进入Cox主对话框，如下，将time选入“时间”框，将代表删失的censor变量选入“状态”框，其余分析变量选入“协变量”框。其余操作要对”定义事件“、“分类”、“绘图“和”选项“分别设置。

点击“状态”框下方的“定义事件”，将事件发生的标志设为值0，即0代表事件发生。

在主对话框中点击“分类”按钮，进入如下的对话框，将所有分类变量选入右边框中。

在主对话框中点击“绘图”按钮，进入如下的对话框，选择绘图的类型，这里只选择“生存函数”。单线(F)只能放分类协变量，由于我们关心的主要变量是trt(是否放疗)，所以将trt选入“单线”框中，绘制生存曲线。

在主对话框中点击“选项”按钮，进入如下的对话框，设置如下，输出RR的95%置信区间。回到主界面，点击“确定”输出结果。

主要结果输出：

这是对拟合模型的检验，原假设是“所有影响因素的偏回归系数均为0”，这里可以看出P=0.032<0.05拒绝原假设，认为有偏回归系数不为零的因素，值得进一步分析，也说明此时模型拟合的最好。

这是多元回归结果，第二列B为偏回归系数，最后三列为OR值及其置信区间。由P值可以看出，在0.05的显著水平下，只有trt有统计学差异，OR为2.265。即有无术中放疗对患者生存时间有影响。

这是总体的生存函数，即累积生存率函数。这是在控制了其他变量后，有无放疗组的生存函数对比，可以看出，术中放疗患者的生存情况优于不放疗的患者。数据分析师培训