Zstats风暴统计教程（9）：生存分析方法

本篇是风暴统计平台教程系列的第九章，将详细介绍生存分析模块各功能。

生存分析方法模块包含的功能有：

• 生存曲线

• Cox比例风险模型（批量单因素、多因素、逐步回归法）

• Cox回归森林图（回归结果可视化，自动生成森林图）

下面我们就对各功能展开详细介绍。

01

生存曲线

生存曲线是对生存过程的一种描述。平台的操作只需选入生存结局变量、生存时间变量。

而生存曲线分组变量，可以选填。无分组变量时，将会描述全人群的生存状况；选入分组变量后，则会对不同分组下人群的生存状况进行描述。

KM曲线部分除了图像，还提供了其他两个重要信息表：

①风险表

在每个时间点仍处于研究中的受试者数量（包括尚未发生事件(如死亡)的受试者、尚未被删失的受试者）。随着时间推移，受试发生事件/被删失，人数会减少。

主要起到描述的作用，通过调整"坐标轴与标签设置"——"x轴间隔"，展示的信息会更加详细。

②中位生存时间表

• N：样本量，示例数据中包括女性790人、男性1042人；

• Events：事件数，其中女性发生了201个研究关注的阳性事件、男性发生66个；

• Median(95%CI)：中位生存时间及95%置信区间，代表恰有50%受试者存活的时间。这里结果显示男性出现了NA，是因为一直到随访结束，男性群体的存活人数一直大于50%，导致结果无法估算。

• Rate/1000(person-years)：每1000人年的时间率

• Log-rank P value：两组间生存时间的差异比较，P<0.001，表明性别对生存时间有统计学显著影响。

平台提供了多种中位生存时间计算方法，结果上近似，推荐使用log法，最常用且表现良好。

• log：对数转换法

• log-log：双对数转换法

• plain：原始尺度法

• logit：logit转换法

• arcsin：反正弦平方根转换

KM曲线的绘制与结果解读介绍完了，我们再简单讲一下左侧提供的一系列细节调整框。

这里推荐大家绘图时多做尝试，可以对每个参数有个了解。这里主要介绍一下"绘制累计率曲线"参数，就可以得到累计发生率曲线。

KM曲线与累计发生率曲线有何区别？ KM曲线从1开始（100%生存率），随着事件的发生而逐步下降，主要关注生存率，适用于没有竞争风险或竞争风险不重要的情况。 累计发生率曲线从0开始，随着特定事件的发生而逐步上升，关注特定事件的累积发生率，适用于存在竞争风险的情况。

02

Cox比例风险模型

这里选入研究的生存结局变量、生存时间变量、自变量。

需要注意的是，因变量必须为二分类，最好以1代表阳性事件（发生结局），0代表对照组（未发生结局）。如果以其他数字赋值，也可以在绿色选框（见下方图示）中勾选对应的数字。

其次，选择自变量的筛选方式，包括P阈值，回归方法。

P阈值决定了单因素分析时，P值小于多少会进入多因素回归。一般为0.05，当进入多因素回归的变量过少时，也可以放宽要求，0.1，0.2也是可以的。

回归方法大致有三类，先单后多法，逐步回归法，根据P<0.05筛选。

• 先单后多法（是否开展逐步回归选"否"），根据单因素回归的P阈值限制变量进入多因素模型。当P阈值选择不限制时，单因素的全部变量进入多因素回归。

• 逐步回归法，分为双向、向前、向后。对符合P阈值要求的变量开展逐步回归。

• 根据P<0.05筛选，本质上也是一种逐步回归，可以保证最终多因素模型中的每个变量P<0.05。

为什么选择逐步回归? ①自动化特征选择：在自变量数量较多的情况下，逐步回归能够高效地筛选出对因变量有显著影响的特征，减少人为选择的主观性。 ②处理多重共线性：通过选择变量组合，逐步回归有助于减少自变量之间的多重共线性问题。 ③提高模型解释性：通过剔除不显著的变量，模型变得更加简洁，便于解释和理解。 ④防止过拟合：通过限制自变量数量，逐步回归有助于降低模型的复杂度，减少过拟合风险。 不过，逐步回归更推荐用在构建预测模型研究中，常见的影响因素研究，使用先单后多就够了。

完成选择后，就得到我们单因素与多因素分析的结果了。

结果参数说明： ①β：回归系数，对应SPSS输出结果b值 ②S.E：回归系数的抽样误差，即标准误 ③Z：是各个回归系数进行假设检验的统计量，对应SPSS输出结果瓦尔德卡方值（wald=Z平方） ④P：小于0.05，说明自变量与因变量回归关系成立。 ⑤HR（95%CI）：代表回归系数及95%置信区间。

结果解读：

输出结果中，我们主要关注回归P值与HR（95%CI）。P<0.05的前提下，HR值大于1，提示自变量是阳性事件发生的促进因素；HR值小于1，提示暴露因素是阳性事件的阻碍因素。

以本例多因素回归结果为例，协变量性别中P<0.001，HR=0.29。代表男性人群发生结局的风险是女性群体的约0.29倍。

03

Cox回归森林图

这里提供了Cox回归结果的单因素、多因素森林图，对三线表结果增加了可视化转换。

左侧还设置了对应一系列菜单栏，可以对图形的各个方面进行自定义调整。

点估计与置信区间设置、其他颜色设置，主要是对图像显示内容与各部分样式进行修改，鼓励大家多尝试进行了解。

坐标轴与标签设置，这里重点标注了2个地方，大家可以关注一下。

• 字号，当我们的森林图因为变量过多而显示不完全时，可以通过调整字号大小，来使图像显示完整。

• X轴设置，当因为置信区间过宽或过窄，导致图像中的点估计与参考线显示不全面时，可以通过限制x轴范围或者进行转换，使图像显示更加匀称美观。

最后，可以将编辑好的森林图下载下来，支持pdf、jpeg、pnd、tiff格式，推荐下载pdf格式，可以对图像中的文字进行编辑。

温馨提示：如果下载的图像显示不完全，可以将曲线页面由A4调整为自定义，设置合适的长和宽之后再进行下载。

以上就是关于风暴统计平台Cox回归方法模块的详细教程。

下篇预告：Zstats风暴统计教程（10）：Cox回归控制混杂偏倚

---

郑重声明

Zstats-AI 平台

√浙中医大统计老师郑卫军主持

√ 基于R语言软件开发

√ 免费使用，无需注册直接使用

√ 一键生成发表级图表

www.medsta.cn/software

（电脑端浏览器打开）