cox生存分析-从基本概念到参数求解

cox生存分析

第一次写分享，希望自己的工作对正在学习COX的你所有帮助，很多地方可能理解不到位，大家可以帮忙指正~互相学习

cox的基本概念

删失数据

在全面了解COX模型之前，我们要先知道，什么叫做删失数据（censored data）

1）event是什么？
在医学中，我们经常会将死亡看做一个event发生，因此很多资料都会以死亡作为例子，但是很多同学可能不是应用在医学领域，因此我们这里使用事件发生作为感兴趣的，客户违约可以看做一个"event"、发生某种疾病也是一个"event"…
2）删失数据是什么？
删失数据（censored data）和缺失数据(missing data) 有本质的区别，在上图里，我们整个观测期为2。
1.看第一个个体，该个体在时刻1的时候发生event，这时候我们就认为第一个个体在1时刻event发生，记作$T_1=1$。
2.看第二个个体，在1.5这个时刻，该个体不见了，这种情况我们就认为发生了删失，记作$T_2>1.5$。
3.看第三个个体，该个体在整个观测期都没有发生event，这种情况我们就认为发生了删失，记作$T_3>2$。

COX基本概念

T：受试者的生存时间
S(T): 生存函数 $S(T)=P(T>t)={\int }_t^{\infty }f(x)dx=1-F(t)$
h(t): 风险函数，即这个人在t时刻瞬时死亡率
$h(t)={\lim }_{dt\to 0}\frac{P(T<t+dt\mid T>t)}{dt}={\lim }_{dt\to 0}\frac{P(t<T<t+dt)}{P(T>t)dt}={\lim }_{dt\to 0}\frac{P(t<T<t+dt)}{S(t)dt}\stackrel{\text{ 积分中值定理 }}{=}\frac{f(t)}{S(t)}$
H(t): $H(t)={\int }_0^{t}h(x)dx$
我们的目的是得到出S(T)、h(t)、H(t)，实际上求出三个中的一个，其他的也相应可以得到：
$\mathrm{h}(\mathrm{t})=\frac{\mathrm{f}(t)}{S(t)}=\frac{-S^{\prime }(t)}{S(\mathrm{t})}\Rightarrow H(t)=-\ln S(t)\Rightarrow S(t)=e^{-H(t)}=e^{-{\int }_0^{t}h(x)dx}$

用kaplan-Meier method法估计生存函数

结论

假设现在的数据集有k个不同的生存时间, ${\mathrm{t}}_1<{\mathrm{t}}_2\dots <{\mathrm{t}}_k$ ,
${\mathrm{n}}_i:$ 在 $t_i$ 时刻, ${\mathrm{n}}_i$ 个受试者处于风险之中(event未发生, 且不是删失数据)
${\mathrm{d}}_i:t_i$ 时刻发生event的人
那么有S(t)的估计值:
$$\widehat{S(t})=\prod _{i:t_i\le t}\left(1-\frac{{\mathrm{d}}_i}{n_i}\right)$$

举例

举个例子：
一家生物技术公司进行了一项为期 2 年的临床试验，测试了新型心脏瓣膜的功效。 记录了 10 名植入心脏瓣膜的患者的存活时间（以月为单位）。 观察旁边的加号“+表示观察被删失。 数据是
$$24+,16+,8,19,10,8+,5,17,20,10$$
因此，有八个不同的生存时间，按升序给出：
$$\begin{array}{llllllll}5,& 8,& 10,& 16,& 17,& 19,& 20,& 24\end{array}$$
那么其生存函数可以通过如下的估计给出：
$$\begin{array}{rrrcrc}\text{ 时刻 }& \text{处于风险之中 }& \text{死亡}& \text{ 删失数据 }& \text{ 生存率 }& \text{ 估计量 }\\ t_i& n_i& d_i& \text{ at Time }{t}_i& \left(1-\frac{d_i}{n_i}\right)& \hat{S}(t),t_i<t<t_{i+1}\\ 0& 10& 0& 0& 1-0=1.00& 1.00\\ 5& 10& 1& 0& 1-\frac{1}{10}=0.90& (1.00)(0.90)=0.90\\ 8& 9& 1& 1& 1-\frac{1}{9}=0.89& (0.90)(0.89)=0.80\\ 10& 7& 2& 0& 1-\frac{2}{7}=0.71& (0.80)(0.71)=0.57\\ 16& 5& 0& 1& 1-0=1.00& (0.57)(1.00)=0.57\\ 17& 4& 1& 0& 1-\frac{1}{4}=0.75& (0.57)(0.75)=0.43\\ 19& 3& 1& 0& 1-\frac{1}{3}=0.67& (0.43)(0.67)=0.29\\ 20& 2& 1& 0& 1-\frac{1}{2}=0.50& (0.29)(0.50)=0.15\\ 24& 1& 0& 1& 1-0=1.00& (0.15)(1.00)=0.15\end{array}$$
跟着这个例子算一遍，你就知道 $\widehat{S(t})={\prod }_{i:t_i\le t}\left(1-\frac{{\mathrm{d}}_i}{n_i}\right)$ 是怎么算的。

证明

下面对$\widehat{S(t})={\prod }_{i:t_i\le t}\left(1-\frac{{\mathrm{d}}_i}{n_i}\right)$ 进行证明：
$S\left(t_i\right)=P\left(T>t_i\right)=P\left(T>t_i\mid T>t_{i-1}\right)P\left(T>t_{i-1}\right)=P\left(T>t_i\mid T>t_{i-1}\right)S\left(t_{i-1}\right),$ 令 P ( T > t i ∣ T > t i − 1 ) = π i P\left(T>t_{i} \mid T>t_{i-1}\right)=\pi_{\mathrm{i}} P(T>t