COX回归在医学研究中备受欢迎,应该注意到,它的使用需要满足两个前提假定:
1)等比例风险(Proportional hazards)假定
2)比例风险的对数值与协变量之间的线性关系假定
其中PH等比例风险假定是必须要满足的,所谓等比例风险,即危险因素对生存的影响在任何时间都是相同的,不随时间的变化而变化。如果遇到不满足PH假定的,应当考虑使用依时协变量COX回归模型。
至少有3种可判断PH假定的方法,今天介绍的这个方法对于SPSS用户来说,无疑是最简单最高效的一个。
01
案例数据
收集到30例病人的生存时间、结局即可能影响因素,数据选自李晓松老师著《卫生统计学》第8版。数据变量如下。
研究目标变量包括生存结局和生存时间(以月为单位),可能的影响因素变量包括年龄、肿瘤分级(3水平)、肿瘤大小(2水平)、是否复发(2水平)4个,其中年龄为连续数据。
接下来,以肿瘤分级因素为例,讨论该因素下对生存的作用是否满足PH等比例风险假定。
02
PH假定判断方法
本号建议直接在COX回归分析中,输出【负对数的对数】生存图来进行直观观察,即横坐标是时间的对数,纵坐标是生存函数的对数的对数。
基本判断方法:如果上图的生存曲线大致平行,那么COX回归的PH条件成立,曲线不是平行的而有交叉现象,则PH条件不成立。
依次点击菜单【分析】→【生存分析】→【Cox回归】,打开主对话框。
1)生存时间和生存状态移入对应的变量框内,然后点开【定义事件】,关于生存数据的研究,我们必须唯一定义事件的结局,本例生存事件是“死亡”,它的数字编码是数字1,所以填入数字1即可。
2)将可能的因素统一移入协变量框内,方法选择【向前LR】或【输入】,可根据自己的研究来选定。
3)打开【图】按钮,勾选【生存分析】。
4)一定要点击【负对数的对数】生存曲线图,它是我们此次案例实践的目标,要用于PH假定判断的。
5)重点考察的因素移入【针对下列各项绘制单独的线条】,主要是为了看不同组生存率的区别。
其他参数设定,可参考《SPSS统计实践:Cox比例风险模型回归分析》一文。本例主要是要输出不同组间的【负对数的对数】生存曲线图。
03
结果解读
其他结果的解读参考《SPSS统计实践:Cox比例风险模型回归分析》一文,现在我们直接来看不同组间的【负对数的对数】生存曲线图。
大家来看上图,所有研究数据按肿瘤分级被分为3组,给出3条生存曲线,这3条生存曲线大致平行,考察的因素对生存风险的作用在不同时间点变化的比例基本一致,3个组(或3条曲线)的生存风险等比例变化,这个风险比例不随时间变化而变化,那么COX回归的PH条件成立。
提示通过了基本假定条件,该研究数据使用Cox回归模型是合适的。
本文完
文/图=数据小兵
参考资料:参考自小白学统计公号
SPSS案例实践:Kaplan-Meier生存分析
SPSS统计分析案例:生存分析之寿命表
绝对超值:一对一答疑
视频地址:
https://study.163.com/course/introduction/1003945001.htm?share=1&shareId=1149679450
评论已关闭!