SPSS 教程 | 生存分析的 Cox 回歸模型

一生存分析基本概念

 1、事件（Event）

指研究中規定的生存研究的終點，在研究開始之前就已經制定好。根據研究性質的不同，事件可以是患者的死亡、疾病的復發、儀器的故障，也可以是下崗工人的再就業等等。

 2、生存時間（Survival time）

指從某一起點到事件發生所經過的時間。生存是一個廣義的概念，不僅僅指醫學中的存活，也可以是機器出故障前的正常運行時間，或者下崗工人再就業前的待業時間等等。有的時候甚至不是通用意義上的時間，比如汽車在出故障前的行駛里程，也可以作為生存時間來考慮。

 3、刪失（Sensoring）

指由于所關心的事件沒有被觀測到或者無法觀測到，以至于生存時間無法記錄的情況。常由兩種情況導致：（1）失訪；（2）在研究終止時，所關心的事件還未發生。

4、生存函數（Survival distribution function）

又叫累積生存率，表達式為 S（t）=P（T>t）， 其中 T 為生存時間，該函數的意義是生存時間大于時間點 t 的概率。t=0 時 S（t）=1，隨著 t 的增加 S（t） 遞減（嚴格的說是不增），1-S（t）為累積分布函數，表示生存時間 T 不超過 t 的概率。

二生存分析的方法

1、生存分析的主要目的是估計生存函數，常用的方法有 Kaplan-Meier 法和壽命表法。對于分組數據，在不考慮其他混雜因素的情況下，可以用這兩種方法對生存函數進行組間比較。

2、如果考慮其他影響生存時間分布的因素，可以使用 Cox 回歸模型（也叫比例風險模型），利用數學模型擬合生存分布與影響因子之間的關系，評價影響因子對生存函數分布的影響程度。這里的前提是影響因素的作用不隨時間改變，如果不滿足這個條件，則應使用含有時間依存協變量的 Cox 回歸模型。

三舉例說明

下面用一個例子來說明 SPSS 中 Cox 回歸模型的操作方法。

例題：研究胰腺癌術中放療對患者生存時間的影響

收集了下面所示的數據：

操作步驟：

SPSS 變量視圖：

菜單選擇：

點擊進入 Cox 主對話框，如下，將 time 選入「時間」框，將代表刪失的 censor 變量選入「狀態」框，其余分析變量選入「協變量」框，其余默認就行。

點擊「狀態」框下方的「定義事件」，將事件發生的標志設為值 0，即 0 代表事件發生。

在主對話框中點擊「分類」按鈕，進入如下的對話框，將所有分類變量選入右邊框中。

在主對話框中點擊「繪圖」按鈕，進入如下的對話框，選擇繪圖的類型，這里只選擇「生存函數」。由于我們關心的主要變量是 trt（是否放療），所以將 trt 選入「單線」框中，繪制生存曲線。

在主對話框中點擊「選項」按鈕，進入如下的對話框，設置如下，輸出 RR 的 95% 置信區間?；氐街鹘缑?，點擊「確定」輸出結果。

結果輸出：

這是案例處理摘要，有一個刪失數據。

這是分類變量的編碼方式。

這是對擬合模型的檢驗，原假設是「所有影響因素的偏回歸系數均為 0」，這里可以看出 P=0.032<0.05 拒絕原假設，認為有偏回歸系數不為零的因素，值得進一步分析。

這是多元回歸結果，第二列 B 為偏回歸系數，最后三列為 OR 值及其置信區間。由 P 值可以看出，在 0.5 的顯著水平下，只有 trt 有統計學差異，OR 為 2.265。

這是協變量的平均值。

這是總體的生存函數，即累積生存率函數。

這是在控制了其他變量后，有無放療組的生存函數對比，可以看出，術中放療患者的生存情況優于不放療的患者。