SPSS for 生存期

来源于网站http://www.bioon.com/biology/spss/Index.shtml SPSS 10.0高级教程十四：Survival菜单详解（2） 董伟 §13.3    Cox Regression过程 上面给大家介绍的是两种生存分析方法，但它们只能研究一至两个因素对生存时间的影响，当对生存时间的影响因素有多个时，它们就无能为力了，下面我给大家介绍Cox Regression过程，这是一种专门用于生存时间的多变量分析的统计方法。 Cox Regression过程主要用于： 1、 用以描述多个变量对生存时间的影响。此时可控制一个或几个因素，考察其他因素对生存时间的影响，及各因素之间的交互作用。 例13.3 40名肺癌患者的生存资料（详见胡克震主编的《医学随访统计方法》1993，77页） 生存时间 状态 生活能力评分 年龄 诊断到研究时间 鳞癌 小细胞癌 腺癌 疗法 癌症类别 411 1 70 64 5 1 0 0 1 1.00 126 1 60 63 9 1 0 0 1 1.00 118 1 70 65 11 1 0 0 1 1.00 注：原数据库是用亚变量定义肺癌分类：0，0，0为其它癌；1，0，0为鳞癌；0，1，0为小细胞癌；0，0，1为腺癌。中的最后一个变量是我加上去的癌症类别，1为鳞癌；2为小细胞癌；3为腺癌；4为其它癌。实践表明结果与用亚变量计算一样。 13.3.1    界面说明 图9    Cox回归主对话框 【Time】框、【Status】框前文已经介绍过了，这里我就不再废话唠叨的了。Block 1 of 1右边的Next钮被激活。这个按钮用于确定不同自变量进入回归方程的方法，详见Method框的。用同一种方法进入回归方程的自变量在同一个Covariates框内。 【Covariates】框 选入自/协变量，即选入你认为可能对生存时间有影响的变量。 【Method】框 选择自变量进入Cox回归方程的方法，SPSS提供下面几种方法： · Enter: Covariates框内的全部变量均进入回归模型。 ·  Forward: Conditional: 基于条件参数估计的向前法。 · Forward: LR: 基于偏最大似然估计的向前法。 ·  Forward: Wald: 基于Wald统计量的向前法。 ·  Backward: Conditional: 基于条件参数估计的后退法。 ·  Backward: LR: 基于偏最大似然估计的后退法。 ·  Backward: Wald: 基于Wald统计量的后退法。 【Strata】框 定义分层因素,将生存时间按分层因素分别进行Cox回归。 【Categorical】选项 用于告诉系统，Covariates框内的变量中哪些是分类变量或字符型变量。系统默认字符型变量为分类变量，数字型变量为连续型变量。 选入自变量后，categorical钮被激活。按categorical钮，进入确定分类变量的对话框。见图10。 图10   确定分类变量对话框 左边的Covariates框中列出了刚刚被选取的自变量，将分类变量选入Categorical Covariates框中。此时Change Contrast框被激活，请你选择比较方法，即计算参数OR/βi的方法。当选入分类变量后，Change Contrast框被激活，此时可选择比较方法。SPSS提供下面几种比较方法。 · Indicator:指示对比。用于指定某一分类变量的基线，即参照水平。这样计算出来的参数OR/βi是以该变量的第一个或最后一个水平为基准水平（取决于下面的reference category中你选择的是last还是first）。在这里SPSS自动创建亚变量，对照水平在对比分类矩阵中用0行代表。在这里我再多说两句，如本例中的肿瘤类型，若规定鳞癌为1，小细胞癌为2，腺癌为3，其它癌为4。若选indicator及last,则以其它癌为参照，计算出来的OR及βi是以其它癌为基准，即其它癌的OR为1，其他计算出来的OR值是与其它癌相比的结果。 · Simple:差别对比。可计算该分类变量的各水平与参照水平相比的OR值。参照水平自己当然就不用跟自己相比了。对于本例来说，Simple与Indicator选项是一样的，前提是下面的Reference Category中你所选择的同是last（或first）。 · Difference:差别对比。分类变量欲比较水平与其前面的各水平平均值进行比较，当然也不包括第一水平。与Helmert法相反，因此也叫反Helmert法。如3水平与1、2水平的平均值相比，下同。 ·  Helmert:赫尔默特对比。分类变量欲比较水平与其后面各水平平均值进行比较，当然不包括最后一个水平。 ·  Repeated:重复对比。分类变量的各水平与其前面相邻的水平相比较（第一水平除外）。 ·  Polynomial:多项式对比。仅用于数字型的分类变量。无效假设是假设各水平是等距离的（可以是线性的关系，也可以是立方、四次方的关系）。例如年龄每增加10岁，死亡风险的增加值是一样的，但实际情况常常与此相反，如在20岁与60岁年龄段，年龄都增加10岁，所增加的死亡风险肯定是不一样的，具体情况需根据各人的研究课题，专业而定。 ·  Deviation:离差对比。除了所规定的参照水平外，其余每个水平均与总体水平相比。 · Reference category：如果你选择了Deviation, Simple, 或Indicator三个选项，就必须选择First或Last作为参照水平。 完成上述选择后，击change钮，确认选择。  你若对上面写的一段不感兴趣的话，可跳过去，直接用系统默认的选项。 【Plots】选项 图11              Cox回归统计图对话框         Survival：累积生存数曲线。         Hazard：累积风险函数曲线。         Log minus log：对数累积生存函数乘以-1后再取对数。         One minus survival：生存函数被1减后的曲线。 ·  Change Value：系统默认用各变量的均数进行作图，但对字符型变量如癌症类型取均值则没有实际意义。若用分类变量的其它水平进行作图，则选定该变量，此时Change Value钮被激活，按Value钮，在其右边的框内输入你所想要用于作图的值。击Change。 ·  Separate Line for：输入分类变量的名称，此时可以用分类变量的不同水平进行作图，对于本例则可作出不同癌症的曲线。此分类变量必须包括在前面的自变量框中。 【Save】存为新变量 图12      Cox回归存为新变量对话框          Survival：生存函数。   Function：累积生存函数估计值。   Standard error：累积生存函数估计值的标准误。   Log minus log：对数累积生存函数乘以-1后再取对数。          Diagnostics：回归诊断。   Hazard function Cox-Snell：残差。   Partial residual：偏残差。   Dfbeta(s)：剔除某一观察单位后的回归系数变化量。   X*Beta：线性预测得分。 【Options】选项 击Options按钮，弹出选项对话框。 图13   Cox回归选项对话框          Model Statistics：模型统计量。   CI for exp(ß) 95%：相对危险度的可信区间。系统默认95%可信区间。   Correlation of estimates：回归系数的相关阵。          Display model：输出模型方式。          At each step：输出每一步的模型。系统默认。          At last step：输出最后一步的模型。          Probability for Stepwise：模型保留变量的显著性水平。   Entry：系统默认选入变量为P≤0.05。   Removal：系统默认剔除变量为P＞0.10。   Maximum Iterations：最大迭代次数，系统默认20次。   Display baseline function：输出风险基准函数以及基于各协变量均值的生存函数与风险函数。 操作如下： 1.       Analyze==>Survival ==>Cox regression 2.       Time框：选入survival time 3.       Status框：选入status；击define events钮,在single value框右边的空格中输入1； 4.       Covariate框：选入x1,x2,x3,x7,x8; 5.       Categorical列表框：选入x8; 6.       Plots 列表框：          Plot Type:选survival;          Separate Line for:选入x8; 7.       Option列表框：          Model Statistics:   选CI for exp(ß):输出回归系数ß的95%可信区间。   选Correlation of estimate:输出自变量的相关矩阵。 单击OK钮 13.3.2 结果解释： Cox Regression 上表输出总例数、删失例数、失访例数。 输出各种癌症的频数及系统所赋的亚变量x81、x82、x83值，当癌症类型是鳞癌时，x81取值为1，其它亚变量取值为0，依此类推。 Block 0: Beginning Block 模型拟合迭代过程，可不管它。 Block1: Method = Enter 描述模型参数（常数项除外）是否全为0，本例，χ2=30.120，自由度υ=7，P=0.000。说明βI不全为0。 对回归方程各参数的估计，B即ß值；SE，标准误；Wald，Wald卡方；df,自由度；sig，自由度；exp(B)，OR值；95%Ci for EXP(B)，OR值的95%可信区间。 自变量的相关矩阵。本例，X1与X2的相关系数是0.072，其它依此类推。 输出自变量的均数及其在不同模式下的取值，因X1，X2，X3，X7四个变量没有生成亚变量，故在此输出它们的均数。 输出在各自变量的均值水平时的累积生存函数曲线。 输出各种癌症的累积生存函数曲线。 §13.4  Cox w/Time-Dep Cov过程 Cox w/Time-Dep Cov过程应用于： 1.         在建立Cox回归方程时，风险比例可能会随时间变化而变化，即有些危险因素作用的强度随时间而变化，这样的资料是不适合前面所讲的一般的Cox回归模型的。此时，就应改为时间依存协变量模型，也称为非比例风险模型。你可把所怀疑的那个协变量及时间变量Ｔ_定义成时间依存协变量（多个协变量时就必须用编程来做了），常用的方法是把它们简单地进行相乘，然后通过对时间依存协变量系数的显著性检验来判断比例风险是否合理。 2.       用到Cox w/Time-Dep Cov过程的另一种情况是：有些变量虽然在不同的时间点取不同的值但与时间并非系统地相关，在这种情况下，需用逻辑表达式定义一个分段时间依存协变量，逻辑表达式取值1时为真，取0时为假。用一系列的逻辑表达式，你可以从一系列观测记录中建立自己的时间依存变量。例如：对病人血压每周观察一次，共观察4次，（变量名为BP1至BP4）。时间依存协变量可以这样定义：(T_ < 1) * BP1 + (T_ >= 1 & T_ < 2) * BP2 + (T_ >= 2 & T_ < 3) * BP3 + (T_ >= 3 & T_ < 4) * BP4（&表示“逻辑与”，即一般编程语言中的“AND”）。请注意括号中的值只能有一个取1，而其它的值只能取0，也就是说，这个函数意味着当时间小于一周时（此时第一个括号内取值为1，而其它括号内取值为0）使用BP1的值，大于一周而小于两周时使用BP2的值，依次类推。 下面请大家跟我一起看例子。因我到处找不到例子，所以我自己编了一个（因此我在此仅列出3例）。 例13.4 27名高血压病人共测了4次血压，计算高血压对生存时间的影响。 编号 BP1 BP2 BP3 BP4 生存时间 状态 1  93  97 102 133 55 0 2 111 164  91 149 36 1 3 111 173 129 123 7 1 13.4.1 界面说明 图14      构造时间依存变量对话框 【Expression for T_cov_】框： 左边的框中列出了数据库中的所有变量，以供构造时间依存变量用，其中的T_是系统提供的时间变量。可以用右边的各个键和SPSS提供的各种函数构造时间依存变量；也可以在右边的Expression for T_cov_框中直接输入时间依存变量的表达式。时间依存变量的表的是构造完以后，击Model钮，出现下面的对话框。 图15   定义模型对话框 对话框左边是数据库中出现的变量名。在【Time】中输入生存时间变量Time；【Status】中输入状态变量status；【Covariates】中输入时间依存变量T_COV_。因本例无其它协变量，如有别的不随时间变化的协变量，一并输入Covariates框中。 对话框中的其他选项均在Cox模型中介绍过，这里就不再罗嗦了。 13.4.2 结果解释 Cox Regression 上表输出总例数、删失例数、失访例数。 Block 0: Beginning Block 模型拟合迭代过程，可不管它。 Block1: Method = Enter 整个方程检验无统计学意义，χ2=1.702，υ=1，P=0.192。 输出方程中协变量的系数、标准误、Wald卡方值、自由度、P值、OR值。 输出协变量均数。 说明： 1.         对于分段时间依存协变量，有缺失值的病例将不能被分析。因此，你必须保证所有病例每个时间点均有协变量值。虽然这些值在分析中用不到，但它们能有效地防止这些病例被丢掉。例如，以上面规定的时间依存协变量为例，假使一个病例在第二周时终检，但它的BP3及BP4值仍必须有，可以取0或其它值，这个无关紧要，因为它们在统计分析中并不用到。 2.         那位又说了，既然寿命表法和Kaplan-Meier法都可以计算累积生存函数和风险函数，那么它们之间有什么差别呢？区别就在于寿命表法是生存时间分为许多时间段进行分析计算的，适用于大资料；而Kaplan-Meier法是计算每一终止事件发生时的生存率，适用于小样本资料。 SPSS教程第十五课：生存分析 生物谷  在临床诊疗工作的评价中，慢性疾病的预后一般不适合用治愈率、病死率等指标来考核，因为其无法在短时间内明确判断预后情况，为此，只能对患者进行长期随访，统计一定时期后的生存或死亡情况以判断诊疗效果。这就是生存分析。   第一节 Life Tables过程   14.1.1 主要功能     调用此过程时，系统将采用即寿命表分析法，完成对病例随访资料在任意指定时点的生存状况评价。   14.1.2 实例操作    ［例14-1］ 用中药+化疗（中药组，16例）和单纯化疗（对照组，10例）两种疗法治疗白血病患者后，随访记录存活情况如下所示，试比较两组的生存率。   中药组 对照组 随访月数 是否死亡 随访月数 是否死亡 10 2 12 13 18 6 19 26 9 8 6 43 9 4 31 24 否 是 是 否 否 是 是 否 是 是 是 是 否 否 否 否 2 13 7 11 6 1 11 3 17 7 是 否 是 是 否 否 否 否 否 否   14.1.2.1  数据准备     激活数据管理窗口，定义变量名：随访月数的变量名为TIME，是否死亡的变量名为DEATH，分组（即中药组与对照组）的变量名为GROUP。输入原始数据：随访月数按原数值；是否死亡的，是为1，否为0；分组的，中药组为1，对照组为2。   14.1.2.2  统计分析     激活Statistics菜单选Survival中的Life Tables...项，弹出Life Tables对话框（图14.1）。从对话框左侧的变量列表中选time，点击钮使之进入time框；在Display Time Intervals栏中定义需要显示生存率的时点，本例从0个月显示至48个月，间隔为2个月，故在0 through框中输入48，在by框中输入2。选death，点击钮使之进入Status框，点击Define Event...钮弹出Life Tables:Define Event for Status Variable对话框，在Single value栏中输入1，表明death = 1为发生死亡事件者；点击Continue钮返回Life Tables对话框。选group，点击钮使之进入Factor框，点击Define Range...钮，弹出Life Tables:Define Range for Factor Variable对话框，定义分组的范围，在Mininum框中输入1，在Maxinum框中输入2，点击Continue钮返回Life Tables对话框。   图14.1  生存资料的寿命表分析对话框         点击Options...钮弹出Life Tables: Options对话框，在Plot栏中选Survival项，要求绘制生存率曲线图；在Compare Levels of First Factor栏中选Overall项，要求作组间生存状况的比较。之后点击Continue钮返回Life Tables对话框，再点击OK钮即完成分析。   14.1.2.3  结果解释        在结果输出窗口中将看到如下统计数据：        共有26个观察对象进入分析。系统先显示中药组（group = 1）的生存状况寿命表，按用户指定，从0月起，隔2个月直至42个月（原指定从0—48个月，但因42个月后，生存概率已为0，故42个月后至48个月的生存状况不再显示），分别显示进入该时点例数（Number Entrng this Intrvl）、从该时点失去的例数（Number Wdrawn Durong Intrvl）、该时点暴露于死亡危险的例数（Number Exposd to Risk）、该时点死亡的例数（Number of Termnl Events）、该时点死亡概率（Propn Terminating）、该时点生存概率（Propn Surviving）、该时点末生存率（Propn Surv at End）、单位时点的累积概率（Cumul Probability Densty）、该时点风险比例（Hazard Rate）、生存率的标准误（SE of Cumul Surviving）、单位时点累积概率的标准误（SE of Probability Densty）、风险比例的标准误（SE of Hazard Rate）。如本例，用中药+化疗的方式治疗白血病患者，至8个月时，死亡率为17.39%，生存概率为82.61%，生存率为66.38%，风险比例为9.52%。至42个月时，生存概率和生存率均为0，此时风险比例为100%。中药组的50%生存率在19.44个月。        对照组同类结果的显示，因在16个月时生存概率已为0，故仅从0月起，隔2个月至16个月止。分析显示，单纯用化疗，白血病患者的半数生存率约在16个月多一点，比中药组少三个月。   This subfile contains:      26 observations    Life Table    Survival Variable  TIME                  for  GROUP =  1     Number Number Number Number                   Cumul        SE of  SE of Intrvl Entrng Wdrawn Exposd   of    Propn  Propn Propn  Proba-       Cumul  Proba-  SE of Start  this   During   to   Termnl  Termi-  Sur-  Surv   bility  Hazard  Sur-  bility  Hazard Time  Intrvl  Intrvl   Risk  Events  nating  viving  at End Densty  Rate  viving Densty   Rate ------  ------  ------   ------  ------   ------   ------  ------  ------   ------  ------   ------   ------   .0   16.0    .0    16.0    .0    .0000  1.0000 1.0000  .0000  .0000  .0000  .0000  .0000  2.0   16.0    .0    16.0   1.0    .0625   .9375  .9375  .0313  .0323  .0605  .0303  .0322  4.0   15.0   1.0    14.5    .0    .0000  1.0000  .9375  .0000  .0000  .0605  .0000  .0000  6.0   14.0    .0    14.0   2.0    .1429   .8571  .8036  .0670  .0769  .1019  .0441  .0542  8.0   12.0   1.0    11.5   2.0    .1739   .8261  .6638  .0699  .0952  .1231  .0458  .0670 10.0    9.0   1.0     8.5    .0    .0000  1.0000  .6638  .0000  .0000  .1231  .0000  .0000 12.0    8.0   1.0     7.5   1.0    .1333   .8667  .5753  .0443  .0714  .1348  .0420  .0712 14.0    6.0    .0     6.0    .0    .0000  1.0000  .5753  .0000  .0000  .1348  .0000  .0000 16.0    6.0    .0     6.0    .0    .0000  1.0000  .5753  .0000  .0000  .1348  .0000  .0000 18.0    6.0   1.0     5.5   1.0    .1818   .8182  .4707  .0523  .1000  .1453  .0489  .0995 20.0    4.0    .0     4.0    .0    .0000  1.0000  .4707  .0000  .0000  .1453  .0000  .0000 22.0    4.0    .0     4.0    .0    .0000  1.0000  .4707  .0000  .0000  .1453  .0000  .0000 24.0    4.0   1.0     3.5    .0    .0000  1.0000  .4707  .0000  .0000  .1453  .0000  .0000 26.0    3.0   1.0     2.5    .0    .0000  1.0000  .4707  .0000  .0000  .1453  .0000  .0000 28.0    2.0    .0     2.0    .0    .0000  1.0000  .4707  .0000  .0000  .1453  .0000  .0000 30.0    2.0   1.0     1.5    .0    .0000  1.0000  .4707  .0000  .0000  .1453  .0000  .0000 32.0    1.0    .0     1.0    .0    .0000  1.0000  .4707  .0000  .0000  .1453  .0000  .0000 34.0    1.0    .0     1.0    .0    .0000  1.0000  .4707  .0000  .0000  .1453  .0000  .0000 36.0    1.0    .0     1.0    .0    .0000  1.0000  .4707  .0000  .0000  .1453  .0000  .0000 38.0    1.0    .0     1.0    .0    .0000  1.0000  .4707  .0000  .0000  .1453  .0000  .0000 40.0    1.0    .0     1.0    .0    .0000  1.0000  .4707  .0000  .0000  .1453  .0000  .0000 42.0    1.0    .0     1.0   1.0   1.0000   .0000  .0000  .2354 1.0000   .0000  .0727  .0000    The median survival time for these data is  19.44   Life Table    Survival Variable  TIME                  for  GROUP =  2     Number Number Number Number                   Cumul        SE of  SE of Intrvl Entrng Wdrawn Exposd   of    Propn  Propn Propn  Proba-       Cumul  Proba-  SE of Start  this   During   to   Termnl  Termi-  Sur-  Surv   bility  Hazard  Sur-  bility  Hazard Time  Intrvl  Intrvl   Risk  Events  nating  viving  at End Densty  Rate  viving Densty   Rate ------  ------  ------   ------  ------   ------   ------  ------  ------   ------  ------   ------   ------   .0   10.0   1.0     9.5    .0    .0000  1.0000 1.0000  .0000  .0000  .0000  .0000  .0000  2.0    9.0   1.0     8.5   1.0    .1176   .8824  .8824  .0588  .0625  .1105  .0553  .0624  4.0    7.0    .0     7.0    .0    .0000  1.0000  .8824  .0000  .0000  .1105  .0000  .0000  6.0    7.0   2.0     6.0   1.0    .1667   .8333  .7353  .0735  .0909  .1628  .0678  .0905  8.0    4.0    .0     4.0    .0    .0000  1.0000  .7353  .0000  .0000  .1628  .0000  .0000 10.0    4.0   1.0     3.5   1.0    .2857   .7143  .5252  .1050  .1667  .2122  .0918  .1643 12.0    2.0   1.0     1.5    .0    .0000  1.0000  .5252  .0000  .0000  .2122  .0000  .0000 14.0    1.0    .0     1.0    .0    .0000  1.0000  .5252  .0000  .0000  .2122  .0000  .0000 16.0    1.0   1.0      .5    .0    .0000  1.0000  .5252  .0000  .0000  .2122  .0000  .0000    The median survival time for these data is  16.00+            接着显示两组比较的结果。系统采用Gehan比分检验法，得u = 0.012，P = 0.9113，即中药组与对照组的生存率无差别。   Comparison of survival experience using the Wilcoxon (Gehan) statistic    Survival Variable  TIME           grouped by  GROUP   Overall comparison    statistic  .012     D.F. 1        Prob.  .9113   Group  label                Total N   Uncen    Cen   Pct Cen   Mean Score     1                          16       8       8     50.00        .1875     2                          10       3       7     70.00       -.3000            最后，系统输出生存率曲线图（图14.2）。从图中可见，对照组（group = 2）在8个月前一段时点的生存率均较中药组（group = 1）略低，而8-12个月这一段其生存率又较中药组略高，12个月后再又下降。但在治疗中加用中药，对个别患者而言，20个月后依然有一定的生存率。   图14.2  中药组与对照组生存率曲线的比较 第二节 Kaplan-Meier过程   14.2.1 主要功能     调用此过程，系统将采用Kaplan-Meier方法，对病例随访资料进行生存分析，在对应于每一实际观察事件时点上，作生存率的评价。   14.2.2 实例操作    ［例14-2］25例某癌症病人在不同时期经随机化分配到A、B治疗组进行治疗，同时随访观察至1974年5月31日结束，资料整理后如下表，试对其结果进行生存率分析。   病人号 随访天数 是否死亡 治疗方式 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 8 180 632 852 52 2240 220 63 195 76 70 8 13 1990 1976 18 700 1296 1460 210 63 1328 1296 365 23 是 是 是 否 是 是 是 是 是 是 是 是 是 否 否 是 是 否 否 是 是 否 是 否 是 A B B A A B A A B B B A B B A B B A A B A A B A B   14.2.2.1  数据准备     激活数据管理窗口，定义变量名：随访天数为TIME，是否死亡为DEATH，治疗方式为TREAT。变量TIME按原数值输入，DEATH为是的输入1、否的输入0，TREAT为A的输入1、为B的输入2。   14.2.2.2  统计分析     激活Statistics菜单选Survival中的Kaplan-Meier...项，弹出Kaplan-Meier对话框（图14.3）。从对话框左侧的变量列表中选time，点击钮使之进入time框；选death，点击钮使之进入Status框，点击Define Event...钮弹出Kaplan-Meier:Define Event for Status Variable对话框，在Single value栏中输入1，表明death = 1为发生死亡事件者；点击Continue钮返回Kaplan-Meier对话框。选treat，点击钮使之进入Factor框。     图14.3  Kaplan-Meier法生存率分析对话框        点击Save... 钮弹出Kaplan-Meier:Save New Variables对话框，选Survival项，要求将各观察样例的生存率存入原始数据库中。点击Continue钮返回Kaplan-Meier对话框。        点击Options...钮弹出Kaplan-Meier: Options对话框，在Plot栏中选Survival项，要求绘制生存率曲线图。之后点击Continue钮返回Life Tables对话框，再点击OK钮即完成分析。   14.2.2.3  结果解释        在结果输出窗口中将看到如下统计数据：        先对A治疗组资料进行分析。将原资料按生存天数的大小顺次排列，再逐例显示生存状态（Status，即死亡为1、生存为2）、生存率（Cumulative Survival）、生存率标准误（Standard Error）、累积死亡例数（Cumulative Event）和尚存活人数（Number Remaining）。如本例，A组共12人，死亡6人，生存6人，存活率为50.00%；平均生存时间为1023天，标准误为276，95%可信区间为482—1563天。B组共13人，死亡12人，生存1人，存活率为7.69%；平均生存时间为607天，标准误为226，95%可信区间为163—1051天。   Factor TREAT = A     Time       Status     Cumulative     Standard     Cumulative      Number                          Survival       Error         Events       Remaining     8          1                                      1            11     8          1         .8333        .1076            2            10    52          1         .7500        .1250            3             9    63          1                                      4             8    63          1         .5833        .1423            5             7   220          1         .5000        .1443            6             6   365          0                                      6             5   852          0                                      6             4  1296          0                                      6             3  1328          0                                      6             2  1460          0                                      6             1  1976          0                                      6             0    Number of Cases:  12        Censored:   6      ( 50.00%)   Events: 6             Survival Time    Standard Error   95% Confidence Interval  Mean:         1023           276           (482,  1563 )  (Limited to     1976 )  Median:        220            .             (    .,    . )      Factor TREAT = B     Time       Status     Cumulative     Standard     Cumulative      Number                          Survival       Error         Events       Remaining    13          1         .9231         .0739           1            12    18          1         .8462         .1001           2            11    23          1         .7692         .1169           3            10    70          1         .6923         .1280           4             9    76          1         .6154         .1349           5             8   180          1         .5385         .1383           6             7   195          1         .4615         .1383           7             6   210          1         .3846         .1349           8             5   632          1         .3077         .1280           9             4   700          1         .2308         .1169          10             3  1296          1         .1538         .1001          11             2  1990          0                                     11             1  2240          1         .0000         .0000          12             0    Number of Cases:  13        Censored:   1      (  7.69%)   Events: 12             Survival Time    Standard Error   95% Confidence Interval  Mean:        607             226          ( 163,  1051 )  Median:       195             80          (  38,   352 )                                 Total       Number       Number        Percent                                           Events       Censored       Censored   TREAT          A           12            6             6           50.00   TREAT          B           13           12             1            7.69   Overall                       25           18             7           28.00            系统按用户的请求输出生存率曲线图（图14.4）。从图中可见，生存天数为200左右之前，A、B两组的生存率相近，而后，A组维持约50%的生存率，B组则不断下降。        最后系统将各观察对象的生存率计算结果，逐一送入原始数据库保存（图14.5），变量名为sur_1。用户从中可见，如A组治疗8天死亡者，其8天的生存率为83.333%；又如B组治疗180天死亡者，其180天的生存率为53.846%。   图14.4  两种治疗方式生存率曲线比较 图14.5  生存率分析结果的保存   第三节 Cox Regression过程   14.3.1 主要功能     调用此过程可完成对病例随访资料中事件发生时点与一系列相关独立变量之间关系的评价，即建立Cox回归模型（亦称比例风险模型）。     第一、二节介绍的方法，仅仅是对生存资料作较简单的统计，即描述和分析一个因素（如治疗方式）对生存时间的影响。而在Cox回归模型中，某一时点t，除了有一个本底风险量h0(t)外，第i个影响因素可使该本底风险量h0(t)增至eβixi倍而成为h0(t)·eβixi  。因此如果有k个因素同时影响生存过程，那么时点t的风险量（常称之为风险函数）表达为：     h(t) = h0(t) ·e(β1x1+β2x2+...+βkxk)   14.3.2 实例操作        [例14-3]某医师在研究急性白血病患者的生存率时，收集了33名患者的资料，按Ag阳、阴性分组（Ag阳性组17例，Ag阴性组16例），同时考察白细胞数的影响作用。试据下表资料作Cox回归模型的分析。   Ag阳性组 Ag阴性组 生存月数 是否死亡 白细胞数（×109/L） 生存月数 是否死亡 白细胞数（×109/L） 1 1 4 5 16 22 26 39 56 65 65 100 108 121 134 143 156 是 是 是 是 是 是 否 是 是 否 是 是 是 是 否 是 是 100.0 100.0 17.0 52.0 6.0 35.0 32.0 5.4 9.4 2.3 100.0 4.3 10.5 10.0 2.6 7.0 0.8 2 3 3 3 4 4 4 7 8 16 17 22 30 43 56 65 是 是 是 是 否 是 是 是 是 是 是 是 是 是 是 是 27.0 10.0 28.0 21.0 19.0 26.0 100.0 1.5 31.0 9.0 4.0 5.3 79.0 100.0 4.4 3.0   14.3.2.1  数据准备     激活数据管理窗口，定义变量名：生存月数为TIME，是否死亡为DEATH，白细胞数为WBC，Ag阳性与否为AG。TIME按原数据输入，DEATH是的输入1、否的输入0，WBC亦按原数据输入，AG阳性的输入1、阴性的输入2。   14.3.2.2  统计分析     激活Statistics菜单选Survival中的Cox Regression...项，弹出Cox Regression对话框（图14.6）。从对话框左侧的变量列表中选time，点击钮使之进入time框；选death，点击钮使之进入Status框，点击Define Event...钮弹出Cox Regression:Define Event for Status Variable对话框，在Single value栏中输入1，表明death = 1为发生死亡事件者；点击Continue钮返回Cox Regression对话框。选wbc和ag，点击钮使之进入Covariates框。   图14.6  Cox回归模型分析对话框          在Method处有一下拉菜单，系统提供7种回归运算方法让用户选择：        1、Enter：所有自变量强制进入回归方程；        2、Forward: Conditional：以假定参数为基础作似然比概率检验，向前逐步选择自变量；        3、Forward: LR：以最大局部似然为基础作似然比概率检验，向前逐步选择自变量；        4、Forward: Wald：作Wald概率统计法，向前逐步选择自变量；        5、Backward: Conditional：以假定参数为基础作似然比概率检验，向后逐步选择自变量；        6、Backward: LR：以最大局部似然为基础作似然比概率检验，向后逐步选择自变量；        7、Backward: Wald：作Wald概率统计法，向后逐步选择自变量。        本例因自变量较少，故选用Enter法。        点击Plots...钮弹出Cox Regression:Plots对话框，在P