生存分析方法

• 寿命表法本质是通过人为划分时间区间的方式，以频数方式呈现数据，采用加权法进行生存率分析的方法。注意，此时的时间变量是不连续的因此，寿命表法适用于临床研究中的终点事件无法被有效、及时随访和大样本数据的生存分析。
• Kaplan-Meier法（又称乘积极限法）基于此，我们反推一下，可发现Kaplan-Meier法的要求需要时间变量为连续状态，就是说需要我们获取完整的、精确的生存资料。Kaplan-Meier法本质是一个生存时间函数。因此，Kaplan-Meier法比较适合动物实验这种小样本量的、观测记录较为完整的数据类或者大样本但未划分时间段的数据。
• Cox回归分析本质是多因素分析，与之对应的上面的单因素分析（Kaplan-Meier法）。理想状态下，我们非常希望有且只有1个因素影响生存率，便于我们更好地评价治疗作用。但现实往往不如人愿。临床研究中，经常会出现多个因素影响患者生存率，如果简单地套用单因素分析法，非常容易得出错误的研究结论。因此，我们必须要做Cox回归分析，充分评价观测因素以外的其它因素在患者生存率上回带来多大的影响。尽管Cox回归分析看起来很符合实际操作情况，但是Cox回归分析也称为Cox 比例风险模型。重点来了。SPSS广泛统计中强调：观察值应是独立的，风险比应是时间恒定值；即，各个个案风险的比率不应随时间变化。后一个假设称为Cox 比例风险模型。什么叫等比例风险？预后因素对死亡风险的作用强度随着时间的变化需保持一致。COX回归模型又称“比例风险回归模型(proportional hazards model，简称Cox模型)”，是由英国统计学家D.R.Cox(1972)年提出的一种半参数回归模型。 该模型以生存结局和生存时间为因变量，可同时分析众多因素对生存期的影响，能分析带有截尾生存时间的资料，且不要求估计资料的生存分布类型
  • 比如说性别对子宫肌瘤发生的风险，不随时间的变化而变化；但年龄对子宫肌瘤发生的风险，随着时间的变化肯定在发生变化。因此我们在进行Cox比例风险模型时，应该首先检验是否符合等比例风险的条件，然而我们常常忽视了这个规则！
  • 如下B和C都符合等比例风险，而A和D不符合。A随着时间变化，两条线已经不符合等比例变化，而B和C符合，D发生交叉，肯定不符合。

可通过检验风险因素的P值，如果均大于0.05，符合等比例风险假定。呵呵，对啊，符合那是Good luck，不符合才是现实，当不符合时，可以采用时间依赖的Cox回归模型，SPSS即可实现哦！ 即考克斯依时协变量

• 考克斯依时协变量 --- SPSS中第四个生存分析的方法