一文掌握Kaplan Meier生存分析

Kaplan Meier，是一种单因素生存分析。它可用于研究1个因素对于生存时间的影响，在医疗领域中使用广泛。

一、案例说明

当前某研究人员拟观察一种新型癌症药物的疗效情况，首先将100名癌症患者随机分成两组，对照组使用传统治疗方式，实验组使用新式药物治疗方式。并且随访时间为2年。并且以‘是否死亡’为作为结局。希望通过研究了解到新式药物是否对于生存时间带来影响。

药物组别：0代表传统治疗组；1代表新药组。

生存状态：0代表存活或失访，1代表死亡。

生存时间：定量数据。

二、操作步骤

将数据上传至SPSSAU平台，选择【实验研究】--【Kaplan Meier】。

SPSSAU默认生存状态中，用数字1代表死亡，0代表生存。

如果数据不是这样设置，可以通过【数据处理】--【数据编码】修改。

[数据处理]--[数据编码]  

将[药物组别]放入【X(定类)】，[生存时间]放入【Y1生存时间】，[生存状态]放入【Y2生存状态】。点击开始分析。

Kaplan Meier

三、结果分析

1 模型基本描述

模型基本描述

上表是简单描述数据基本情况。其中新药、传统治疗分别有50个样本。传统治疗组死亡43人；新式药物组死亡44人。传统治疗组中位数为9周，新药组中位数为65周，整体生存时间中位数为24.5周。

特别说明一点，通常情况下感兴趣的结局事情比例（事件占比）一般希望大于20%。

2 生存时间估计

上表格为Kaplan Meier模型得到的生存时间中位数估计值及其置信区间。由于生存时间的波动性，一般使用中位数表示整体情况（而不是使用平均值）。

从上表可知，整体研究病例生存时间估计值是36周，传统治疗的生存时间中位数是9周，但 ‘新式药物’时中位数生存时间为69周，明显高于传统治疗时的生存时间。

注：中位数是与表中小于或等于 0.50 的第一个生存概率相关联的时间。

3 假设检验

此处模型检验的原定假设为：是否放入药物组别两种情况时模型质量均一样。

从上表可知，模型拒绝原定假设(χ²=10.691,p =0.001 < 0.05)，即说明本次模型构建有意义。

配对Log Rank检验用于分析两两组别生存时间估计值差异性。

从上表可知，模型拒绝原假设，P<0.05，说明两组之间生存时间存在显著性差异。

4 生存曲线

上图可以明显的看出，‘新式药物’的生存率会明显的高于‘传统治疗’方案。而且‘新式药物’时，0~80周时生存率下降的幅度相对较小，但在80周后生存率下降幅度加大。‘传统治疗’方案来看，0~20周生存率下降非常明显，20周后生存率下降幅度相对较为稳定。无论如何，新式药物的生存率都会明显的高于传统治疗方案，整体说明，‘新式药物’起着明显的作用。

四、其他说明

（1）Kaplan Meier共有两个因变量（一个是生存时间，另外一个是生存状态）；缺一不可。

（2）“生存状态”项只能为1和0； 1表示死亡，0表示生存；或者1表示阳性，0表示阴性；1表示放弃，0表示坚持，诸如此类等。数字1用于标识研究感兴趣的结局事件已经发生。

（3）Kaplan Meier只研究1个因素的生存情况，如果有多个因素即多个X时，需要使用Cox回归。

以上就是本次分享内容，登录SPSSAU官网了解更多内容。