SPSSAU数据分析入门教学

一文掌握Kaplan Meier生存分析

2020-07-01  本文已影响0人  spssau

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。

上一篇下一篇

猜你喜欢

热点阅读