19、生存分析SPSS课件

生存分析SPSS过程

（SPSSofSurvivalAnalysis）

1.何为生存分析？

生存分析（survivalanalysis）是将事件的结果（终点事件）和出现结果经历的时间结合起来分析的一种统计分析方法。2.生存分析的目的：描述生存过程：估计不同时间的总体生存率，计算中位生存期，绘制生存函数曲线。统计方法包括Kaplan-Meier（K-M）法、寿命表法。比较：比较不同处理组的生存率，如比较不同疗法治疗脑瘤的生存率，以了解哪种治疗方案较优。统计方法log-rank检验等。影响因素分析：研究某个或某些因素对生存率或生存时间的影响作用。如为改善脑瘤病人的预后，应了解影响病人预后的主要因素，包括病人的年龄、性别、病程、肿瘤分期、治疗方案等。统计方法cox比例风险回归模型等。预测：建立cox回归预测模型。生存分析的理论复习3、死亡概率、生存概率死亡概率(mortalityprobability)：记为q，是指死于某时段内的可能性大小。生存概率(survivalprobability)：记为p，表示某单位时段开始时存活的个体到该时段结束时仍存活的机会大小。生存率（survivalrate):S(ti)是指病人经历ti个单位时间之后仍存活的概率。4、生存率5、生存率估计的概率乘法原理：假定病人在各个时段生存的事件独立，生存概率为P，则应用概率乘法得生存率估计的公式为：生存分析(SurvivalAnalysis)菜单寿命表（LifeTables）过程Lifetables过程用于（小样本和大样本资料）：估计某生存时间的生存率，以及中位生存时间。绘制各种曲线：如生存函数、风险函数曲线等。对某一研究因素不同水平的生存时间分布的比较。控制另一个因素后对研究因素不同水平的生存时间分布的比较。对多组生存时间分布进行两两比较。（比较总体生存时间分布采用wilcoxon检验）序号i确诊后年数ti期内死亡数di期内删失数ci期初病例数ni`期初有效例数ni死亡概率qi生存概率pi生存率S(ti)

生存率标准误SE(S(ti))

(1)(2)(3)(4)(5)(6)(7)(8)(9)(10)10~9003743740.24060.75940.75940.022121~7602842840.26760.73240.55620.025732~5102082080.24520.75480.41980.025543~25121571510.16560.83440.35030.024854~205120117.50.17020.82980.29370.023965~799590.50.07730.92270.26820.023576~497974.50.05370.94630.25380.023387~136664.50.01550.98450.24990.023398~356259.50.05040.94960.23730.0232109~10255451.50.03880.96120.22810.0232表21-3寿命表法估计生存率计算表例19-1374名食管癌患者随访资料，取时间均为期1年，整理结果见下表，计算生存率？CompanyLogo一、建立数据文件（data-01.sav）定义3个变量：生存时间变量：t，值标签“生存时间（年）”生存状态变量：status，取值“1=死亡，0=删失或存活”频数变量：freq，值标签“人数”二、操作过程Data—weight—“f”主菜单：分析Analyze生存Survival寿命表Lifetables对话框参数设置：时间time框：选入“t”。显示时间间隔Displaytimeintervals框：步长by前面填入最大生存时间的上限（必须包括生存时间最大值），步长by后面填入生存时间的组距。本例上限填“10年”，组距填“1”。状态status框：选入“status”，击defineevents钮，在singlevalue框填入“1”因子factor框：“无”。单击选项option按钮，弹出对话框：1）√寿命表，系统默认。2）图：

√生存函数

三、主要输出结果生存率生存概率CompanyLogo绘制生存曲线：Kaplan-Meier过程Kaplan-Meier过程用于(尤其小样本资料）：估计各生存时间的生存率以及中位生存时间。绘制各种曲线：如生存函数、风险函数曲线等。比较某研究因素不同水平的生存时间有无差异。控制某个分层因素后对研究因素不同水平的生存时间分布进行比较。对多组生存时间分布进行两两比较。（各总体分布比较采用Log-rank等非参数方法）2、Kaplan-meier法例21-214例膀胱肿瘤小于3.0cm患者和16例膀胱肿瘤大于或等于3.0cm患者的生存时间（月）如下，试估计两组生存率。

<3.0cm 14192628293236404244 4553+5459+3.0cm 6791011121320232527 3034374350其中有“+”者是删失数据，表示病人仍生存或失访，括号内为死亡人数。（1）计算两组的生存率和标准误。（2）估计两组的中位生存期。（3）绘制各组生存函数曲线。（4）比较两组的总体生存时间分布有无差别。序号i时间（月）ti死亡数di删失数ci期初病例数ni死亡概率qi生存概率pi生存率S(ti)

生存率标准误SE(S(ti))

(1)(2)(3)(4)(5)(6)(7)(8)(9)11410140.07140.92860.92860.068821910130.07690.92310.85720.093532610120.08330.91670.78580.109742810110.09090.90910.71440.120752910100.10000.90000.64290.12816321090.11110.88890.5715012500.87500.5001014290.85710.4286016670.83330.35710.12811044+0150.00001.00000.35710.128111451040.25000.75000.26780.12331253+0130.00001.00000.26780.123313541020.50000.50000.13390.11301459+0110.00001.00000.13390.1130CompanyLogo一、建立数据文件（data-01.sav）定义5个变量：生存时间变量：t，值标签“生存时间（月）”生存状态变量：status，取值“1=死亡，0=删失或存活”分组变量：group，值标签：1=‘small’,2=‘large’例数：n生存时间序号变量(可无）：i二、操作过程主菜单：分析Analyze生存SurvivalKaplan-Meier对话框参数设置：时间time框：选入“t”。状态status框：选入“status”，击defineevents钮，在singlevalue框填入“1”。因子factor框：选入“group”。单击选项option按钮，弹出对话框：1）统计量：

√生存分析表，系统默认。

√

均值和中位生存时间，系统默认。2）图：

√生存函数5.单击比较因子CompareFactor按钮，弹出对话框：1）检验统计量TestStatistics：

都用于检验时间分布是否相同。

√对数秩Log-rank：各时间点的权重一样。

Breslow：按各时间点的观察例数赋权。

Tarone-Ware：按各时间点观察例数的平方根赋权。二、操作过程2）水平间的两两比较。6.单击Save按钮，弹出保存新变量Savenewvariables对话框：√√√三、主要输出结果生存表（下张）

两组的中位生存期估计：半数生存期=中位生存期3.绘制生存曲线：CompanyLogo4.两组生存时间分布的比较：Cox回归过程Cox回归过程用于：

1.多个因素对生存时间的影响作用分析和比较2.生存（或死亡）风险预测实例分析例19-430例膀胱肿瘤患者的随访记录见表19-7，试进行膀胱肿瘤患者生存情况的影响因素分析？idagegrade级别Size大小Relapse复发startendtstatusPIS(ti)(1)(2)(3)(4)(5)(6)(7)(8)(9)(10)(11)162100无02/30/199612/30/20005901.6800.25626410小003/05/199608/12/20005411.6800.256352201有04/09/199612/03/19994404.3390.01846011006/06/199610/27/20005301.6800.51255921007/20/199606/21/19982314.4380.66265911108/19/199609/10/19993713.7370.24976310009/16/199610/20/20005012.758020/199609/18/19993611.6800.859……………………………305431大103/10/200009/20/2000617.0970.879一、建立数据文件（data-03.sav）二、操作过程主菜单：分析Analyze生存SurvivalCoxRegressionCox回归主对话框二、操作过程

主对话框参数设置：时间time框：选入“t”。状态status框：选入“status”，击defineevents钮，在singlevalue框填入“1”协变量Covariates框：选入“age等”。方法Method框：选择自变量进入Cox模型的方法，SPSS提供以下7种方法。√1.分析例数描述三、主要输出结果2.模型检验（逐步变量模型）结果提示：（1）对模型总体检验有显著意义（P=0.000），即有4个自变量进入回归方程。模型系数的综合测试3.参数估计（逐步回归模型，Method=向后法wald法，自变量进入P≤0.05，剔除