医学统计学临床随访研究及分析

1、.临床随访研究和分析、生存分析(survival analysis )、实际问题、观察和比较两组肾移植患者手术后的生存时间和结果，本研究除随访对象的结果(生存或死亡)外，还应该考虑随访对象的“生存时间”。 在结果相同但结果速度不同的两组之间有差异的随访研究过程中，可以提示研究对象失去访问、死于其他疾病、由于研究经费和时间限制，所有的观察对象都等待结果后停止试验是不可能的，这一现象截止(c 虽然被称为最终检验，截止日期数据提供的信息是不完全的，但是是否考虑这样的数据是信息损失的生存分析(survival analysis )是将事件的结果(终点事件)和其结果出现的时间结合来进行分析的统计分析方法

2、。 生存分析与其他多因素分析不同的主要区别在于，生存分析考虑的是每次观测结束时的时间长度。 前言4.1生存分析的基本概念，4.1.1生存时间(survival time，failure time )结束事件和开始事件之间的时间间隔。 终点事件是研究者关心的特定结局。 开始事件是反映研究对象生存过程的开始特征的事件。生存时间的例子，开始事件的结束事件药在痊愈的手术中切除死亡感染的死亡化疗缓解复发，结束事件和开始事件相对由研究目的决定，设计时明确规定，研究期间严格遵守，不得随意改变。4.1.2观察结果(outcome )、观察结果是指，我们感兴趣的目标事件在生存分析中目标事件为1，否则0 (统称为

3、结束)、4.1.3生存时间的类型，1 .完全数据(complete data )为结果事件发生的2 .切片数据(缺失数据、censored data )从起点到切片点的经过时间。 最后原因：失去访问，死于其他疾病，观察结束后患者还活着等。 例如，某肿瘤医院对1991年至1995年间接受手术治疗的大肠癌患者进行了调查，调查了可能影响大肠癌术后生存时间的因素，如性别、年龄、组织学分类、肿瘤大小、dures分期等。 跟进期限为2000年12月30日，跟进记录请参照下表。大肠癌患者的随访记录号码性别年龄手术日的随访结束日的随访结果生存时间(日) 1991.05.20 1995.06.04死亡1476

4、2男50 1992.01.12 1998.08.25死亡2417 3女36 1991.10.24 1994.03.18访问876男521994.11.02.12 . 03.17死亡265女60 1993.12.05 1996.08.16死于其他985、生存时间、生存时间的测定单位是年、月、日、时间等。 常用符号t表示末尾的数据在右上角显示为“”。 生存资料的主要特征：包括切片数据。 尾巴数据的特征：真正的生存时间未知，只知道比观察到的尾巴生存时间长。 生存时间的分布一般不是正态分布。 例15.5名黑色素瘤患者的生存时间(月)如下，102名黑色素瘤患者的生存时间的度数分布，4.2常用观察指标及其

5、估计半数的生存时间(median survival time )为50%的个体生存， 50%个体死亡的时间102名黑色素瘤患者的中位生存时间为M=7.4(月)，死亡概率(dead probability )，死亡概率表示在某一时间段受试者死亡的可能性，q .和观察时间有关的生存概率(survival probability )。 指某时间段受试者生存的可能性，记录p与观察时间的关系在同一时间： p=1-q .某医院泌尿外科在1979-1982年间做了19例肾移植手术，计划知道肾移植后患者的生存时间(天)。将访问开始时间定为患者术后一天，死亡事件导致患者因肾移植相关的各种原因死亡。 改善术后手术

6、方式，1983年至1986年建立14例。 资料如下。一般手术组患者，20天前有3人死亡，还活着16人。 因为20日有2人死亡，20日的死亡概率为2/16=0.125，生存概率为1-0.125=0.875。 64天前死亡的9人，还有10人生存，64日失去访问的1人，死亡的1人，64日的死亡概率为1/10=0.1，生存概率为0.9。 截止到135天前，死亡的有10人，失去访问的有1人，确认生存的还有8人。 由于135日有一人死亡，135日的死亡概率为1/8=0.125，生存概率为0.875，生存函数或累计生存概率(cumulative survival probability )在被观察者经过t单

7、位时间后因为102名黑色素瘤患者的生存时间不足12个月的人有69人，12个月以上的人有33人，所以其一年生存率如下。 由于不同时间的生存人数不同，不同时间的生存率不同，例中，生存率和生存概率不同，生存概率是单个时间段的结果，生存率实质上是累积生存概率(cumulativeprobabilityofsurvival )，是多时间段的累积结果。 例如，3年生存率有可能在第一年生存，在第二年生存，在第三年生存。生存曲线(survival curve )是以观察(跟踪)时间为横轴，以生存率为纵，连接各时间点对应的生存率的图表。 生存曲线是下降的曲线，分析时要注意曲线的高度和下降的梯度。 缓慢的生存曲线

8、表示高生存率或长生存期间，陡峭的生存曲线表示低生存率或短生存期间。生存率，图1958名黑色素瘤患者的生存率(KaPLan-meier )估计，因为这种方法是kalan和Meier在1958年最初提出的，所以也称为kalan-meier法，利用条件概率乘法原理，生成生存率，即积-极限法(product-l 推测一般手术组的生存概率和生存率的计算如下表所示，图15.9两组手术方式生存概率(Kaplan-Meier )曲线，生存率的基准错误，用Greenwood法推测，nj是时刻tj的初期观察人数，dj是tj时刻的死亡人数，生存率的信赖区间，正规近似法即100 (1- ) 例如，20天的存活率是S(

9、t=20)=0.7368，标准是、95%的置信区间是0.73681.960.0101=(0.7170，0.7566 )，生存曲线的log-rank检验，log-rank检验(对数秩检验检定统计量为凯方。 自由度=组数-1。 P0.05，两组或多组生存曲线不同。 P0.05，两组或多组生存曲线差异无统计学意义。例15.7比较了例15.2两种手术方式肾移植患者的生存过程，建立了检查假设： h0:2组肾移植患者的生存过程相同，h1:2组肾移植患者的生存过程不同。 =0.05。 并列等级计算各观察时间的期初病例数，计算各观察时间的理论死亡人数，观察时间为3时，各组各时刻的期初生存人数和死亡人数用4个表

10、计算，各组的理论死亡人数的计算与4个表的理论死亡人数的计算相同，各组的理论死亡总数和实际死亡总数比较，=组改善手术组比一般手术组患者生存率大，简称第四节Cox比例风险回归模型、Coxsproportionalhazardsregressionmodel )、Cox回归模型。 该模型由英国统计学家D.R.Cox于1972年提出，主要用于肿瘤和其他慢性病的预后分析，也用于矩阵研究的病因探索。其优点：多因素分析方法利用切片数据而不考虑生存时间分布，而Cox模型的基本形式，h(t，X)t时间风险函数、风险率或瞬时死亡率(hazard function )。 h0(t)基准风险函数，即所有变量取0时的t

11、时刻风险函数。 X1、X2、XP-共变量、影响因素、预后因素。 1、2、p-回归系数。 表示在、时间t的个体处于危险因素中的状态(x1，x2，xm )和处于危险因素中的状态(x1，x2，xm )下发病的相对危险度(RR )。0，RR1表示当变量x增加时危险率增加，也就是说x是危险因素。 0、RR1表示当变量x增加时危险率降低，即x为保护因素。 =0，RR=1，变量x增加的情况下，危险率不变，即说明x是与危险无关的要素。 参数推定和假设检定(1)参数推定最大似然法(2)假设检定似然比检定(likelihood ratio test )得分检定(score test) Wald检定(Wald te

12、st )，3， 因子筛选和最佳模型的制作变量筛选方法向前导入法(前进法) Forward向后除去法(后退法) Backward渐进导入间拔法(逐次法) Stepwise .检定水平的初步、探索性的研究，或者变量数少的情况下，设定为0.10。 设计严密实证的研究，或者变量数多的情况下，取0.05或0.01。 检查水平包括引入的检查水平和排除的检查水平。 一般来说，除了以外都导入了。分析结果(结果解释)、与生存相关的要素的作用大小和方向：保护要素是危险要素，相对危险度的大小。 元素的作用大小排序：标准化回归系数的绝对值。分析结果(结果解释)、个体预后指数和预后组：预后指数(prognostic i

13、ndex，PI)=预后指数越小，预后越好预后指数越大，预后越差。 表17.14 25例患者以两种治疗方法生存的时间，治疗方案(group )是研究因素，肾功能(kidney )是拥挤因素。 得到的Cox比例风险模型，由于表17.15例的17.5资料的Cox回归模型和变量的Walds检验变量系数标准上错误了z值p，所以可以得到Cox比例风险函数，也可以得到分析结果(结果解释) 得到了肾功能正常者接受b方案的治疗比a方案在某个时刻死亡的相对危险度肾功能异常者接受b方案的治疗比a方案在某个时刻死亡的相对危险度，肾功能异常者接受b方案的治疗比肾功能正常者在a方案在某个时刻死亡的相对危险度， 总结(应在

14、论文报告中注明)，1 .材料和方法的病例源、开始事件、终点事件、观察结束时间、截止情况、跟进结果的获得方法、样品含量、截止件数和百分比(% )。 数据库方法统计学处理方法建立kalan-meier法的估计生存率log-rank检验，用组间生存率比较Cox模型进行多因素分析，2 .结果估计： kalan-meier生存率和生存曲线。 比较： log-rank验证卡方值及其p值。 因子分析和预测：变量代入(量化方法)表变量统计描述：各组病例数和构成比(分类变量)平均数和标准偏差(数值变量)变量的筛选方法和检验水平Cox回归结果和统计解释、Cox回归和多线性回归、logistic回归的比较， 案例研

15、究者在确诊后观察26例采用同样方法化疗的急性混合性白血病患者，想知道一种不良染色体是否影响患者病情缓解，以治疗后120天内症状是否缓解为结果变量(缓和=0； 没有缓解=1)，以有无不良染色体为研究因素。 整理资料参照下表。有无不良染色体和缓和的关系考虑到不良染色体缓和未缓和合计缓和率(% )少于5131827.8、无3 5 8 37.5合计8182630.8例，采用Fisher确定概率法，得到P=0.667，但不认为不良染色体影响病情的缓和。、这种情况下的结果不可靠。 原因是两个比较组之间影响其他患者病情缓解的因素不一定均衡，因此年龄(岁)、骨髓原幼细胞组(50%=1； 50%=0)、CD34表达(阳性=1； 阴性=0)，性别(男性=1； 女=0)的作用。 多因素logistic回归分析结果要素回归系数Wald卡方P OR染色体1.457 1.161 0.281 4.29骨髓原幼2.961 4.778 0.029 19.2细胞组采用多因素logistic回归分析，阶段性地在0.10水平上平衡骨髓原幼细胞组后。 有临床医生指出，仅考虑是否缓解是不够的，如果进