微信直播

生存数据的Cox回归----基于MedCalc软件实现

Published at: 2015年第1卷第S1期

周支瑞
关键词:

作者|周支瑞 ,复旦大学附属肿瘤医院放射治疗科在读博士。

 

有关Cox回归模型的介绍我们在前文《COX回归的SPSS软件实现》中已经述及,本文继续以其中的案例讲解如何在MedCalc中实现Cox回归。

【案例】以下数据是一项关于胰脏癌手术中接受放射治疗是否会延长病人生存时间的研究的数据。该研究的终点为死亡,接受手术被定义为计算生存时间的起点。由于该研究是一项未经随机化的观察性研究,要正确估计术中接受放射治疗提高患者生存时间的效果,还需要考虑对其他因子的效果进行调整。数据的详细说明见表1。

表1. 胰脏癌术中放疗效果研究数据说明

第一步,录入数据(MedCalc支持导入其他统计软件整理的数据,如stata,spss,excel等,本例中的数据即是直接导入.sav格式的spss的数据文件)

图1 录入数据

此处需要注意:出现结局应该赋值为“1”,截尾数据赋值为“0”,不能调换,主要原因是软件默认1为出现结局,而且不能自定义。

可以点开Variables查看录入变量的属性,修改变量标签等,如下图所示


图2
 变量设置窗口

 

第二步,如图依次点击


图3 
选择Cox比例风险回归法

第三步,如图选择对应的变量填入以及对输出结果的选项进行设置


图4
变量填入及选项设置

参数解释:Survival time:此处选择生存时间months;Endpoint:此处选择生存状态变量status;Predictor variables:此处选择可能影响结局的自变量,需要注意的是本例中未做变量筛选,把所有自变量全部纳入(Enter法),关于变量筛选的方法可参见前文《COX回归的SPSS软件实现》。“ch”是等级变量,因此首先要对其进行哑变量设置,点击 “Categorical”进行设置,同时可以指定以“first category”为参照,设置完毕点击OK。如果需要按照某一自变量绘制生存曲线图,需要按下图所示进项设置。


图5
 指定生存曲线的分组变量(本例中按照是否有放疗参与进行分组)

 

第四步,结果解读

Coefficients and Standard Errors


本表列出了所有自变量的回归系数(b),回归系数的标准误(SE),Wald检验的统计量,及Wald检验的p值,回归系数的反对数(Exp(b),即是Hazard Ratio)及95%可信区间。由此可见,trt是独立的预后因素,p=0.0121<0.05,对应的HR及95%可信区间为:0.4415(0.2339 to 0.8334),即接受术中放疗的患者的死亡风险是未接受术中放疗患者的0.4415倍,可见术中放疗可明显降低患者的死亡风险,是独立的预后相关的因素。

 

第五步,导出或打印生存曲线图片,本例中按照是否有放疗参与进行了分组。此处建议安装虚拟打印机打印生存曲线图形,以获得可用于投稿的高分辨率的清晰图片。


图6 
生存曲线(1表示有放疗,0表示无放疗)

 

至此,MedCalc软件中实现Cox回归分析讲解完毕。

最后留下一个问题给大家思考:

已知A vs. B的Hazard Ratio=0.8,那么 B vs. A的Hazard Ratio是多少?

关于上期的题目,你答对了吗?一起来看看笔者解答吧!

 

上期回顾

生存数据的Logrank检验----基于MedCalc软件实现(全文)

题目

Numbers at risk(历险数)是否可通过对应时点的生存率乘以总病例数获得?

答案

不能。因为这种算法未考虑截尾数据。

答对的童鞋赶紧私信小编:“单位+科室+姓名+联系方式+邮箱+邮寄地址”,小编将为你送出由笔者主编的《傻瓜统计学》一本哦!

 

【AME 统计】专栏自开设以来,一直以向读者推送各种统计学干货为宗旨,鼓励自由讨论。

doi:10.3978/kysj.2014.1.1655

comments powered by Disqus

附件