Cox比例风险回归模型(Cox's proportional hazards regression model)，简称Cox回归模型。该模型由英国统计学家D.R.Cox于1972年提出，主要用于肿瘤和其它慢性病的预后分析，也可用于队列研究的病因探索。Cox回归要求满足比例风险假定(proportional-hazards assumption)的前提条件。所谓比例风险假定，就是假定风险比(HR，Hazard Ratio)不随时间t变化而变化。

当变量较多时，建议先通过单变量分析考察所有自变量与因变量之间的关系，筛掉一些可能无意义的变量，再进行多因素分析。单因素分析后，纳入Cox回归模型的自变量：1）单因素分析差异有统计学意义的自变量（最好将P值放宽至0.1或0.15，避免漏掉一些重要因素）；2）单因素分析时，没有发现差异有统计学意义，但是临床上认为与因变量关系密切的自变量。

例如：

分别采用新药和常规药物治疗肺癌，随访5年，以死亡为研究结局，观察两组患者的生存情况。变量的赋值及部分原始数据见表1和表2。

表1 肺癌的影响因素及赋值

表2 两组患者生存情况

1、打开SPSS软件， 在变量视图输入因素并赋值。 

2、数据视图，录入原始数据。

3、选择分析、生存函数、Cox回归。

4、主对话框设置，如下图。

5、分类选项设置，如下图。

6、绘图选项设置，如下图。

7、选项设置，如下图。

8、输出结果及生存曲线。

Omnibus Tests of Model Coefficients结果说明模型中至少有一个自变量的HR值不为1，模型整体检验有统计学意义；Variables in the Equation表格中，P=Sig.=0.029说明治疗方式为影响肺癌患者预后的独立因素，相对危险度HR=Exp(B)=0.410说明使用新药的患者死亡风险是使用常规药患者的0.410倍，HR的95%可信区间（95% CI）为0.184-0.914。

为提高我国糖尿病医生科研水平与科研能力，促进医学研究成果转化，提高医生科研综合水平，北京康盟慈善基金会发起并设立了“医学与健康事业研究发展基金项目”，以“科研浩海，盟动助力”为主题，科研技能培训系列课程由医微客（北京）提供技术支持，于2021年5月正式启动。