新学期开始啦，本学期的医学统计学课程将介绍一些在临床研究中炙手可热的非传统方法。第一讲我们就来简要介绍一下生存分析可以用到的——竞争风险模型。

老师：同学们好，我们还是用一个例子引出今天的主题。

某研究人员收集了本市2007年确诊为轻度认知损害（MCI）的518例老年患者资料，包括基本人口学特征、生活方式、体格检查和合并疾病信息等，并于2010-2013年完成6次随访调查，主要观察结局为发生阿尔兹海默病（AD）。

随访期间，共发生AD 78例，失访84例，其中28例搬迁、31例退出、25例死亡。试问影响MCI向AD转归的因素都有哪些？

哪位同学能告诉我们应该采用何种分析方法？

小张：应该进行生存分析！生存分析中Kaplan-Meier（K-M）法可以估计生存概率，Log-rank检验可以比较两条或多条生存曲线；对于本例，可以用Cox比例风险回归模型分析MCI向AD转归的影响因素。

老师：非常正确。生存分析是预后研究中比较常见的统计分析方法，但是经典的生存分析一般只关心一个终点事件（即研究者感兴趣的结局），而医学研究中观察的终点往往并不唯一（即出现不感兴趣的结局）。

比如MCI患者在观察期间死于癌症、心血管疾病、车祸等原因而未发生AD，就不能为AD的发病做出贡献，即死亡“竞争”了AD的发生。传统统计方法将发生AD前死亡的个体、失访个体和未发生AD个体均按删失数据（censored data）处理，可能会导致估计偏差。

哪位同学知道如何处理含有竞争事件的纵向数据？

小咖：竞争风险模型！竞争风险模型（Competing Risk Model）是一种处理多种潜在结局生存数据的分析方法，早在1999年Fine和Gray就提出了部分分布的半参数比例风险模型，通常使用的终点指标是累积发生率函数（cumulative incidence function，CIF）。

研究中结局事件可能有多个，某些结局将阻止感兴趣事件的出现或影响其发生的概率，各结局事件形成“竞争”关系，互为竞争风险事件（图1）。

老师：说得很好！本例中可以将发生AD前死亡作为AD的竞争风险事件，采用竞争风险模型进行分析。竞争风险的单因素分析常用来估计关心终点事件的发生率，多因素分析常用来探索预后影响因素及效应值。

对于死亡率较高的老年人群，当有竞争风险事件存在时，采用传统生存分析方法（K-M法、Cox比例风险回归模型）会高估所研究疾病的发生风险，产生竞争风险偏倚，有人专门研究发现约46%的文献可能存在这种偏倚。

我们再来看另一个例子的研究结果。观察接受手术治疗的乳腺癌患者的术后复发情况，传统生存分析方法和竞争风险模型的结果比较见图2。谁能简单解读一下结果？

小陈：传统生存分析得出的累积风险率曲线要高于竞争风险模型结果，如果不考虑竞争风险，则会造成乳腺癌患者术后复发的累积风险率的高估。

老师：不错！那谁知道目前哪些统计软件可以进行竞争风险模型分析？

小袁：一般的统计软件没有进行竞争风险分析的相应模块，但是可以用R软件的“Cmprsk”程序包进行编程。同时，SAS 9.4版本也新增了竞争风险分析模块，可以用PHREG语句完成，主要是在原Model选项中增加了“eventcode=”语句，用来指明哪个取值为感兴趣的结局，同时还增加了直接绘图功能。

第一个例子采用竞争风险模型进行分析，发现年龄、性别、文化程度、高血压、读书看报和收缩压是MCI向AD转归的影响因素；而如果采用传统Cox比例风险回归模型进行分析，只有读书看报和经济情况对MCI向AD的转归有影响。

想要R和SAS软件关于竞争风险模型程序语句的文献，请点击页面右上方“下载资料”，可以直接下载！

老师：看来竞争风险模型对于分析多种潜在结局的纵向资料具有一定优势，也是对传统生存分析方法的有力补充。但是在国内的医学研究领域却应用较少，相关介绍材料也并不多见。哪位同学能帮我们简要总结一下今天课程的内容？

大黄：

分析纵向数据前，

仔细考虑各方面。

结局事件未出现，

全部删失太片面。

传统方法不保险，

竞争风险做首选。

小咖方法心中念，

统计教程学个遍。

老师：你有freestyle吗？？

参考文献

[1] 基于竞争风险模型的老年人轻度认知损害转归研究，中华流行病学杂志，2015

[2] 竞争风险模型在女性乳腺癌预后预测研究中的应用，广东医学院学报，2016

[3] 临床生存数据新视角：竞争风险模型，中华流行病学杂志，2017

[4] 使用SAS软件分析竞争风险模型，中国卫生统计，2016

[5] 使用R软件分析竞争风险模型简明攻略，中国卫生统计，2008

[6] Competing risk bias is common in Kaplan-Meier estimates published in prominent medical journals, J Clin Epidemiol, 2016

扫码关注“医咖会”公众号，及时获取最新统计教程！