2022-12-20
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
因素 | 变量名 | 赋值 |
性别 | gender | 女=0,男=1 |
治疗方式 | group | 常规药=0,新药=1 |
年龄 | age | 年龄<60=0,年龄≥60=1 |
生存时间 | time | 病人生存之间(周) |
结局 | survival | 截尾=0,死亡=1 |
表2 两组患者生存情况
group | gender | age | time | survival |
0 | 1 | 0 | 22 | 1 |
0 | 1 | 1 | 10 | 1 |
0 | 1 | 1 | 64 | 1 |
0 | 1 | 1 | 12 | 1 |
0 | 1 | 0 | 17 | 1 |
1 | 0 | 0 | 19 | 1 |
1 | 1 | 1 | 4 | 1 |
1 | 0 | 1 | 12 | 0 |
1 | 0 | 0 | 5 | 0 |
1 | 1 | 1 | 27 | 0 |
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。
百度浏览 来源 : 湘元科研通
版权声明:本网站所有注明来源“医微客”的文字、图片和音视频资料,版权均属于医微客所有,非经授权,任何媒体、网站或个人不得转载,授权转载时须注明来源:”医微客”。本网所有转载文章系出于传递更多信息之目的,且明确注明来源和作者,转载仅作观点分享,版权归原作者所有。不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。 本站拥有对此声明的最终解释权。
发表评论
注册或登后即可发表评论
登录注册
全部评论(0)