SPSS7生存分析Word格式.docx

1、是711131714.1.2.1 数据准备 激活数据管理窗口，定义变量名：随访月数的变量名为TIME，是否死亡的变量名为DEATH，分组（即中药组与对照组）的变量名为GROUP。输入原始数据：随访月数按原数值；是否死亡的，是为1，否为0；分组的，中药组为1，对照组为2。14.1.2.2 统计分析 激活Statistics菜单选Survival中的Life Tables.项，弹出Life Tables对话框（图14.1）。从对话框左侧的变量列表中选time，点击钮使之进入time框；在Display Time Intervals栏中定义需要显示生存率的时点，本例要求从0个月显示至48个月，间隔为

2、2个月，故在0 through框中输入48，在by框中输入2。选death，点击钮使之进入Status框，点击Define Event.钮弹出Life Tables:Define Event for Status Variable对话框，在Single value栏中输入1，表明death = 1为发生死亡事件者；点击Continue钮返回Life Tables对话框。选group，点击钮使之进入Factor框，点击Define Range.钮，弹出Life Tables:Define Range for Factor Variable对话框，定义分组的范围，在Mininum框中输入1，在Ma

3、xinum框中输入2，点击Continue钮返回Life Tables对话框。图14.1 生存资料的寿命表分析对话框 点击Options.钮弹出Life Tables: Options对话框，在Plot栏中选Survival项，要求绘制生存率曲线图；在Compare Levels of First Factor栏中选Overall项，要求作组间生存状况的比较。之后点击Continue钮返回Life Tables对话框，再点击OK钮即完成分析。14.1.2.3 结果解释 在结果输出窗口中将看到如下统计数据： 共有26个观察对象进入分析。系统先显示中药组（group = 1）的生存状况寿命表，按用

4、户指定，从0月起，隔2个月直至42个月（原指定从048个月，但因42个月后，生存概率已为0，故42个月后至48个月的生存状况不再显示），分别显示进入该时点例数（Number Entrng this Intrvl）、从该时点失去的例数（Number Wdrawn Durong Intrvl）、该时点暴露于死亡危险的例数（Number Exposd to Risk）、该时点死亡的例数（Number of Termnl Events）、该时点死亡概率（Propn Terminating）、该时点生存概率（Propn Surviving）、该时点末生存率（Propn Surv at End）、单位时点

5、的累积概率（Cumul Probability Densty）、该时点风险比例（Hazard Rate）、生存率的标准误（SE of Cumul Surviving）、单位时点累积概率的标准误（SE of Probability Densty）、风险比例的标准误（SE of Hazard Rate）。如本例，用中药+化疗的方式治疗白血病患者，至8个月时，死亡率为17.39%，生存概率为82.61%，生存率为66.38%，风险比例为9.52%。至42个月时，生存概率和生存率均为0，此时风险比例为100%。中药组的50%生存率在19.44个月。 对照组同类结果的显示，因在16个月时生存概率已为0，

6、故仅从0月起，隔2个月至16个月止。分析显示，单纯用化疗，白血病患者的半数生存率约在16个月多一点，比中药组少三个月。This subfile contains: 26 observations Life Table Survival Variable TIME for GROUP = 1 Number Number Number Number Cumul SE of SE ofIntrvl Entrng Wdrawn Exposd of Propn Propn Propn Proba- Cumul Proba- SE ofStart this During to Termnl Termi-

7、Sur- Surv bility Hazard Sur- bility HazardTime Intrvl Intrvl Risk Events nating viving at End Densty Rate viving Densty Rate- - - - - - - - - - - - - .0 16.0 .0 16.0 .0 .0000 1.0000 1.0000 .0000 .0000 .0000 .0000 .0000 2.0 16.0 .0 16.0 1.0 .0625 .9375 .9375 .0313 .0323 .0605 .0303 .0322 4.0 15.0 1.0

8、 14.5 .0 .0000 1.0000 .9375 .0000 .0000 .0605 .0000 .0000 6.0 14.0 .0 14.0 2.0 .1429 .8571 .8036 .0670 .0769 .1019 .0441 .0542 8.0 12.0 1.0 11.5 2.0 .1739 .8261 .6638 .0699 .0952 .1231 .0458 .067010.0 9.0 1.0 8.5 .0 .0000 1.0000 .6638 .0000 .0000 .1231 .0000 .000012.0 8.0 1.0 7.5 1.0 .1333 .8667 .57

9、53 .0443 .0714 .1348 .0420 .071214.0 6.0 .0 6.0 .0 .0000 1.0000 .5753 .0000 .0000 .1348 .0000 .000016.0 6.0 .0 6.0 .0 .0000 1.0000 .5753 .0000 .0000 .1348 .0000 .000018.0 6.0 1.0 5.5 1.0 .1818 .8182 .4707 .0523 .1000 .1453 .0489 .099520.0 4.0 .0 4.0 .0 .0000 1.0000 .4707 .0000 .0000 .1453 .0000 .000

10、022.0 4.0 .0 4.0 .0 .0000 1.0000 .4707 .0000 .0000 .1453 .0000 .000024.0 4.0 1.0 3.5 .0 .0000 1.0000 .4707 .0000 .0000 .1453 .0000 .000026.0 3.0 1.0 2.5 .0 .0000 1.0000 .4707 .0000 .0000 .1453 .0000 .000028.0 2.0 .0 2.0 .0 .0000 1.0000 .4707 .0000 .0000 .1453 .0000 .000030.0 2.0 1.0 1.5 .0 .0000 1.0

11、000 .4707 .0000 .0000 .1453 .0000 .000032.0 1.0 .0 1.0 .0 .0000 1.0000 .4707 .0000 .0000 .1453 .0000 .000034.0 1.0 .0 1.0 .0 .0000 1.0000 .4707 .0000 .0000 .1453 .0000 .000036.0 1.0 .0 1.0 .0 .0000 1.0000 .4707 .0000 .0000 .1453 .0000 .000038.0 1.0 .0 1.0 .0 .0000 1.0000 .4707 .0000 .0000 .1453 .000

12、0 .000040.0 1.0 .0 1.0 .0 .0000 1.0000 .4707 .0000 .0000 .1453 .0000 .000042.0 1.0 .0 1.0 1.0 1.0000 .0000 .0000 .2354 1.0000 .0000 .0727 .0000 The median survival time for these data is 19.44Life Table for GROUP = 2 .0 10.0 1.0 9.5 .0 .0000 1.0000 1.0000 .0000 .0000 .0000 .0000 .0000 2.0 9.0 1.0 8.

13、5 1.0 .1176 .8824 .8824 .0588 .0625 .1105 .0553 .0624 4.0 7.0 .0 7.0 .0 .0000 1.0000 .8824 .0000 .0000 .1105 .0000 .0000 6.0 7.0 2.0 6.0 1.0 .1667 .8333 .7353 .0735 .0909 .1628 .0678 .0905 8.0 4.0 .0 4.0 .0 .0000 1.0000 .7353 .0000 .0000 .1628 .0000 .000010.0 4.0 1.0 3.5 1.0 .2857 .7143 .5252 .1050

14、.1667 .2122 .0918 .164312.0 2.0 1.0 1.5 .0 .0000 1.0000 .5252 .0000 .0000 .2122 .0000 .000014.0 1.0 .0 1.0 .0 .0000 1.0000 .5252 .0000 .0000 .2122 .0000 .000016.0 1.0 1.0 .5 .0 .0000 1.0000 .5252 .0000 .0000 .2122 .0000 .0000 The median survival time for these data is 16.00+ 接着显示两组比较的结果。系统采用Gehan比分检

15、验法，得u = 0.012，P = 0.9113，即中药组与对照组的生存率无差别。Comparison of survival experience using the Wilcoxon （Gehan） statistic grouped by GROUP Overall comparison statistic .012 D.F. 1 Prob. .9113 Group label Total N Uncen Cen Pct Cen Mean Score 1 16 8 8 50.00 .1875 2 10 3 7 70.00 -.3000 最后，系统输出生存率曲线图（图14.2）。从图中可见

16、，对照组（group = 2）在8个月前一段时点的生存率均较中药组（group = 1）略低，而8-12个月这一段其生存率又较中药组略高，12个月后再又下降。但在治疗中加用中药，对个别患者而言，20个月后依然有一定的生存率。图14.2 中药组与对照组生存率曲线的比较第二节 Kaplan-Meier过程14.2.1 主要功能 调用此过程，系统将采用Kaplan-Meier方法，对病例随访资料进行生存分析，在对应于每一实际观察事件时点上，作生存率的评价。14.2.2 实例操作 例14-225例某癌症病人在不同时期经随机化分配到A、B治疗组进行治疗，同时随访观察至1974年5月31日结束，资料整理后

17、如下表，试对其结果进行生存率分析。病人号随访天数治疗方式5141516202122232518063285252224022063195767019901976700129614602101328365AB14.2.2.1 数据准备随访天数为TIME，是否死亡为DEATH，治疗方式为TREAT。变量TIME按原数值输入，DEATH为是的输入1、否的输入0，TREAT为A的输入1、为B的输入2。14.2.2.2 统计分析 激活Statistics菜单选Survival中的Kaplan-Meier.项，弹出Kaplan-Meier对话框（图14.3）。选death，点击钮使之进入Status框，点

18、击Define Event.钮弹出Kaplan-Meier:点击Continue钮返回Kaplan-Meier对话框。选treat，点击钮使之进入Factor框。图14.3 Kaplan-Meier法生存率分析对话框 点击Save. 钮弹出Kaplan-Meier:Save New Variables对话框，选Survival项，要求将各观察样例的生存率存入原始数据库中。 点击Options.钮弹出Kaplan-Meier: Options对话框，在Plot栏中选Survival项，要求绘制生存率曲线图。14.2.2.3 结果解释 先对A治疗组资料进行分析。将原资料按生存天数的大小顺次排列，再

19、逐例显示生存状态（Status，即死亡为1、生存为2）、生存率（Cumulative Survival）、生存率标准误（Standard Error）、累积死亡例数（Cumulative Event）和尚存活人数（Number Remaining）。如本例，A组共12人，死亡6人，生存6人，存活率为50.00%；平均生存时间为1023天，标准误为276，95%可信区间为4821563天。B组共13人，死亡12人，生存1人，存活率为7.69%；平均生存时间为607天，标准误为226，95%可信区间为1631051天。Factor TREAT = A Time Status Cumulative

20、Standard Cumulative Number Survival Error Events Remaining 8 1 1 11 8 1 .8333 .1076 2 10 52 1 .7500 .1250 3 9 63 1 4 8 63 1 .5833 .1423 5 7 220 1 .5000 .1443 6 6 365 0 6 5 852 0 6 4 1296 0 6 3 1328 0 6 2 1460 0 6 1 1976 0 6 0 Number of Cases: 12 Censored: 6 （ 50.00%） Events: 6 Survival Time Standard

21、 Error 95% Confidence Interval Mean: 1023 276 （482, 1563 ） （Limited to 1976 ） Median: 220 . （ ., . ） Factor TREAT = B 13 1 .9231 .0739 1 12 18 1 .8462 .1001 2 11 23 1 .7692 .1169 3 10 70 1 .6923 .1280 4 9 76 1 .6154 .1349 5 8 180 1 .5385 .1383 6 7 195 1 .4615 .1383 7 6 210 1 .3846 .1349 8 5 632 1 .3

22、077 .1280 9 4 700 1 .2308 .1169 10 3 1296 1 .1538 .1001 11 2 1990 0 11 1 2240 1 .0000 .0000 12 0 13 Censored: 1 （ 7.69%） Events: 12 607 226 （ 163, 1051 ） 195 80 （ 38, 352 ） Total Number Number Percent Events Censored Censored TREAT A 12 6 6 50.00 TREAT B 13 12 1 7.69 Overall 25 18 7 28.00 系统按用户的请求输出

23、生存率曲线图（图14.4）。从图中可见，生存天数为200左右之前，A、B两组的生存率相近，而后，A组维持约50%的生存率，B组则不断下降。 最后系统将各观察对象的生存率计算结果，逐一送入原始数据库保存（图14.5），变量名为sur_1。用户从中可见，如A组治疗8天死亡者，其8天的生存率为83.333%；又如B组治疗180天死亡者，其180天的生存率为53.846%。图14.4 两种治疗方式生存率曲线比较图14.5 生存率分析结果的保存第三节 Cox Regression过程14.3.1 主要功能 调用此过程可完成对病例随访资料中事件发生时点与一系列相关独立变量之间关系的评价，即建立Cox回归模

24、型（亦称比例风险模型）。 第一、二节介绍的方法，仅仅是对生存资料作较简单的统计，即描述和分析一个因素（如治疗方式）对生存时间的影响。而在Cox回归模型中，某一时点t，除了有一个本底风险量h0（t）外，第i个影响因素可使该本底风险量h0（t）增至eixi倍而成为h0（t）eixi 。因此如果有k个因素同时影响生存过程，那么时点t的风险量（常称之为风险函数）表达为： h（t） = h0（t） e（1x1+2x2+.+kxk）14.3.2 实例操作 例14-3某医师在研究急性白血病患者的生存率时，收集了33名患者的资料，按Ag阳、阴性分组（Ag阳性组17例，Ag阴性组16例），同时考察白细胞数的影响

25、作用。试据下表资料作Cox回归模型的分析。Ag阳性组Ag阴性组生存月数白细胞数（109 /L）395665100108121134143156100.017.052.06.035.032.05.49.42.34.310.510.02.67.00.83027.028.021.019.026.01.531.09.04.05.379.04.43.014.3.2.1 数据准备生存月数为TIME，是否死亡为DEATH，白细胞数为WBC，Ag阳性与否为AG。TIME按原数据输入，DEATH是的输入1、否的输入0，WBC亦按原数据输入，AG阳性的输入1、阴性的输入2。14.3.2.2 统计分析 激活Statistics菜单选Survival中的Cox