生存資料有哪些常用的分析方法？

SP的工作中經(jīng)常會遇到生存分析，臨床試驗常用的生存分析方法包括：對生存過程進行描述的Kaplan-Meier法，對生存率進行組間比較的log-rank檢驗， 以及對生存過程的影響因素進行分析的Cox比例風(fēng)險模型。
1、Kopion-Meier法
由Kaplan 和Meier于1958年提出的，故稱Kopion-Meier法，又稱乘積限估計法(productlimit method, 簡稱PL法）。主要用于生存資料的生存率估計, 是一種非參數(shù)估計方法。其基本原理是基于概率的乘法法則，通過各時期的人群的生存概率的累計相乘得到活過一定時期的生存率，從而計算累計死亡率。以生存率（或死亡率）為縱坐標(biāo)，時間為橫坐標(biāo)．并以階梯形的折線連接各點，得到的圖為生存率（或死亡率）的Kaplan-Meier 圖。相應(yīng)的SAS 程序如下：
ODS GRAPHICS ON;

PROC LIFETEST DATA=MyData;
  /*繪制KM生存曲線。顯示指定觀察時間時的樣本量和假設(shè)檢驗結(jié)果*/
  PLOTS=（SURVIVAL（ATRISK=0 TO 20 BY 2）TEST）MAXTIME=20;
  TIME Stime*Outcome(0);
  STRATA Group;
RUN;

ODS GRAPHICS OFF;
2、log-rank檢驗
log-rank檢驗又稱時序檢驗。其基本思想是：如果兩個或多個總體的生存過程相同，則根據(jù)不同隨訪時間兩組或多組的期初人數(shù)和死亡人數(shù)，估計各組在各時期的理論死亡數(shù)。如果檢驗假設(shè)成立，則實際死亡數(shù)與理論死亡數(shù)不會相差太大，否則認(rèn)為檢驗假設(shè)不成立。實際死亡數(shù)與理論死亡數(shù)的比較用卡方檢驗。相應(yīng)的SAS 程序如下：
PROC LIFETEST DATA=Mydata;
  TIME Stime*Outcome(0);*stime為生存時間，outcome為指標(biāo)變量，此處0表示截尾;
  STRATA Group;         *分組變量;
RUN;
3、 Cox比例風(fēng)險模型
英國統(tǒng)計學(xué)家Cox用偏似然原理巧妙地回避了求基線風(fēng)險而解決估計回歸系數(shù)的問題，無須對基線風(fēng)險作任何限制，相應(yīng)的風(fēng)險模型被稱為Cox 比例風(fēng)險模型(Coxproportional hazards model)，又稱Cox 回歸。Cox回歸的相應(yīng)SAS程序如下：
PROC PHREG DATA=MYDATA;
  MODEL Stime*Outcome(0)=Group/RL; *RL計算可信區(qū)間;
RUN;

請前往：http://lygongshang.com/TeacherV2.html?id=166