2024/5/151引例現用新舊兩種方法治療某癌病患者各100人，結果如下表，試評價其療效

表3

新舊兩種方法治療某癌病

死亡人數新法組舊法組RR一年16151.01二年2535

0.70五年40800.50*2024/5/152生存分析2024/5/153一、基本概念生存時間（survivaltime)：疾病治療的預后情況，一方面看結局好壞，另一方面還要看出現這種結局所經歷的時間長短。所經歷的時間稱為生存時間。完全與不完全數據一部分研究對象可觀察到死亡，從而得到準確的生存時間，所提供的信息是完全的，稱為完全數據；另一部分病人由于失訪、意外事故、或到觀察結束時仍存活等原因，無法知道確切的生存時間，它提供了不完全的信息，稱為不完全數據（截尾數據、刪失數據:censordata）。2024/5/154始點終點2024/5/155始點終點2024/5/156生存分析(survivalanalysis)：生存時間一般是通過隨訪收集。不完全數據提供了部分信息。須要用專門的方法進行統計處理，這類統計方法起源于對壽命資料的統計分析，故稱為生存分析。

2024/5/157

“生存”的概念

生物生存與死亡

儀器始使正常與出現故障疾病產生與治愈疾病治愈與復發

陰性與陽性 2024/5/158

截尾數據的處理

因為不太好處理截尾數據，很多臨床研究工作者常常將失訪或中止等原因造成的截尾數據在分析時拋棄。截尾數據提供的信息雖然是不完全的，但也很有價值，不應隨便刪掉它。2024/5/159

生存分析的主要內容第一，描述生存過程

研究生存時間的分布特點，估計生存率，生存曲線；第二，比較生存過程（假設檢驗）對兩組或多組生存率進行比較；第三，影響生存時間的因素分析了解影響生存過程的主要因素為改善預后提供指導。2024/5/1510例在對資料進行描述時：

5名癌癥患者存活時間（月）

610142020n=5平均生存時間,mean=18，median=１４78+2535

+50

當有截尾數據時，?2024/5/1511

死亡概率

(mortalityprobability)是指死于某時段內的可能性大小.記為q，年死亡概率計算公式為：某年內死亡數

q＝───────某年年初人口數

若年內有刪失，則分母用校正人口數：校正人口數＝年初人口數－1/2刪失數

二、生存資料常計算的幾種率2024/5/1512死亡概率（2）死亡概率是指已活滿t時刻的個體，在此后一段時期內（t至）死亡的可能性。死亡概率的計算公式為2024/5/1513若t至內有截尾值，上式的死亡概率也偏低，可對分母加以調整，為：如果很短，即時，死亡概率為t時刻的瞬時死亡概率，或稱為危險函數（hazardfunction,h(t)），其意義為剛剛活過t時刻的個體在t時刻死亡的概率。2024/5/1514

生存概率

(survivalprobability)表示在某單位時段開始時存活的個體到該時段結束時仍存活的可能性大小,記為p。年生存概率計算公式為：活滿某一年人數

p＝1－q＝────────某年年初人口數若年內有刪失，則分母用校正人口數。2024/5/1515若在t至時段內有截尾值，也應計算調整生存概率生存概率與死亡概率之間有以下關系:p=1-q2024/5/1516生存率與生存函數累積生存概率，簡稱生存率，是指病人經過t個時間單位之后仍存活的概率。若令s(t)為任意時刻t的生存率，T為生存期，得s(t)=p(T≥t)0≤t<∞，稱s(t)為生存率函數，簡稱生存函數2024/5/1517三、生存率估計（描述）

醫學研究中的生存資料分布常常不規則、不確定或未知分布，因而常用非參數法估計生存率。根據樣本含量的大小可分別選擇乘積極限估計法（小樣本時）壽命表法（大樣本時）2024/5/15181.乘積限估計法

Product-limitmethod簡稱積限法或PL法,直接用概率乘法原理估計生存率，它是由統計學家Kaplan和Meier于1958年首先提出的,因此又稱為Kaplan-Meier法.基本思想：將生存時間（包括截尾數據）逐個由小到大依次排列，并對其中的每個死亡點進行死亡概率、生存概率和生存率估計。應用條件：數據個數較少時。2024/5/15192.壽命表法

（Lifetablemethod）

簡稱LT法。

基本思想：隨訪時間劃分成若干個時間區間，t時刻的生存率為t時刻前各時間區間生存概率的乘積。

應用條件：數據個數多，經分組時應用。2024/5/15203.Kaplan-meier法計算生存率此法計算生存率時，先將每個個體的生存時間按照由小到大的順序排列，排序時若截尾值與非截尾值的觀察時間相同，則規定非截尾值小于截尾值，排在截尾值之前。然后依次計算出各時段的死亡概率、生存概率，進而計算出從觀察開始至各時刻的生存率及其標準誤。2024/5/1521小樣本生存分析Kaplan-Meier方法在SPSS中的實現生存狀態：1死亡，0截尾2024/5/1522SPSS軟件實現方法

File→Open→相應數據文件→Analyze→Survival→Kaplan-Meier→Time(時間)→Status→Defineevent→singlevalue(1)→Continue→OK2024/5/15232024/5/1524選擇選項2024/5/15252024/5/1526例1：某臨床試驗對20名第III或第IV期黑色素瘤的患者進行隨訪研究，截至研究期結束，記錄的生存資料見下表，試計算100周的生存率。4.大樣本壽命表法2024/5/1527表120名第III或第IV期黑色素瘤的患者的治療后的生存時間（周）12.8077.2015.6082.4024.00+87.20+26.4094.40+29.2097.20+30.80+106.00+39.20114.80+42.00117.20+58.40+140.00+72.00+168.00+2024/5/1528建立數據文件“生存分析.sav”定義兩個變量：反應變量，即生存時間變量，“time”分類變量，即生存狀態變量，“status”2024/5/1529Analyze—Survival—LifeTables….2024/5/15302024/5/1531本例100周生存率為53%。2024/5/15322024/5/1533

三、生存過程的比較（假設檢驗）非參數方法:

對數秩檢驗(log-ranktest)

廣義Wilcoxon檢驗似然比（Likelihoodratio)檢驗

生存率組間比較實際上是對兩條或多條生存曲線的分布情況比較（齊性檢驗）

特點：檢驗過程一般不顧及生存率，而是利用死亡數和死亡率函數作統計推斷2024/5/1534應用范圍均為兩組或多組生存率比較的方法：對數秩檢驗Log－ranktest

：且近似服從Weibull分布，數值較小的失效時間所起的作用較大，（是SAS默認的選項檢驗方法）；廣義Wilcoxon檢驗：最適合數值較大的失效時間所起的作用較大。似然比（Likelihoodratio)檢驗：最適合生存資料近似服從指數分布。2024/5/1535例題：22例非小細胞肺癌患者在不同日期經隨機化分配到放療組和放化療聯合組，從緩解出院日開始隨訪，隨訪時間（月）見下表，試比較放療和放化療聯合兩種治療方案的生存率曲線有無差別。甲（放療組）：1，2，3