《医学课件肿瘤登记资料的统计分析》由会员分享，可在线阅读，更多相关《医学课件肿瘤登记资料的统计分析（72页珍藏版）》请在金锄头文库上搜索。
1、肿瘤登记资料的统计分析 -生存分析,河南省肿瘤防治研究办公室 孙喜斌 电话 0371-6558734613838063621 Email ,生存率分析,内容：基本概念观察生存率相对生存率统计学检验,基本概念,生存分析是一类时间到事件变量数据的分析 （analysis of time-to-event data）。 医学研究中用生存分析这一术语（工业工程 中则称作寿命时间分析或失效时间分析）。 时间到事件变量三个基本限定： 1）起点的时间是明确的。 2）指标单位（时、天、月、年）要统一。 3）事件发生的界定要明确。,时间-事件变量由于存在截尾数据及反应变量往往呈非正态分布，故应用标准的统计方法处
2、理是不合适的。 生存率是一比例（不是率），但习惯上称作率。 生存率是肿瘤登记数据的常用统计指标。 临床疗效评价中常用的痊愈率、有效率、病死率等百分率指标，其统计效能较差。,例子1,人群1 10000人随访3年 15人在1年内死亡 9985人在随访结束时存活 死亡率=5/10000（年）,人群2 10000人随访3年 15人在3年内死亡 9985人在随访结束时存活 死亡率=5/10000（年）,例子2,人群1 10000人随访3年 15人在1年内死亡 9985人在随访结束时存活 死亡率=5/10000（年）,人群2 10000人随访3年 15人在3年内死亡 9985人在随访结束时存活 其中有10
3、人在结束时失访 死亡率=5/10000（年）,生存（失效）时间的界定,癌症诊断到死亡的时间 癌症临床实验中随机分组到死亡的时间 随机分组到癌症复发的时间 淋巴瘤治疗期间缓解到复发的时间 HIV感染到死亡的时间 电灯（可）使用的时间 各学科中均涉及这类变量的处理。,生存分析应用,研究群体的率在观察期内不一致（动态） 关心生存时间的长短 截尾观察存在,生存时间的计算,时间=开始的日期到： 1.研究（观察）结束的日期（研究对象仍存活） 2.退出研究的日期 3.死亡日期（如果对象在随访研究结束前死亡）,终检（Censoring，截尾）,截尾记录：被观察的个体在整个随访期间未有关注的事件（死亡、复发等）
4、发生。 截尾生存时间发生原因： 1.观察期限已到 2.失访，随访不完整 3.不相关的事件发生（如，在癌症研究中，观察对象在随访期间死于意外伤害） 失访终检（有信息性），终末终检（非信息） 终检要尽量避免，尤其是失访终检,生存分析所需信息,观察对象的确定（癌肿、性别、地区、时期） 起始点的限定 终点事件的限定（二项变量） 观察终点的确定（截至日期） 观察对象的生存时间,随访方法,死亡证书（生命统计系统） 人口登记系统 临床记录 信访 电话随访 家访,观察生存率的计算方法,直接法 寿命表法（Life-table method, actuarial method） 极限乘积法（Kaplan-Meie
5、r method）,直接法,随访期结束时存活病人的比例 每个观察对象均要随访够限定的期限（如5年，除非死亡事件发生） 失访病例除外（不能处理截尾数据） 不考虑存活时间长短 信息丢失 该方法基本不用，如果观察对象中没有终检病例，该法得到的生存率结果与寿命表法和K-M法的结果相同。中位生存时间：50%病人存活过的时间。,生存概率计算,假如34例病例在观察期间（5年）有10例死 亡，24例存活，那么死亡概率为：q=10/34=0.29=29% 生存概率： p=24/34=0.71=71% 死亡概率+生存概率=1q+p=1 P=1-0.29=0.71=71%,寿命表法,考虑到每个观察对象的生存过程 包
6、含终检观察数据,失访的注释 (保险统计的假定),失访可定为截至日期前终检：失访终检失访终检是有信息的，越低越好。 （保险统计）假定： 1、平均考虑，在一随访时段内，失访病例将存活一半的时 间。 2、这一时段内，每一失访病例贡献1/2的生存时间。 3、失访病例的后续生存经历与该时段内随访完整病例的相同。 4、将1/2的失访病例看作完整数据。,寿命表（LT）法公式：i=1,2,.,m; 用 n(ti)、d(ti)、w(ti) 分别表示在时间或随访区间t的期初存活病例数、期内死亡数、期内终检数。,有效观察病例数,总的生存人数是计算死亡概率的分母。 失访减少了分母的数量。 有效观察数 ni=ni-wi
7、/2,寿命表数据: 某市某区1972-79年期间男性肺癌新病例随访结果（截止时刻1979年12月31 日） 确诊日期起 期内死亡 其中死于 其中死于其他 生存者随访未满 随访期间 总例数 肺癌 因的例数 个期间的例数(包括期内失访)d w （1） （2） （3） （4） （5） 0月 291 290 1 34 3月 210 210 0 12 6月 138 138 0 27 9月 92 92 0 12 1年 206 203 3 21 2年 45 45 0 9 3年 8 8 0 11 4年 4 4 0 11 5年 21,寿命表格式: 某市某区1972-79年期间男性肺癌观察生存率的计算 确诊日期起
8、 期初观 期内死亡 有效观 死亡概率 生存概率 累积生存概率 随访期间 察例数 总例数 察人数 n d n q p SR （1） （2） （3） （4） （5） （6） （7） 0月 1152 291 1135 0.2564 0.7436 0.7436 3月 827 210 821 0.2558 0.7442 0.5534 6月 605 138 591.5 0.2333 0.7667 0.4243 9月 440 91 434 0.2120 0.7880 0.3343 1年 336 206 325.5 0.6329 0.3671 0.1227 2年 109 45 104.5 0.4306 0.5
9、694 0.0699 3年 55 8 49.5 0.1616 0.8384 0.0586 4年 36 4 30.5 0.1311 0.8689 0.0509 5年 21 0.74360.74420.76670.7880=0.3343,估计各个时段的生存概率：期内死亡概率=死亡数/有效观察人数0 期初人数1152（n1）期内死亡人数291（d1）期内终检人数34（w1）期内有效观察人数 n1=1152-34/2=1135该时段死亡概率 q1=291/1135=0.2564该时段生存概率 p1=1-0.2564=0.7436 下一时段的期初人数=上一期初人数-上一期内死亡人数-上期内终检人数如：3
10、 期初人数=1152-291-34=827 以此类推。,计算步骤,计算累计生存概率（生存率） 各个时段的生存概率相乘即得（各年的）生存率。生存率（Survival rate）=pnpn-1pn-2.p2p1如上表中的9个月生存率= 0.74360.74420.76670.7880=0.3343步骤： 1、计算各时段死亡概率 2、计算各时段生存概率 3、计算累计生存概率,SPSS软件输出的寿命表结果,累积生存率,极限乘积（K-M）法,KM法计算公式:i=1,2,.,m; 用 n(ti)、d(ti)、分别表示在时间t的期初存活病例数、期内死亡数。,Kaplan-meier 法计算(黑色素瘤）观察生
11、存率,* 非黑色素瘤死亡,KM法说明,病例生存时间升序排列。 区间的样本量渐进于0，分割区间数量倾向无穷大。 区间的长度取决于生存时间度量精度（年、月、天、小时)。 计算时仅考虑有事件发生或终检发生的区间，忽略其他区间。 终检数据只对分母有贡献（包括在分母内）。,Kaplan-Meier生存率曲线,寿命表法与KM法比较,基本相同 寿命表法较适用于成组数据 生存指标的刻度连续，选用KM法 两种方法都是计算出“观察生存率” KM法的生存曲线是阶梯状的，每一阶梯代表发生了限定的事件；寿命表法的曲线是平滑的。,生存率的“竞争”死因调整,原因别生存（Cause-specific survival） （校
12、正生存- corrected survival rate; 净生存-Net survival) 相对生存（relative survival）,原因别生存率,估计限定的癌症独立于其他死因的生存概率（仅计算由于该种癌症死亡作为事件结局的生存率）。 总体（观察）生存率 终点=死亡 原因别（观察）生存率 终点=死于特定的原因 计算方法同总体生存率一样，只是将死于其他（非特定）原 因的病例作为终检观察数据处理（？）。 这类指标在临床试验研究中运用较多（死亡原因易确定）。,人群为基础的肿瘤登记数据计算原因别生存率存在难度：死亡原因（死亡证书）：未获得不准确编码错误 用相对生存率表达原因别生存指标,相对生
13、存率（relative survival rate）,较多地应用于人群为基础肿瘤登记资料 调整了竞争死因不需要死因信息运用人口统计寿命表,相对生存率定义,相对生存率=（观察生存率/期望生存率）100 观察生存率为限定诊断时期内、限定性别、癌症种类及年龄的一组病人的观察生存率（可由寿命表法及KM法计算获得）。 期望生存率是除了未患癌症外，其他因素（时期、年龄、地区等混杂因素）与癌症组病人相同的普通人群（暴露于全部死因风险）的生存率（该生存率从人口统计寿命表中计算获取），即该组癌症病人的期望生存率。,相对生存率计算,区间相对生存率：ri=pi/eipi：区间观察生存率，ei ：区间期望生存率 累计相对生存率： 计算方法类似累计生存率的算法，各期间相对生存率的乘积，即得相应时间的相对生存率。,累计相对生存率,1ri=ri= （pi / ei ）= pi / ei,
