《生存分析概念》由会员分享，可在线阅读，更多相关《生存分析概念（17页珍藏版）》请在金锄头文库上搜索。
1、生存分析课程总结 一、生存分析的概念：将事务的结果和出现此结果所经验的时间结合起来分析的统计分析方法。探讨生存现象和响应时间数据及其统计规律的一门学科。对一个或多个非负随机变量（生存时间）进行统计分析探讨。对生存时间进行分析和推断，探讨生存时间和结局与众多影响因素间关系及其程度的统计分析方法。在综合考虑相关因素（内因和外因）的基础上，对涉及生物学、医学（临床、流行病）、工程（牢靠性）、保险精算学、公共卫生学、社会学和人口学（老龄问题、犯罪、婚姻）、经济学（市场学）等领域中，与事务（死亡，疾病发生、发展和缓解，失效，状态持续）发生的时间（也叫寿命、存活时间或失效时间，统称生存时间）有关的问题供应
2、相关的统计规律的分析与推断方法的学科。二、“生存时间”(Survival Time)的概念 生存时间也叫寿命、存活时间、失效时间等等。医学：疾病发生时间、治疗后疾病复发时间牢靠性工程系：元件或系统失效时间犯罪学：重罪犯人的假释时间 社会学：首次婚姻持续时间人口学：母乳喂养新生儿断奶时间经济学：经济危机爆发时间、发行债券的违约时间保险精算学：保险人的索赔时间、保险公司某一索赔中所付保费汽车工业：汽车车轮转数 市场学中：报纸和杂志的篇幅和订阅费三、生存分析的应用领域：社会学，保险学，医学，生物学，人口学，医学，经济学，牢靠性工程学等六、生存分析探讨的目的1、描述生存过程：估计不同时间的总体生存率，
3、计算中位生存期，绘制生存函数曲线。统计方法包括Kaplan-Meier（K-M）法、寿命表法。2、比较：比较不同处理组的生存率，如比较不同疗法治疗脑瘤的生存率，以了解哪种治疗方案较优。统计方法log-rank检验等。3、影响因素分析：探讨某个或某些因素对生存率或生存时间的影响作用。如为改善脑瘤病人的预后，应了解影响病人预后的主要因素，包括病人的年龄、性别、病程、肿瘤分期、治疗方案等。统计方法Cox比例风险回来模型等。4、预料：建立Cox回来预料模型。主要探讨内容描述生存过程：探讨人群生存状态的规律，探讨生存率曲线的变动趋势，是人寿保险业的基础。生存过程影响因素分析及结局预料：识别与反应、生存及
4、疾病等相关风险因素，预料生存结局，在临床中应用的特别广泛。七、主要分析方法1、参数法方法：首先要求视察的生存时间t 听从某一特定的分布，采纳估计分布中参数的方法获得生存率的估计值。生存时间的分布可能为指数分布、Weibull分布、对数正态分布等，这些分布曲线都有相应的生存率函数形式。只需求得相应参数的估计值，即可获得生存率的估计值和生存曲线。2、非参数方法：实际工作中，多数生存时间的分布不符合上述所指的分布，就不宜用参数法进行分析，应当用非参数法。这类方法的检验假设与以往所学的非参数法一样，假设两组或多组的总体生存率曲线分布相同，而不论总体的分布形式和参数如何。非参数法是随访资料的常用分析方法
5、。3、半参数方法：只规定了影响因素和生存状况间的关系，但是没有对时间（和风险函数）的分布状况加以限定。这种方法主要用于分析生存率的影响因素，属多因素分析方法，其典型方法是Cox比例风险模型。4、几种常用的统计软件：SAS，SPSS，Stata，Excel，R 其次章 数据类型一、完全数据（Complete data）每个个体准确的生产时间都是知道的。这样的数据称为完全数据（Complete data）。但在实际的生存分析中，数据在许多状况下是很难完全视察到的。二、删失（Censoring ）生存数据一个重要的特点是：在探讨结束时，无法获得某些个体准确的生存时间。例如：失去联系（病人搬走，电话号
6、码变更），无法视察到结局（死于其他缘由），探讨截止，个体仍旧存活在这些状况下获得的数据就是删失数据（Censored data）。对存在删失的个体，只知道删失时间（Censoring time）。删失分为右删失（Right censoring）、左删失（Left censoring）和区间删失（Interval censoring）1、右删失（Right censoring）。在进行视察或调查时，一个个体的准确生存时间不知道，而只知道其生存时间大于时间L，则称该个体的生存时间在L上是右删失的，并称L为右删失数据（Right-censored data）。右删失有三种类型(按结束时间差别)：I型
7、删失（Type I censoring）、II型删失（Type II censoring）和III型删失（Type III censoring）。（1）I型删失（Type I censoring）：对全部个体的视察停止在一个固定的时间，这种删失即为I型删失（或定时删失）。例如：动物探讨通常是以有固定数目的动物接受一种或多种处理起先，由于时间和费用的限制，探讨者经常不能等到全部动物死亡。一种选择就是在一个固定时间周期内视察，在截止时间之后仍可能有些动物活着，但不接着视察了。这些动物的生存时间是不知道的，只知其不小于探讨周期时间。I型删失的删失时间是固定的。图表 1 I型删失示例（2）II型删失（
8、Type II censoring）：同时对n个个体进行视察，始终到有一固定数目（r n）的个体死亡（失效）为止，这种删失即为II型删失。II型删失的删失时间是随机的。图表 2 II型删失示例（3）III型删失（Type III censoring）：全部个体在不同时间进入探讨，某些个体在探讨结束之前死亡，他们的准确生存时间是知道的，其他个体在探讨结束之前退出探讨而不被跟踪视察或在探讨结束时仍旧活着。进入探讨的时间可能不同，删失时间也可能不同，这种删失叫做III型删失，又称为随机删失（Random censoring）。图表 3 III型删失示例2、左删失（Left censoring）探讨对
9、象在时刻起先接受视察，而在此之前我们感爱好的时间已经发生，这就是左删失。例如：“您初次吸食大麻是在什么时候？” 有一种回答：“我吸食过，但我不记得吸食的详细时间了。”这些回答的吸食时间数据就是左删失。通过测试确定儿童学会完成特定任务的年龄，有些儿童在进入探讨前就已经可以完成某项特定任务，这些儿童的事务发生时间也是左删失。出现左删失同时,也可能出现右删失，称为双删失（Double censoring）。例如:对吸食大麻的问卷还有一种回答：“我从来没有吸食过”，这样的数据就是右删失。3、区间删失（Interval censoring）：若个体的准确生存时间不知道，只知道其生存时间在两个视察时间 L
10、和R之间（LR），则称该个体的生存时间在L,R上是区间删失的。实际工作中，凡是不能或者不愿作连续监测时就会遇到这样的区间删失。区间删失分两种：第一类区间删失（Case I Interval censoring）和其次类区间删失（Case II Interval censoring）。当对个体只进行一次视察，且个体的准确生存时间不知道，只知道其生存时间是否大于视察时间（即或），这种删失称为第一类区间删失，也称为现实状况数据（Current data）。当对个体进行次视察，其视察时间L和R 满意时，这种删失称为其次类区间删失，也称为一般区间删失。假如初始时间（如艾滋病感染时间）和发生时间均为区间删
11、失，则称生存时间为双重区间删失（Double interval censoring）。三、截断（Truncation）在探讨或者观测中，淘汰了一些对象（样本），使得探讨者“意识不到他们的存在”。对截断数据的分析构造似然采纳条件分布。截断包括两种：左截断（Left truncation）和右截断（Right truncation）。1、左截断（Left Truncation）：只有个体经验某种初始事务以后才能视察到其生存时间，称为左截断（Left truncation），此时获得的数据称为左截断数据（Left-truncated data）例如：暴露于某疾病、发生死亡前的中间事务等。退休中心老年
12、居民死亡时间（没到年龄没有进入观测）左截断与左删失的区分：在左截断的探讨中，根本没有考虑那些在进入探讨之前已经经验了感爱好时间的个体，而在左删失的探讨中，我们能获得这些个体的部分信息。即有左截断又存在右删失的状况，称为左截断右删失（Left-truncation and right-censoring）2、右截断（Right Truncation）只有经验了某种终止事务才能视察到生存时间（将要经验该事务的个体不包含在试验样本中），称为右截断（Right truncation），此时获得的数据称为右截断数据（Right-truncated data）。例如：对艾滋病感染和发病时间观测数据，有些个
13、体感染病毒但尚未发病，这样的个体不在样本范围之内。3、截断的数学表示设Y是一个非负的表示生存时间的随机变量；T是另外一个表示截断时间的随机变量。在左截断下，只有当时，才能视察到T和Y；在左截断下，只有当时，才能视察到T和Y。第三章 基本函数和模型一、生存函数(Survival Function)描述生存时间统计特征的基本函数,也叫生存率(Survival Rate) ：设T 表示生存时间，F(t)为T 分布函数,生存函数定义为：生存函数性质：非增函数。满意当生存时间为连续型随机变量时：生存函数的图像叫做生存曲线(Survival Curve)，如下图：陡峭的生存曲线表示较低的生产率或较短的生存
14、时间；平缓的生存曲线表示较高的生存率或较长的生存时间。离散生存时间产生于舍入操作将失效（或死亡）时间分组从区间和寿命用整数计量等。离散时间生存函数是非增的阶梯函数，当T 取值为，且，离散时间生存函数是非增的阶梯函数二、危急率函数(Hazard Function)：危急率函数：描述视察个体在某时刻存活条件下，在以后的单位时间内死亡的（条件）概率：当T 连续 ；当T 离散，取值为，则处的危急率为危急率函数在工程上叫做失效率函数或损坏函数，在生存分析和医学统计中又称为风险率函数或瞬时死亡率(Simultaneous death rate)、或死亡强度(Death intensity)、或条件死亡率(
15、Conditional death rate)、或年龄死亡率（Age death rate）等。常见风险函数曲线三、累积风险函数（Cumulative Hazard Function）累积危急率函数：当T 连续，当T 离散时，危急率函数有两种定义形式：假如的值很小，两种定义形式的值接近四、平均剩余寿命函数（Expected residual life）平均剩余寿命函数定义为：为平均寿命。五、常用的参数模型生存时间的分布一般不呈正态分布。常用的分布有：指数分布、威布尔（Weibull）分布、伽玛（Gamma）分布、对数罗吉斯蒂（logistic）分布、对数正态分布。1、指数分布生存函数形式为：密度函数为：危急率函数为：指数分布的一个重要性质：无记忆性（某事务的发生时间与历史记录无关），即2、威布尔（Weibull）分布生存函数形式为：其中是尺度参数，是形态参数，时为指数分布。危急率函数为：适用于危急率递增（取）、递减（取）和为常数（取）等各种情形。3、伽玛（Gamma）分布生存函数：其中称为伽玛函数。第四章 生存数据基本特征的非参数估计一、生存函数的估计假设事务发生在D个严格区分
