生存分析，怎么呈现结果图表？
生存分析是临床研究中一种常用方法，主要用来处理考虑发生时间的二分类结局变量。结局可以是死亡、疾病发生或任何其他感兴趣的二分类结局事件。如果我们同时关心结局发生的时间，那么可以将此类数据统称为生存数据。
生存数据一般是正数，且很少是对称分布。在临床研究中，我们需要规范生存数据分析结果的报告形式，这样才能更好地回答研究问题。以下是生存分析需要报告的几个重要部分。结局定义结局定义明确至关重要。例如结局可设定为①任何原因导致的死亡；②疾病进展；③某种疾病的确诊。对于这些结局需要提供更加具体的信息，例如：疾病进展如何定义？由谁测量？是否包括死亡在内？具体判断标准？为了便于读者对研究结果进行评价和比较，通常还需要描述结局资料获取的方式（比如前瞻性随访、公开资料获取、医疗数据、自发报告等）。
测量起始时间测量的起始时间即生存分析的时间起点。在临床试验中通常将随机化的时间作为起始点，在观察性研究中可能是研究对象进入试验的时间、出生日期或某些重要事件发生的时间，如第一次心梗、手术或疾病确诊的日期。对时间起点的选择应当慎重。临床试验将随机化时间作为测量起点，在样本量较大时可以保证组间可比。对于观察性研究来说，将测量起点设定为某些重要事件发生的时间比设定为进入研究的时间可能更好。在生存分析的结果报告中应当报告测量起点。危险集（At Risk）危险集，即某个时间点有发生结局风险的所有人的集合。如果观察对象在研究开始之后的某个时间点，既没有发生结局事件，也没有退出研究，那么该研究对象处于该时刻的危险集中。生存曲线通常用来描述不同时点的危险集以及发生结局的人的比例（即结局发生率）。需注意的是，在危险集中人数比较少时，结局发生率的估计是不准确的，这种情况通常出现在随访的后期，也就是生存曲线的末端部分。
截尾（Censoring）研究中未必能够观察到所有患者的结局，这些患者将被截尾。例如研究要观察的结局是死亡，但是研究结束时仍有部分患者存活，这些患者的数据不完整，无法得知其确切的发生结局的时间，即为截尾数据。生存分析中要求截尾是随机的，结果中描述患者截尾的原因有助于读者判断该条件是否成立。
生存分析的cox回归模型案例(总2页)
-CAL-FENGHAI.-(YICAI)-Company One1
-CAL-本页仅作为文档封面，使用请直接删除 一、生存分析基本概念
1、事件（Event）
指研究中规定的生存研究的终点，在研究开始之前就已经制定好。根据研究性质的不同，事件可以是患者的死亡、疾病的复发、仪器的故障，也可以是下岗工人的再就业等等。
2、生存时间(Survival time)
指从某一起点到事件发生所经过的时间。生存是一个广义的概念，不仅仅指医学中的存活，也可以是机器出故障前的正常运行时间，或者下岗工人再就业前的待业时间等等。有的时候甚至不是通用意义上的时间，比如汽车在出故障前的行驶里程，也可以作为生存时间来考虑。
3、删失（Sensoring）
指由于所关心的事件没有被观测到或者无法观测到，以至于生存时间无法记录的情况。常由两种情况导致：（1）失访；（2）在研究终止时，所关心的事件还未发生。
4、生存函数（Survival distribution function）
又叫累积生存率，表达式为S（t）=P(T>t),其中T为生存时间，该函数的意义是生存时间大于时间点t的概率。t=0时S(t)=1，随着t的增加S(t)递减（严格的说是不增），1-S(t)为累积分布函数，表示生存时间T不超过t的概率。
二、生存分析的方法
1、生存分析的主要目的是估计生存函数，常用的方法有Kaplan-Meier法和寿命表法。对于分组数据，在不考虑其他混杂因素的情况下，可以用这两种方法对生存函数进行组间比较。
2、如果考虑其他影响生存时间分布的因素，可以使用Cox回归模型（也叫比例风险模型），利用数学模型拟合生存分布与影响因子之间的关系，评价影响因子对生存函数分布的影响程度。这里的前体是影响因素的作用不随时间改变，如果不满足这个条件，则应使用含有时间依存协变量的Cox回归模型。
cox回归分析
生存分析之COX回归分析
1.生存分析，是将终点事件出现与否与对应时间结合起来分析的一种统计方法；
2.生存时间，是从规定的观察起点到某一特定终点事件出现的时间，如膀胱癌术后5年存活率研究，及膀胱癌手术为观测起点，死亡为事件终点，两点为生存时间； 3.完全数据，观测起点到终点事件所经历的时间，上述例子即膀胱癌手术到因膀胱癌死亡的时间；
4.删失数据，因失访、研究结束终点事件未发生或患者死于规定的终点事件以外的原因而终止观察，不能确定具体生存时间的一类数据；
5.生存概率，表示某时段开始存活的个体到该时段结束仍存活的概率，p=活满某时段的人数/该时段期初有效人口数；
6.生存率，为观察起点起到研究时间点内各个时段的生存概率的累积概率，S(tk)=p1.p2.pk=S(tk-1).pk;
7.生存曲线，以生存时间为横轴，将各个时间点的生存率连在一起的曲线图；
8.中位生存期，又称半数生存期，表示50%的个体存活的时间；
9.PH假定（等比例风险假定），某研究因素对生存的影响不随时间的改变而改变，是COX回归模型建立的前提条件。
1.
Cox回归分析及其SPSS操作方法概述
前面我们已经讲过生存分析及KM法的内容，详细可以回复数字26－28查看。但有对统计不太熟悉的“微粉”还不太明白生存分析与一般统计的区别，不知道如何区别Cox回归与Logistic回归。在我们做研究时，有时我们不仅关心某种结局是否出现，还会关心结局出现的时间，例如肺部手术后观察五年生存率，一个有在1年之后死亡，另外一个人在在4.5后死亡，如果只看第5年时的结局，两者是一样的（均死亡），但是实际我们认为后者的治疗效果可能优于前者，即生存分析同时考虑结局和结局出现的时间，而一般分析只考虑结局。另外在队列随访时，可能有人在没有到5年时就失访了，如迁徙或者电话更改，我们不了解其结局如何，在一般的分析中这种病例无法使用，而中间失访的病例结局可能更差，如果直接扔掉，可能会产生偏倚；而用生存分析，这种病例可以给我们提供部分资料，即我们记录最后一次随访时病例的状态，失访前的资料可以用于分析。
第13章 生存分析案例辨析及参考答案
案例1 某医师收集30例肺癌术后患者的生存情况，有1例由于电话和地址错误无法随访到患者，他设计了以下几种处理方法：① 把该病例去掉；② 把这例患者写入SPSS数据，但末次随访时间空白，让SPSS自动去分析；③ 因为某一天（比如2006年9月1日）想随访这例患者但是没有随访到，所以将末次随访时间写为随访当天的日期。另欲分析肺癌术后患者的中位生存期，计算结果为10个月，但是检查原始数据发现，生存时间为10个月的这个患者一直存活到随访结束，似乎与中位生存期的定义相矛盾。
请问：
（1）该医师对这例失访患者的处理是否恰当？为什么？正确的处理方法是什么？
（2）另有1例患者死于脑梗死，生存分析时应如何处理？
（3）该医师的发现是否与中位生存期的定义相矛盾？为什么？
案例辨析
（1）该医师对这例失访患者的三种处理都不恰当。
（2）死于脑梗死的病例同样应当作为删失病例。
（3）属于概念不清而产生的怀疑。
正确做法
（1）应作为删失病例，删失生存时间的计算为从手术切除到最后一次随访的时间。
（2）死于脑梗死的病例应当作删失病例，删失生存时间的计算为从手术切除到死于脑梗死的时间。
（3）该医师的发现与中位生存期的定义并不矛盾，中位生存期不能与个体生存时间相混淆。
