《生存分析论文》
题 目： 基于非参数分析法
研究改进手术对患者生存时间的影响
专 业：
班 级：
姓 名：
2015年 6月 25日
摘 要
生存分析（survival analysis）是将事件的结果（终点事件）和出现这一结果所经历的时间结合起来分析的一种统计分析方法。生存分析不同于其它多因素分析的主要区别点就是生存分析考虑了每个观测出现某一结局的时间长短。
临床随访，又称为前瞻性研究（prospective study），本文采用此方法进行两组肾移植的病人手术后的生存时间和结局的研究。
研究过程中主要面临的问题有：
（1）结局及生存时间据需要考虑—经典的统计分析方法不能同时分析结局和生存时间；
（2）随访研究中研究对象可能会失访或死于其他疾病；或因研究经费和时间的限制不可能等到所有的对象都出现结局---截尾（censoring）或终检。
生存分析能解决以上问题。
本文通过比较A组和B组两组实验数据来探究改进手术对患者生存时间的影响，通过最后结果可以看出，改进手术组会大大提高患者生存率，因此，今后医生应致力于手术改良，以多加提高患者的生存率。
关键词 Kaplan-Meier估计 Nelson-Aalen估计 Cox模型 SAS软件
一、估计原理
1.乘积极限法（Kaplan-Meier）
Kaplan-Meier分析方法，又称乘法极限估计、PL法或最大似然估计法，是由Kaplan和Meier在1958年提出的一种求生存函数的非参数方法。寿命表分析适用于大样本情况，在处理小样本时，为充分利用每个数据所包含的信息，Kaplan-Meier分析便成为首选的分析工具。
第一部分：基本统计方法
注：主要讲述过程：means(描述性统计)；freq(算频数表)；univariate(检验)；anova(方差分析)；ttest(检验)；glm(广义线性回归)；npar1way（非参,wilcox）
一：计量资料的统计分析方法
1.01均值+频数表+百分位数+正态检验、茎叶图、箱形图、正态概率图
data ex2_1;
input x@@;
low=2.3;
dis=0.3;
z=x-mod(x-low,dis);
cards;
3.96 4.23 4.42 3.59 5.12 4.02 4.32 3.72 4.76 4.16
4.61 4.26
3.77 4.20 4.36 3.07 4.89 3.97 4.28 3.64 4.66 4.04
4.55 4.25
4.63 3.91 4.41 3.52 5.03 4.01 4.30 4.19 4.75 4.14
4.57 4.26
4.56 3.79 3.89 4.21 4.95 3.98 4.29 3.67 4.69 4.12
4.56 4.26
4.66 4.28 3.83 4.20 5.24 4.02 4.33 3.76 4.81 4.17
3.96 3.27
4.61 4.26 3.96 4.23 3.76 4.01 4.29 3.67 3.39 4.12
4.27 3.61
4.98 4.24 3.83 4.20 3.71 4.03 4.34 4.69 3.62 4.18
4.26 4.36
5.28 4.21 4.42 4.36 3.66 4.02 4.31 4.83 3.59 3.97
3.96 4.49
5.11 4.20 4.36 4.54 3.72 3.97 4.28 4.76 3.21 4.04
第十四章 生存分析的SAS实现
例14-2 McKelvey et al(1976)收集了3期的某型淋巴瘤患者的生存时间（天）。分别是6，19，32，42，42，43+，94，126+，169+，207，211+，227+，253，255+，270+，310+，316+，335+，346+。
SAS分析程序
data ch14_2; 定义数据集名
input t c@@; 输入生存时间变量t和截尾情况变量c
cards; 开始输入数据
6 1 19 1 32 1 42 1 42 1 43 0 94 1 126 0 169 0 207 1 211 0
227 0 253 1 255 0 270 0 310 0 316 0 335 0 346 0
;
proc lifetest plots=(s); 利用lifetest过程进行生存分析并作生存函数图
time t*c(0); 指定时间变量和截尾变量并指出数据截尾时截尾变量的取值
run;
SAS软件输出结果 Product-Limit Survival Estimates
Survival
Standard Number Number
t Survival Failure Error Failed Left
sas使用greenwood公式
SAS 使用 Greenwood 公式
SAS（统计分析系统）是一种广泛应用于数据分析和统计建模的软件工具。Greenwood 公式是在生存分析中用于估计生存时间的一种常用方法。下面将介绍如何在 SAS 中使用 Greenwood 公式进行生存分析。
首先，我们需要准备需要分析的数据集。假设我们有一个包含生存时间和事件状态的数据集，其中生存时间表示发生事件的时间，事件状态表示是否发生事件（如死亡事件）。我们可以使用
SAS 的数据步骤（data step）或导入外部数据文件来创建这样的数据集。
然后，我们需要加载 SAS 的生存分析过程（PROC
LIFETEST）。这个过程提供了各种生存分析方法的实施功能，包括 Greenwood 公式。
接下来，我们可以在生存分析过程中使用 TEST 命令来进行生存分析。TEST 命令用于指定我们想要进行的分析类型和方法。
在使用 Greenwood 公式时，我们可以使用 TEST 命令中的
"GREENWOOD" 选项。该选项将告诉 SAS 使用 Greenwood 公式进行生存时间估计。 以下是一个示例代码片段，展示了如何在 SAS 中使用
Greenwood 公式进行生存分析：
```
PROC LIFETEST DATA=your_dataset;
TIME time_var / EVENT=event_var;
TEST GREENWOOD;
RUN;
```
在代码中，将 "your_dataset" 替换为你所使用的数据集名称，"time_var" 替换为包含生存时间的变量名，"event_var" 替换为包含事件状态的变量名。
运行代码后，SAS 将输出生存分析的相关结果，包括
Greenwood 公式所估计的生存时间。
综上所述，使用 SAS 进行生存分析并应用 Greenwood 公式是一种常用的方法。通过加载生存分析过程并在 TEST 命令中选择
