生存分析6-分層Cox及校正的生存率

分層比例風(fēng)險模型(Stratified Proportional hazards models)

比例風(fēng)險(Proportional hazard):協(xié)變量對風(fēng)險比的影響不隨時間而變化
非比例風(fēng)險(Non-Proportional hazard):風(fēng)險比隨時間的變化而變化
Cox回歸使用廣泛,但前提要滿足比例風(fēng)險假設(shè)碉渡,如果不符合需要采用其他的分析方法母剥,如加速失效模型(accelerated failure time model),其中的指數(shù)回歸和weibull既屬于加速失效模型同時也符合等比例風(fēng)險假設(shè)习霹;在Cox回歸中加入時依變量(time-dependent variable)等炫隶。

-分層Cox回歸

風(fēng)險比在不同分層間不成比例,但在層內(nèi)符合比例風(fēng)險且各個分層間的基線風(fēng)險函數(shù)可以不同伪阶。分層的變量需為分類變量,因?yàn)榘凑詹煌膶舆M(jìn)行了分析斟湃,該分層因素的效應(yīng)不能估計檐薯。分層因素如各個不同的中心。


image.png

假設(shè)第j個分層的某個受試者的基線風(fēng)險為h_{0j}(t)墓猎,j=1,2, ..., g赚楚,g為分層的數(shù)量。
則第i個受試者的風(fēng)險為h_{ij}(t)搀军,i=1,2,..., n_jn_j為第j個分層的受試者總數(shù)罩句。
分層比例風(fēng)險模型表示為:
?????????????????????????????????????????????h_{ij}(t)=exp(β'x_{ij})h_{0j}(t)
x_ij為p個協(xié)變量门烂, X1, X2, ..., Xp 為第j個分層第i個受試者的取值兄淫。

*校正的生存函數(shù)

?????通常生存分析中,通過K-M法估計生存率捕虽,繪制生存曲線或者分層后的生存曲線,K-M不考慮協(xié)變量的校正房揭。通過Cox回歸校正協(xié)變量晌端,獲得矯正或者未校正后的HR。
?????如果想要估計協(xié)變量校正后的生存率咧纠,則在Cox回歸模型相關(guān)參數(shù)估計完成后,可以進(jìn)一步通過這些參數(shù)估計生存函數(shù)梧奢,可以與未校正的K-M估計進(jìn)行比較演痒。
?????即校正風(fēng)險后的生存函數(shù)(Risk adjusted survivor function),在各個時間點(diǎn)所有受試者生存率的平均值嫡霞。

?????在時刻t時,某受試者的風(fēng)險函數(shù)為


image.png

?????轉(zhuǎn)換為生存率:


image.png

?????各時間點(diǎn)的生存率估計為:
image.png

當(dāng)Cox模型用于g個組間的比較


image.png

此時h_{0j}(t)為第j個組的基線風(fēng)險函數(shù),即各個組的基線風(fēng)險函數(shù)不同晕粪。但β1, β2, ..., βp在各個組間仍是相同的渐裸。
對應(yīng)為分層Cox回歸(Stratified Cox regression model)装悲,j為某一變量對應(yīng)的g個分層尚氛,即對g個分層分別進(jìn)行分析,模型中的xi不包括組別變量(這里指分層變量)阅嘶,僅估計協(xié)變量的參數(shù)β讯柔。對應(yīng)生存率估計為

image.png

-SAS實(shí)現(xiàn)

SAS中通過STRATA語句實(shí)現(xiàn)
The proportional hazards assumption might not be realistic for all data. If so, it might still be reasonable to perform a stratified analysis. The STRATA statement names the variables that determine the stratification
The STRATA statement enables us to fit a proportional hazards model when the hazard functions in the two treatment groups are parallel within each stratum but not across the entire sample.

增加Strata后的β系數(shù)估計只有一個結(jié)果。因?yàn)榉謱覥ox回歸假定的是系數(shù)在各個分層間相同粗截,只是每個分層都有不同的基線風(fēng)險模型捣炬。將協(xié)變量放入模型(Strata中的變量不放入model),進(jìn)行系數(shù)估計后遥金,再計算不同分層的風(fēng)險比或生存率。
而如果將Strata中的變量放出model右側(cè)选泻,則采用的是常規(guī)的COX回歸美莫,假設(shè)的各個分層的基線風(fēng)險函數(shù)是相同的。

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末窝撵,一起剝皮案震驚了整個濱河市襟铭,隨后出現(xiàn)的幾起案子碌奉,更是在濱河造成了極大的恐慌寒砖,老刑警劉巖,帶你破解...
    沈念sama閱讀 206,013評論 6 481
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件魁兼,死亡現(xiàn)場離奇詭異漠嵌,居然都是意外死亡盖呼,警方通過查閱死者的電腦和手機(jī)化撕,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 88,205評論 2 382
  • 文/潘曉璐 我一進(jìn)店門侯谁,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人墙贱,你說我怎么就攤上這事贱傀。” “怎么了府寒?”我有些...
    開封第一講書人閱讀 152,370評論 0 342
  • 文/不壞的土叔 我叫張陵株搔,是天一觀的道長。 經(jīng)常有香客問我纤房,道長,這世上最難降的妖魔是什么捌刮? 我笑而不...
    開封第一講書人閱讀 55,168評論 1 278
  • 正文 為了忘掉前任舒岸,我火速辦了婚禮,結(jié)果婚禮上俄认,老公的妹妹穿的比我還像新娘。我一直安慰自己眯杏,他們只是感情好典尾,可當(dāng)我...
    茶點(diǎn)故事閱讀 64,153評論 5 371
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著河闰,像睡著了一般。 火紅的嫁衣襯著肌膚如雪姜性。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 48,954評論 1 283
  • 那天弃酌,我揣著相機(jī)與錄音儡炼,去河邊找鬼。 笑死乌询,一個胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的唬党。 我是一名探鬼主播鬼佣,決...
    沈念sama閱讀 38,271評論 3 399
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼蓝纲!你這毒婦竟也來了房铭?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 36,916評論 0 259
  • 序言:老撾萬榮一對情侶失蹤翁狐,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后露懒,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體砂心,經(jīng)...
    沈念sama閱讀 43,382評論 1 300
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 35,877評論 2 323
  • 正文 我和宋清朗相戀三年坎弯,在試婚紗的時候發(fā)現(xiàn)自己被綠了。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片撩炊。...
    茶點(diǎn)故事閱讀 37,989評論 1 333
  • 序言:一個原本活蹦亂跳的男人離奇死亡崎脉,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出囚灼,到底是詐尸還是另有隱情,我是刑警寧澤阅签,帶...
    沈念sama閱讀 33,624評論 4 322
  • 正文 年R本政府宣布蝎抽,位于F島的核電站,受9級特大地震影響织中,放射性物質(zhì)發(fā)生泄漏衷戈。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 39,209評論 3 307
  • 文/蒙蒙 一刁笙、第九天 我趴在偏房一處隱蔽的房頂上張望谦趣。 院中可真熱鬧,春花似錦前鹅、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,199評論 0 19
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至秦陋,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背旷赖。 一陣腳步聲響...
    開封第一講書人閱讀 31,418評論 1 260
  • 我被黑心中介騙來泰國打工探膊, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留,地道東北人流济。 一個月前我還...
    沈念sama閱讀 45,401評論 2 352
  • 正文 我出身青樓腌闯,卻偏偏與公主長得像,于是被迫代替她去往敵國和親姿骏。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 42,700評論 2 345

推薦閱讀更多精彩內(nèi)容