Aalen模型在医学研究中的应用

<正>Cox比例风险模型[1]是生存分析中最常用的模型,很多实际问题中的协变量并不满足比例风险,而且协变量的效应可能随时间变化。基于这些情况的考虑,Aalen提出了加法危险率模型[2-3],Aalen模型是Cox模型的补充。Aalen模型一个重要的特征就是其回归系数是随时间变化的函数,这种函数没有特定的形式,也不依赖任何参数假定。相对于Cox模型的半参数本质,Aalen模型是非参的,适合用于模型中含随     

利用三次样条函数考察Cox模型比例风险假定

目的 介绍一种检查Cox模型比例风险假定的假设检验方法。方法 利用时间的三次样条函数评价Cox比例风险回归模型中的时协变量交互作用项。结果 该法灵活有效，并且提供LHRF的点估计和区间估计。结论 三次样条回归作为一种检验方法，可与其他检验方法或图法结合使用，以考察Cox模型比例风险假定。     

鞅残差在Cox回归模型诊断中的应用

目的：探讨Cox模型中某给定连续变量对生存效应的最佳函数形式。方法：不含该变量的Cox模型下的鞅残差对该协变量作图可揭示该变量在全模型中的函数形式。结果：实例分析表明,Loess平滑鞅残差图可用于Cox模型中协变量函数形式的确定。结论：建议分析者把鞅残差图纳入Cox模型分析中,对协变量的生存效应作出正确估计。     

Cox及其拓展模型在基于队列的依时暴露因素效应估计中的应用

队列研究的特点之一是暴露因素会随时间而改变,如何充分利用暴露因素及其协变量的变化及其相互关系,从而获得更真实的暴露因素与结局关系是目前的研究热点。本研究以开滦队列为例,探讨基于基线暴露状态、随时间变化的暴露信息以及同时控制依时混杂因素时,如何利用Cox比例风险回归及其拓展模型,包括依时Cox回归及边际结构模型,探讨FPG与肝癌的关系,概述并比较了上述拓展模型的基本原理、应用条件、估计结果及结果解释。     

样条Cox回归在随访资料分析中的应用

介绍借助R软件应用样条Cox回归分析不满足Cox比例风险模型两个基本假定条件的随访资料的方法,可同时估计非线性效应和时协效应.结果表明文中实例涉及的连续型协变量多不符合线性假定,3个变量不符合比例风险假定,应用样条Cox回归控制多个协变量后,踝臂指数每降低0.1,全因死亡的风险比(HR)为1.071.随访资料在不满足比例风险Cox回归模型的应用条件时,可选择应用样条Cox回归进行分析.     

生存结局的多中介变量的中介分析方法比较

目的本研究以生存结局为切入点,探讨含两个中介变量时的中介生存分析模型(Aalen相加风险模型、Cox比例风险模型、加速失效时间AFT模型),为预后的多中介变量分析方法的选择提供应用建议。方法通过统计模拟试验,设定不同的相关系数、效应比、删失率等,从第一类错误及检验效能等方面对上述三种方法进行统计学性质评价。结果中介变量与暴露的相关系数越大,越容易发现中介变量的中介效应;删失率与效应比对Aalen模型的影响较大,对其他两种模型的影响较小;随着删失率的降低,Aalen模型的第一类错误反而膨胀,故Aalen模型不适用于多中介变量的分析;样本量越大,三种模型的检验效能差别减小且趋于稳定。不同参数设定下,AFT模型的检验效能最大,其次为Cox模型,最后为Aalen模型。结论 AFT模型优于其他两种方法,推荐用于生存结局的多中介变量的中介分析;进行中介分析时需要足够的样本量。     

半参数治愈模型在长期生存者资料分析中的应用

目的 介绍长期生存者资料生存分析模型与方法 .方法 以SARS病人为例阐述半参数治愈模型原理与方法 ,并将长期生存者资料半参数治愈模型与Cox回归模型得到的结果 进行对比分析.结果 Cox比例风险回归模型得到四个协变量有统计学意义;半参数治愈模型比例风险回归部分得到一个有意义的协变量,logistic回归部分得到三个协变量有统计学意义.结论 在对长期生存者存在的资料分析时,半参数治愈模型比传统的Cox比例风险回归模型更具优势,不仅模型形式简明,参数估计解释合理,而且可从多角度提供更多有价值的信息,是一种适用范围更广,实用性更强的统计分析方法 .     

Cox回归模型比例风险假定的检验方法研究

正生存分析(survival analysis)是一系列处理"事件发生时间"变量的统计方法总称~([1]),常用于研究疾病的发生、转归、痊愈和死亡。Cox比例风险回归模型(Cox proportional hazards regression model)~([2])作为生存分析中最重要的多因素分析方法之一,被广泛应用于临床随访资料的危险因素筛选及预测。Cox回归模型将风险函数表达为基准风险函数与相应协变量函数的乘积,通过描述不同人群在不同时刻的风险,来探索各危险因素对生存的影响。其基本     

限制性立方样条在Cox比例风险回归模型中的应用

限制性立方样条Cox比例风险回归模型分析是流行病学多因素生存分析的重要方法。本研究通过对典型Cox比例风险回归模型和限制性立方样条Cox比例风险回归模型比较,阐述了典型Cox比例风险回归模型的局限性,以及限制性立方样条Cox比例风险回归模型基本原理与实现过程。在随访数据不满足典型Cox比例风险回归模型应用条件时,可采用该方法实现连续性暴露与结局之间的关联分析。     

Buckley-James模型在生存分析中的应用

目前,Cox比例风险回归模型由于较好地解决了随访资料的时间变量分布的多样性和删失数据处理等问题,成为在临床疗效评价和预后因素分析及流行病学队列研究的暴露效应和混杂因素控制分析中常用的多变量统计方法。然而,人们在使用过程中往往忽略了“比例风险”的假定,即风险函数的     

检验Cox模型成比例危险性假设的探讨

目的：探讨如何对Cox模型成比例危险性假设进行检验,以及协变量与危险函数之间非成比例危险性的解决方法。方法：以Ⅲc期卵巢浆液性囊腺癌数据为例,用图形法对影响Ⅲc期卵巢浆液怀囊腺癌生存时间的预后因素。做了成比例危险性假设的检验。结果：术前一般状态这一 后因素违背了成比例危险性假设。结论：在应用Cox模型时,检验预后因素是否违背成比例危险性假设应当引起重视。     

基于Cox模型的美沙酮维持治疗患者脱失预测研究

目的 构建Cox比例风险模型预测美沙酮维持治疗门诊患者脱失概率,及时识别患者脱失风险,实施个体化干预,提高患者维持治疗率。方法 收集福田区和南山区2009-2014年所有美沙酮维持治疗患者相关信息,将样本分为训练样本和测试样本,训练样本用来拟合Cox比例风险预测模型,测试样本用来评估模型信度和效度。结果 经拟合模型,筛选出8个变量对脱失预测有统计学意义（P<0.05）,经测试样本评估,模型的灵敏度为82.24%,特异度为80.76%,一致率为81.76%,说明模型预测结果和实际脱失情况具有较高的一致性。结论 Cox比例风险模型可以用于美沙酮维持治疗门诊患者的脱失预测。     

区间截尾Cox比例风险模型在健康教育中的应用

目的 介绍区间截尾型Cox比例风险模型及其在健康教育中的应用。结果 采用区间截尾型Cox比例风险模型评价健康教育对降低HIV转阳的作用。结果 接受健康教育对象HIV阳性的危险比未接受的降低了41．6％。结论 区间截尾型Cox比例风险模型在健康教育研究中是可行的。     

Buckley-James模型在生存分析中的应用

目的探讨Buckley-James模型在生存分析中的应用。方法介绍Buckley-James模型的计算、发展以及程序的实现，用一实例比较了Buckley-James模型和Cox模型。结果在不符合比例风险的前提下，Buckley-James模型的结果要比Cox模型准确。结论Buckley-James模型有着很好的统计学特性，它是Cox模型在不满足比例风险假定时的主要替代模型之一。     

衢州市手足口病再感染风险分析——基于Cox比例风险回归模型

目的 采用Cox比例风险回归模型，分析2017—2022年衢州市手足口病(hand, foot, and mouth disease, HFMD)患者再感染的风险，为HFMD防控提供依据。方法 选取中国疾病预防控制信息系统导出的2017—2022年衢州市HFMD重复个案为研究对象，收集人口学资料、再感染时间和实验室结果资料，采用Kaplan-Meier法比较不同性别、年龄组、人群类型、地区、实验室结果的首次再感染的累计危险概率；采用Cox比例风险回归模型对HFMD再感染风险进行单变量和多变量分析。结果 2017—2022年衢州市HFMD再感染率为6.23%(1 506/24 185)。再感染病例1 506人，2次感染1 471人(97.68%),3次感染33人(2.19%),4次感染2人(0.13%)。首次感染后20个月内，再感染风险急剧增加，其再感染率(18.58%)达到最高值。Kaplan-Meier曲线显示，柯萨奇病毒A16型(CV-A16)首次感染、3岁以下、男童、城市地区、散居儿童再感染危险性较高。Cox比例风险回归模型显示，男童(HR=1.394,95%CI:1.250～1...     

区间截尾Cox比例风险模型及其应用

Ｃｏｘ比例风险模型是生存分析中比较常用的一种方法 ,Ｃｏｘ比例风险模型假定说明变量的效果具有参数形式 ,但允许基准生存函数不具有特定的形式 ,所以应用范围非常广泛。但由于资料中常含有截尾数据(ｃｅｎｓｏｒｅｄｄａｔａ) ,使Ｃｏｘ比例风险模型更加复杂。根据个体生存时间与观察时间之间的关系可以分为 3类 :若个体的生存时间长于观察时间 ,称为右截尾数据 ;若个体的生存时间短于观察时间 ,称为左截尾数据 ;若个体的生存时间界于两次观察之间 ,则称为区间截尾数据。目前国内对左截尾和右截尾的Ｃｏｘ比例风险模型研究较多〔1,2〕,有…     

多结局Cox模型在医学中的应用和Stata实现

目的探讨生存分析中多结局风险比例模型在实际研究中的应用.方法采用多结局的比例风险模型,采用偏似然估计和校正方差估计值,引入新的协变量,同一因素的不同结局的风险函数比(HR)不同.结果通过对实例的分析显示该方法在实际应用中较好地解决了同一因素对应不同结局风险函数比(HR)不同的问题.结论对于不同结局,定义协变量的相应取值,使多结局比例风险模型可估计和推断同一因素对应不同结局的风险函数比.     

指定删失比例的生存数据模拟及R实现

目的探讨生成具有指定删失比例的模拟数据的新方法,并编写完整的模拟数据产生的R代码,方便使用。方法基于Cox比例风险模型框架分别推导考虑和不考虑协变量情况下的删失参数的闭式表达式或核密度估计,并基于R 4.0.2软件编写函数模拟产生满足指定删失比例的生存数据。通过1000次模拟数据来验证生成数据的删失比例是否与指定的删失比例一致。结果函数CenDatNoCov、CenDatBin、CenDatNorm和CenDatMixed可分别返回不考虑协变量,协变量为二项分布、正态分布以及混合分布情况下的删失数据,其中后三者内嵌的函数CensProbBin,CensProbNorm,CensProbMixed可分别得到相应情况下的删失参数值。模拟生成数据的删失比例与指定的删失比例近似相等。结论本研究所提供的方法及编写的R函数可有效生成指定删失比例的数据。     

狂犬病病例暴露后Cox回归生存分析

目的分析狂犬病暴露后影响因素,探索病例暴露后生存与风险随时间变化的规律。方法收集安徽省2005～2013年483例狂犬病个案资料,采用Epi Data3.1软件录入数据库,用SPSS对数据进行Cox回归分析。结果狂犬病潜伏期为正偏态分布,中位数潜伏期为70d,Cox比例风险模型分析发现,暴露部位的风险强度：头颈部风险最高,RR=1.73。暴露后接种人用狂犬病疫苗,则生存情况越好,RR=0.65。结论狂犬病暴露后,应及时规范处置暴露者的咬伤部位,特别是暴露于头颈部的患者,并及时免疫接种。     

队列研究资料分析中Cox比例风险回归模型的时间尺度选择和应用

Cox比例风险回归模型（Cox模型）是时间-事件数据分析中常用的多因素分析方法,拟合Cox模型时一个关键问题是如何选择合适的与结局事件发生相关的时间尺度。目前国内开展的队列研究在资料分析中较少关注Cox模型的时间尺度选择问题。本研究对文献报道中常见的几种时间尺度选择策略进行简要介绍和比较;并利用上海女性健康队列资料,以中心性肥胖与肝癌发病风险的关联为例,说明选择不同时间尺度的Cox模型对数据分析结果的影响;在此基础上提出几点Cox模型时间尺度选择上的建议,以期为队列研究资料的分析提供参考。