生存分析之Kaplan-Meier曲线绘制与比较
发布网友
发布时间：2024-10-18 21:04
共1个回答
热心网友
时间：2024-10-19 03:10
转自个人微信公众号【Memo_Cleon】的统计学习笔记： 生存分析之Kaplan-Meier曲线绘制与比较。
我们先看一下这个案例的数据资料：
数据来自老美的TCGA（ The Cancer Genome Atlas, 癌症基因组图谱， portal.gdc.cancer.gov/），下载多发性骨髓瘤CoMMpass研究中的临床资料，数据经过整理微调，所有的患者都经过了治疗。变量包括id、age（年龄）、race（种族：0=white；1=others；缺失值为没有报告或者不愿意记录）、relative_with_cancer_history（家族癌症史：0=无；1=有；缺失值为未统计）、stage（病理学分期：1=I期；2=II期；3=III期；缺失值表示没有该项数据）、status（状态：0=存活；1=死亡）、cause（死亡原因：0=存活；1=死于癌症；2=非癌症死亡）；time_days（确诊后生存时间，天）。我们将利用这个数据进行一系列的生存分析演示。
此次笔记采用Kaplan-Meier法绘制生存曲线，同时比较不考虑其他因素下，不同病理学分期多发性骨髓瘤患者生存曲线。假设其他各个协变量组间均衡，已知研究变量病理学分期stage（1=I期；2=II期；3=III期），生存结局状态status（0=存活；1=死亡）生存时间time_days（确诊后生存时间，天）。
Kaplan-Meier法也称乘积极限法，SPSS操作可参见《 生存分析》，此次笔记示例stata操作。
【1】查看数据基本情况
分析>>生存分析>>摘要统计，检验和表格>>生存时间数据汇总：
点击[生存设置]进行生存数据设置：时间表选入time；失效事件选入status，失效值为1；确定；
分组单独摘要选入stage，确定。
数据集共纳入995例，存在191个失效事件，共有772871个分析人次，随访时间最长个体是1984天。分组查看各组信息，三个组共967例<995，表明stage变量有缺失。Ⅰ期和Ⅱ期中位生存时间无法进行估计，这是由于较早出现了截尾数据，Ⅲ期中位生存时间1616天。
【描述生存时间数据】可获得更详细的信息：分析>>生存分析>>摘要统计，检验和表格>>描述生存时间数据。【2】绘制生存K-M生存曲线
分析>>生存分析>>图形>>Kaplan-Meier生存函数：
生存时间设置，前面已经已经进行了设置；
按组单独进行计算，组变量选入stage。
sts graph, by(stage)
failure _d: status == 1
analysis time _t: time
结果显示，生存曲线组间存在差异，但差异是否具有统计学意义，需要进一步进行检验。如果想了解每一个时间节点上的风险人数、置信区间等，只需要在绘制的选项卡中设置就可以了。如果想用表格显示生存函数或者风险函数的具体人数，可以在分析>>生存分析>>摘要统计，检验和表格>>列表显示生存或累积风险函数进行设置。
【3】组间差异检验
分析>>生存分析>>摘要统计，检验和表格>>生存函数相等性检验：
生存时间设置，前面已经已经进行了设置；
变量选入stage；检验方法有多种，默认是log-rank法，其他还有以Cox回归为基础的相等性检验，Wilcoxon检验（即Breslow检验）等；stage是病理分期，等级变量，我们选中趋势检验复选框，看下随着多发性骨髓瘤分期的加重，生存函数是否出现线性变化趋势。
对数秩检验结果显示，不同病理分期的患者生存率曲线是不同的（chi2=69.35，P<0.0001）；结合生存曲线，随着分期的加重，患者生存率呈逐渐缩短的趋势（chi2=66.80，P<0.0001）。
【4】三条生存曲线总体存在统计学差异，哪两条会存在差异呢？
在SPSS中直接提供了相应的Pairwise选项，但在stata里笔者也没有找到相应的命令（等找到了再补充@_@），我们可以考虑使用Cox回归的后验估计来完成。
分析>>生存分析>>回归模型>>Cox比例风险模型：
声明生存数据；自变量选入stage，且必须以因子变量的形式纳入，否则后验估计无法进行。
具体步骤如下：
在进行Cox回归前需要验证风险比例假定，Stata的Cox回归与风险比例假设检验的详细操作与解读可参见《 生存分析之Cox回归》一文。实际上本例并不满足风险比例假定，可能需要进一步的分段考察，因此本例仅是演示操作步骤。
统计>>后验估计：参数估计的检验，对比和比较>>成对比较，开始：
计算成对比较的因子项，本例选入stage；多重比较提供了具体两两比较的方法，本例选入Bonferroni法。
结果如下。结果显示任意两组间死亡风险均有统计学意义（95%CI均未包含0，即P<0.05）。
回到最开始的数据，很多时候我们会对生存结局有着更详细地记录，如本例，有些患者是死于癌症相关的，有些不是死于癌症相关的，这些在状态变量stauts里面全部标注为死亡。如果你的研究结局是多发性骨髓瘤死亡，这样做显然不合适，前面的示范明显是多发性骨髓瘤的全因死亡。如果我们想研究结局是多发性骨髓瘤的死亡该怎么做？较为传统的做法就是将非多发性骨髓瘤死亡的个体（如因其他疾病、意外等死亡）、失访个体均按删失数据( Censored Data)处理。结果如下：
上述处理方法是较为常见的方式，但这样处理有一个前提条件，即个体删失情况与个体终点事件相互，通俗一点说个体的删失不会影响到终点事件的发生。比如研究全因死亡，只要随访的时间足够长，终点事件（死亡）总会发生，只是现实当中限于资源以及患者的失访，我们不太可能完全获得或者随访至死亡结局出现而已，虽不能得，但死亡是肯定的。但如果研究的是癌症死亡，当发生了其他原因的死亡（如非癌症死亡、意外死亡等），无论你随访时间多长，患者都不会因为癌症再死一次；如果你研究的是疾病复发，当患者发生了死亡，患者也不会再出现复发这个终点事件了。这时候某个结局事件的发生阻碍了我们研究结局的发生，如采用传统的生存分析方法估计，生存风险会偏高，这个问题怎么解决呢？或者你早就知道了，这时候应该考虑竞争风险模型（Competing Risk Model ）啦！预知竞争风险模型如何，且听以后再分解吧。
