基于原发性胆汁性肝硬化数据的生存分析.doc

数据背景 1、数据名称：原发性胆汁性肝硬化的数据 2、数据来源：/datasets/pbc 3、数据简介：该数据以pbc的名字包含在程序包survival中，数据集有20个变量，共有418个患者的观测,每个患者只有一次观测。其数据是来自于梅奥诊所所审理的从1974年到1984年这十年间的原发性胆汁性肝硬化的病例。总共有424个PBC患者，按照资格标准随机采用安慰剂对照药物D-青霉胺进行。312个个案在数据集中参加随机试验，而附加的112个个案没有参加临床试验，但有基本的测量记录。6个个案失去了确诊后没有跟进，所以数据上附加的是106个个案以及312个随机参与者，共418组观测值。 4、变量介绍： 变量名 描述 性质 id 个人代码 分类 time 登记到换肝或死亡天数 数量 status 状态（活着，肝移植，死亡) 分类 trt 用药（D-青霉胺，安慰剂） 分类 age 年龄 数量 sex 性别 分类 ascites 腹水（No,Yes) 分类 hepatomegaly 肝肿大（No,Yes) 分类 spiders 蜘蛛纹（No,Yes) 分类 edema 水肿（无水肿，未用利尿剂水肿，用利尿剂仍水肿） 分类 bili 血清胆红素（mg/dl) 数量 chol 血清胆固醇（mg/dl) 数量 albumin 白蛋白（mg/dl) 数量 copper 尿铜（ug/day) 数量 alk.phos 碱性磷酸酶（U/liter) 数量 ast 血清谷氨酸谷草转氨酶（U/liter) 数量 trig 甘油三酯（mg/dl) 数量 platelet 血小板（每升千个） 数量 protime 凝血酶原（秒） 数量 stage 疾病组织学分期（1,2,3,4期） 分类 5、分析思路：如果对后面106个观测值的缺失值整列进行弥补然后对418个观测值进行分析意义不大，因此只将前312个观测值单独提取出来进行非参数、参数、Cox比例风险模型的建立。本文的分析包括：选择对生存函数有显著性影响的因子进行建模；通过图形、统计检验的方法比较各个因子变量的不同取值下的生存曲线是否存在差异，差异是否显著；建立的模型是否满足前提假定等。 6、数据预处理：由于前312个观测值存在缺失的情况，因此首先进行弥补。之后由于原始数据中status变量分为活着，肝移植和死亡三个结果，而生存分析要求结果为两分类互斥事件，因此将肝移植和死亡的变量值合并。最终status变量的取值为0=活着，1=换肝或死亡，并在312个观测值中将分类变量status、trt、ascites、hepato、spiders、edema、stage转换为因子。 经过处理后的数据概况如下： 数据集一共包括19个变量，其中11个数值型变量：time、age、bili、chol、albumin、copper、alk.phos、ast、trig、platelet、protime;8个分类变量: status、trt、sex、ascites、hepato、spiders、edema、stage；无缺失值。 非参数模型 不含变量的Kaplan-Meier估计 得到的95%的置信区间的拟合图如下所示： 检验D-青霉胺和安慰剂组生存函数的差异 （1）图形检验 上图为用Kaplan-Meier 比较D-青霉胺和安慰剂两种不同的药对生存时间的差异，红色的曲线代表安慰剂组，黑色的曲线代表D-青霉胺组，两种不同水平下的曲线大致是重合的，只有小部分存在分歧。因此可以初步判断两组不同的用药对生存函数没有影响。 log-rank test Tarone-Ware test Wilcoxon test 三种检验方法的原假设均为，而得到的p值均远远大于0.05，因此可以认为两种不用的用药对生存函数是没有显著性影响的。 检验不同性别的生存函数的差异 （1）图形检验 （2）log-rank test Tarone-Ware test Wilcoxon test 分析：从生存曲线可以看出，在起初的一小段时间里男性和女性的生存曲线重合，没有太大的差异，但随着时间的推移，不同的性别的生存曲线逐渐显示出了较大的差异，从而说明了性别对于生存函数是有影响的，从上面的三种检验得到的p值均为0.02左右也可以得到相应的结论。而且男性患病的风险比女性更高。 Cox 比例风险模型 1、基于不同用药组（trt)建立Cox比例风险模型 从回归系数以及三种检验得到的p值可以看出，不同用药组对于生存函数的影响不显著。 2、基于不同性别(sex)建立Cox比例风险模型 从图和分析结果均可以看出，不同性别的生存曲线有显著性的差异，女性的风险是男性