SPSS详细教程:Cox回归中,分类变量的PH假定检验
龚志忠

龚志忠

首都医科大学附属北京中医医院

擅长:临床研究数据统计分析、流行病学方法设计、临床预测模型建模与评价
已关注
关注
2019-04-30 来源:医咖会

英国统计学家D.R.Cox于1972年提出的比例风险回归模型(Proportional hazard regression model),简称Cox回归模型,有效地解决了对于生存资料进行多因素分析的问题。

但是Cox回归模型在应用时,有一个非常重要的前提条件,即比例风险(Proportional hazards)假定,简称PH假定。

PH假定的基本假设为:协变量对生存率的影响不随时间的改变而改变,即风险比值h(t)/h0(t)为固定值。而在实际进行生存分析的过程中,有些自变量对风险函数(事件发生概率)的影响会随时间的变化而变化,因此在构建Cox回归模型之前,必须对PH假定进行判定,只有PH假定得到满足时,Cox回归模型的结果才有意义

然而对于PH假定的判定往往被研究人员所忽略,而且分类变量和连续变量的判定方法也有所不同。本期内容小咖就带大家学习一下,对于分类变量,如何利用SPSS软件,简单快速的对PH假定进行判断。

案例数据

数据库变量:

1、结局变量stroke:即是否发生脑卒中,1代表发生结局,0代表未发生结局

2、分组变量treatment:即2种不同的治疗方法,取值分别为1和2

3、时间变量time:单位“月”

4、协变量age:单位“岁”

我们将对treatment(分类变量)这个变量进行PH假定的判定。

一、Kaplan-Meier生存曲线法

对于分类变量,检验是否满足PH假定,最常用的方法就是Kaplan-Meier生存曲线法,通过观察生存曲线是否存在交叉来进行判断。如果分类变量每一组别的Kaplan-Meier生存曲线存在交叉,提示可能不满足PH假定。但是这里需要注意的是,曲线不交叉并不代表PH假定就一定成立,仅作为检验PH假定的一个初步判断