公众号:丁点帮你
作者:丁点helper
最近的生存分析系列文章都是介绍生存曲线的估计方法的,其中一篇讲了如何通过每一例患者的生存时间绘制生存曲线、估计生存率,这种方法被称为K-M法,是因为该方法最早是由Kaplan和Meier这两个人提出的;另一篇讲了如何理解生存率的95%置信区间。
回顾一下前面讲过的例子:为了解肺癌患者接受某种治疗后的生存状况,研究者收集了12名肺癌患者治疗后的住院资料。我们将12名观察对象的生存时间由小到大依次排列,可以计算每个时间点的生存概率,进而计算每个时间点的生存率。
然而在实际工作中,经常会遇到样本含量较大的随访资料,例如大型的队列研究。研究人员只会在计划好的时间点对所有研究对象进行随访(例如每年一次),而不会与每个研究对象持续保持联系,准确记录结局发生/删失发生的具体时间。
因此,某些个体的结局/删失发生在两次随访之间,研究者就不能获得其确切的生存时间,只能确定生存时间的区间。在这种情况下,可将原始资料按照生存时间分组再进行分析。
下面我们用一个例子来看看这种方法是如何实现的。
案例:为了解尘肺患者的生存期,回顾性调查了某煤矿确诊为尘肺的患者1166人,其生存时间列于下表。
与K-M法相比,这一方法中的生存时间由一个确切时间变为了一个时间区间(上表中的『确诊年数 ti』这一列)。
这种变化类似于制作频数分布表的过程,上表是对1166名患者的生存时间做了一个频数分布表,比如第一行中的数据就表示,确诊为尘肺后,寿命少于2年的有51人。教科书中把这样整理数据并估计生存率的方法叫做寿命表法。
接下来我们来一步步搞懂上面这张表。
第(1)~(4)列
在背景中讲过,本案例中患者确切的生存时间无从知晓,只能知道在哪个区间。所以要想把1166名患者的生存时间整合起来,就需要按照生存时间的区间来整理,也就是统计每个区间的人数。
你可能会问,为什么上表是以2年为一个区间呢?其实这个区间的宽度是根据随访时间和观察例数来确定的,可根据实际情况合理调整。
一般每个区间为半闭半开区间,最后一个区间终点在无穷大。本例分成了22个时间区间。
在确定分组区间之后,就要统计每个区间内的死亡人数di、删失人数ci以及期初观察人数ni。第一个时间区间的期初观察人数是所有的观察例数;下一个区间的期初观察例数按以下公式计算:
,这和之前讲过的K-M法是一样的。
第(5)~(7)列
在计算某一时间区间内的死亡概率时,需要用该区间内的死亡人数除以该区间内的观察人数,即
。但是当区间内存在删失时,这些个体并未观察至区间的终点,因此这里用期初观察人数做分母不太妥当。只有当删失数为0时,区间内有效观察人数才等于ni。
在一个特定时间区间内,我们假定删失个体发生的时间是均匀分布的,有的在区间刚开始就删失了,有的则在区间快要结束时才删失。把这些删失个体看做一个整体,相当于一半的个体在区间开始时删失,而另一半则存活到了区间结束。因此,可以认为区间内的有效观察人数为:
也被称为期初校正人数。
接下来每一个时间区间的死亡概率和生存概率也就很好计算了:
比如第三个区间(
),66名患者死亡,死亡概率就是:66/1069.5;对应的生存概率就是:1 - 66/1069.5。
上面的计算中,分母是1069.5,这个数值是怎么来的?计算过程如下:
第(8)~(9)列
接下来的一列就是生存分析中最关心的『生存率
』这一指标了。和之前讲过的一样,各时间点的生存率就是各区间生存概率的乘积。
......注意各时间区间对应的生存率应是该区间上限时间点的生存率,例如上表中第5个区间 [8, 10)对应的生存率为0.7565,意思是某患者确诊为尘肺后预测其活过10年的生存率为75.65%,而不是活过8年的生存率。
最后,再说说为什么要出现表中最后一列『生存率的标准误
』。我们这个表中每个区间的生存率都是用样本计算出来的,要想通过样本了解总体的情况,或者说想估计总体生存率的95%置信区间,就需要用到
。具体解释和计算方法在前文中有详细介绍。
数据分析咨询请扫描二维码
CDA数据分析师在中国航信高科技产业园进行了面向测试度量的数据分析培训课程,培训人数近2 ...
2024-05-01CDA数据分析师走进深圳迈瑞生物医疗电子股份有限公司,在迈瑞总部展开了为期两天的培训,本次课程参训人员线上及线下近百人, ...
2024-05-01CDA数据分析师在合肥市对合肥阳光新能源科技有限公司开展了为期8天的企业内训。 合肥阳光新能源科技 ...
2024-05-01CDA数据分析师走进海尔大学,进行了《数据治理与数据中台建设的道与术》专题培训,培训现场爆满,近百人参加了此次培训。 ...
2024-05-01在中国银行苏州分行培训中心开始数据分析师培训,此次培训课程共10天内容,包括Excel、MySQL、概率论与数理统计、SPSS等内容, ...
2024-05-01从实际的业务需求出发,结合行业的典型应用特点,围绕实际的商业问题,探讨数据挖掘、机器学习模型在金融领域的应用,包括获客、信用评分、细分画像、交叉销售、反欺诈、违规识别、时序预测、运筹优化、流程挖掘九个方面,形成 ...
2024-05-01本次培训课程为线上+线下的模式,由于学员编程能力不一、部分学员没有编程基础,故提供统计学、python基 ...
2024-05-01华夏银行信用卡中心-机器学习培训 1、课程亮点 取材于业界一流企业和顶级咨询公司的行业实践;已经被证明是人人 ...
2024-05-01主 题:数据中台建设及数据分析应用主题分享 1. 数据中台市场洞察 2. 主流数据中台产品比较 3. 某企业数据中 ...
2024-05-01围绕“数据驱动”战略,全力打造我行 300 人数字化人才梯队,着力培养数字化管理人才、大数据专业团队 ...
2024-05-01在当今数据驱动的商业环境中,数据分析成为了企业决策的重要依据。通过对大量数据的收集、处理和分析,企业能够更好地理解市场 ...
2024-04-29在人工智能(AI)的世界里,提示词(Prompt)是一种强大的工具,它能够引导AI按照用户的需求产生特定的输出。本文将深入探讨AI ...
2024-04-29CDA立足未来职场,拓展前沿视野——对外经贸大学保险学院举办“三全育人大讲堂”分享行业最新动态。 ...
2024-04-294月2日,CDA数据分析师创始发起人兼协会理事长赵坚毅博士受邀在浙江万里学院举办了一场以“数字化能力在职场中的作用” ...
2024-04-29随机森林(Random Forests)现在机器学习中比较火的一个算法,是一种基于Bagging的集成学习方法,能够很好地处理分类和回归的问 ...
2022-12-23方差分析是数据分析中常用的一种统计分析方法,接下来让我们简单了解一下方差分析的基本思想和原理吧。 方差分析(Analysis ...
2022-12-23来源:关于数据分析与可视化 关于streamlit-aggrid 数据排序 表格样式的调整 数据 ...
2022-08-03作者:麦叔 定义 「把上面晦涩的概念汇成一句话就是:」 ❝ 回调函数就是一个被作为参 ...
2022-08-03现今,高学历人群日益增多,物以稀为贵的高学历光环淡去。无论本科生还是研究生,甚至博士生,求职竞争力都大不如前,就业压力越来越大。
2022-06-01某家企业10个人面试,有9个本科生……如何脱颖而出,除得体的举止和良好的沟通力外,证书成重要筹码,这也是很多人考证的关键所在。
2022-04-14