统计学科普系列课二:教你看懂生存曲线

2018-10-16 08:01 来源:丁香园 作者:
字体大小
- | +

QQ图片20181015145837.png

本期课程:教你看懂生存曲线

ccvideo

 

生存分析,是将事件的发生与所经历的时间结合起来的一种统计分析方法,在肿瘤临床试验中十分常见。

以无进展生存期(PFS)的分析举例,事件指肿瘤进展或者死亡,时间则从开始随访到发生事件为止。所有受试者在某一时刻仍未发生事件的比例称为(无进展)生存率;以生存时间为横轴,生存率为纵轴,并连接每个时间点的生存率,就可以得到生存曲线。

3.png

从 FLAURA 研究中的 PFS 曲线可以直观地看到:随着时间推移,生存率从 1 逐渐下降,而奥希替尼的生存曲线始终在标准治疗之上,表明其生存率更高。

生存曲线上很多小栅栏一样的点,称为删失。在随访中,有些受试者因为一些原因失访,或直到随访结束也没有发生事件,我们只能用最晚的观察时间(删失时间),作为终点。这样的算法偏保守,因为真实发生事件的时间可能更久。

光有直观呈现当然还不够, log-rank 检验是一种检验生存曲线之间是否存在差别的常用方法,主要用于对单一分组因素的分析,例如: 试验药和对照。该方法基于生存曲线上每个点的数据,取相同权重进行计算。如果 p 值小于阈值(0.05 或 0.01),则两组生存时间有显著差异。

QQ图片20181009175513.png

但 log-rank 检验未考虑其他混杂因素,也未考虑发生事件和删失的区别,判断结果不够全面,所以我们多选择 Cox 比例风险回归模型。Cox 回归模型可以处理删失数据,分析各个因素对生存时间的影响,并得出两组间的风险比(HR)。例如,对于「治疗方案」这个因素,我们计算出奥希替尼组相比标准治疗组的 HR 为 0.46,这表明前者发生肿瘤进展或死亡的风险仅为后者的 46%; p<0.0001,说明 PFS 差异显著。

更多内容推荐:

统计学科普系列课一:统计学这点「P」事

统计学科普系列课三:生存曲线上的小栅栏——删失

统计学科普系列课四:这个 HR 不一般


编辑: 龙瑞瑾

版权声明

本网站所有注明“来源:丁香园”的文字、图片和音视频资料,版权均属于丁香园所有,非经授权,任何媒体、网站或个人不得转载,授权转载时须注明“来源:丁香园”。本网所有转载文章系出于传递更多信息之目的,且明确注明来源和作者,不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。同时转载内容不代表本站立场。