Survival Function for patterns 1 1.0 癌症类型 其他癌 0小细胞癌 200 200 40060080010001200 survival time(day) 输出各种癌症的累积生存函数曲线。 §134Coxw/ Time-Dep Cov过程 Coxw/Time- Dep cov过程应用于: 1.在建立Cox回归方程时,风险比例可能会随时间变化而变化,即有些危 险因素作用的强度随时间而变化,这样的资料是不适合前面所讲的一般的Cox 回归模型的。此时,就应改为时间依存协变量模型,也称为非比例风险模型。你 可把所怀疑的那个协变量及时间变量T定义成时间依存协变量(多个协变量时 就必须用编程来做了),常用的方法是把它们简单地进行相乘,然后通过对时间 依存协变量系数的显著性检验来判断比例风险是否合理。 2.用到Coxw/Time- Dep cov过程的另一种情况是:有些变量虽然在不同 的时间点取不同的值但与时间并非系统地相关,在这种情况下,需用逻辑表达式 定义一个分段时间依存协变量,逻辑表达式取值1时为真,取0时为假。用一系 列的逻辑表达式,你可以从一系列观测记录中建立自己的时间依存变量。例如 对病人血压每周观察一次,共观察4次,(变量名为BP1至BP4)。时间依存协 变量可以这样定义:(T<1)*BP1+(T>=1&T<2)*BP2+(T>= &T<3)*BP3+(3&T<4)*BP4(&表示“逻辑与”,即一般编 程语言中的“AND”)。请注意括号中的值只能有一个取1,而其它的值只能取0, 也就是说,这个函数意味着当时间小于一周时(此时第一个括号内取值为1,而 其它括号内取值为0)使用BP1的值,大于一周而小于两周时使用BP2的值,依 次类推输出各种癌症的累积生存函数曲线。 §13.4 Cox w/Time-Dep Cov 过程 Cox w/Time-Dep Cov 过程应用于： 1. 在建立 Cox 回归方程时，风险比例可能会随时间变化而变化，即有些危 险因素作用的强度随时间而变化，这样的资料是不适合前面所讲的一般的 Cox 回归模型的。此时，就应改为时间依存协变量模型，也称为非比例风险模型。你 可把所怀疑的那个协变量及时间变量Ｔ_定义成时间依存协变量（多个协变量时 就必须用编程来做了），常用的方法是把它们简单地进行相乘，然后通过对时间 依存协变量系数的显著性检验来判断比例风险是否合理。 2. 用到 Cox w/Time-Dep Cov 过程的另一种情况是：有些变量虽然在不同 的时间点取不同的值但与时间并非系统地相关，在这种情况下，需用逻辑表达式 定义一个分段时间依存协变量，逻辑表达式取值 1 时为真，取 0 时为假。用一系 列的逻辑表达式，你可以从一系列观测记录中建立自己的时间依存变量。例如： 对病人血压每周观察一次，共观察 4 次，（变量名为 BP1 至 BP4）。时间依存协 变量可以这样定义：(T_ < 1) * BP1 + (T_ >= 1 & T_ < 2) * BP2 + (T_ >= 2 & T_ < 3) * BP3 + (T_ >= 3 & T_ < 4) * BP4（&表示“逻辑与”，即一般编 程语言中的“AND”）。请注意括号中的值只能有一个取 1，而其它的值只能取 0， 也就是说，这个函数意味着当时间小于一周时（此时第一个括号内取值为 1，而 其它括号内取值为 0）使用 BP1 的值，大于一周而小于两周时使用 BP2 的值，依 次类推