命令：	统计 生存分析 Kaplan-Meier生存分析

描述

进行生存分析并生成Kaplan-Meier生存图。

在临床试验中，研究人员通常会对研究参与者提出特定事件或终点的时间感兴趣。此事件通常是临床结果，例如死亡，肿瘤消失等。

将从特定的起点开始跟踪参与者，并且将记录发生感兴趣事件所需的时间。

通常，在所有参与者都提出该事件之前就已经达到研究的终点，而其余患者的结果是未知的。退出研究的参与者的结果也是未知的。对于所有这些情况，都会记录随访时间（检查数据）。

在MedCalc中，可以通过生命表或Kaplan-Meier曲线来分析这些数据，这是描述生存特征的最常用方法。

如何输入数据

为了能够分析数据，您需要按以下方式在电子表格中输入数据：

• 在一栏中，可以输入代码以将案件分配给特定的组（研究组-对照组）。
• 在第二列中，必须记录生存时间
• 在第三栏中，必须记录案件是否到达终点（通过输入代码1）或时间是否经过审查，即结果未知（通过输入代码0）；

这些列的顺序当然并不重要。同样，行也不必以任何方式排序。

第1行的案例属于第1组，在10个时间单位后到达终点。第3行中的案件也属于第1组，被追踪了9个时间单位。这种情况的结果是未知的（从研究或研究结束中撤回）（数据来自Freireich等，Blood 1963； 21：699-716）。

根据这些数据，MedCalc可以轻松计算和构建Kaplan-Meier曲线。

必填项

在此对话框中，需要输入以下数据：

生存时间

变量名称，包含到达感兴趣事件的时间或后续时间。

终点

变量的名称，其中包含已到达端点的案例的代码为1，或尚未到达端点的案例的代码为0，这是因为它们已退出研究或到达研究结束。如果您的数据编码方式不同，则可以使用“定义状态”工具重新编码数据。

因子

对于“因子”，选择一个定性或离散变量（在示例中为分组变量-GROUP）。此定性因素可以是字符代码或数字代码。这些代码用于将数据分解为几个子组。如果要研究连续变量对生存时间的影响，可以使用“创建组”工具将此连续变量转换为离散变量。

MedCalc将允许比较多达6个亚组的生存曲线。

如果未选择任何因子变量，则MedCalc将仅显示一条生存曲线（所有数据均视为一组）。

选择

仅包含图中选定案例子组的过滤器。

选件

因子水平的线性趋势：允许测试因子水平之间的线性趋势（Altman，1991）。如果因子水平具有自然顺序是适当的（例如，因子代码表示应用于不同组的剂量）。Kaplan-Meier假设因子水平是相等间隔的。

受限平均生存时间：该选项可计算受限平均生存时间（RMST），并比较各组之间的RMST。限制平均生存时间是指直到预定时间点的无事件的平均生存时间。从研究开始到那个时间点，它等于Kaplan-Meier曲线下的面积。所选时间点必须位于每个组的第一个事件和最后一个事件之间；否则，软件会将其重置为不同组中最后一个事件的最低时间点。

 

图表：

• • • 生存几率（％）：绘制生存几率（％）与时间的关系（下降曲线）
    • 100-生存几率（％）：绘制100-生存几率（％）随时间变化（上升曲线）

 

在图形中包括95％CI：允许绘制生存曲线的95％置信区间。

 

在图表中标记检查数据：在图表中用小垂直线标记检查数据。

 

图表下方的危险人数表：在图表下方显示一张表格，其中包含危险主体的数量。

输入所有数据后，单击确定按钮，程序将打开2个窗口：一个带有生存图，另一个带有统计结果。

图形

生存曲线绘制为阶跃函数，如以下示例所示：

选择“在图形中包含95％CI ”选项后，图形如下所示：

选择选项“图表下方的危险数字”时，结果为：

结果

案例总结

该表显示到达终结点的案例数（事件数），未到达终结点的案例数（受检查的数量）以及案例总数。

平均生存率和中位生存率

报告平均生存时间和中位生存时间及其95％置信区间（CI）。

平均生存时间估计为生存曲线下在0至t _max区间内的面积（Klein＆Moeschberger，2003年）。

中位生存期是生存几率降至0.5（50％）或更低的最小时间。如果生存曲线未降至0.5或以下，则无法计算中位时间。中位生存时间及其95％CI根据Brookmeyer＆Crowley，1982年计算得出。

限制平均生存时间

报告了受限的平均生存时间（RMST），其置信区间为95％。如果定义了组，则会显示一个表，其中包含组之间的RMST差异，差异的95％CI和关联的P值（Royston＆Karmar，2013）。

生存表

在每个观察到的时间点，列出所有组的生存率（带有标准误）以及总生存率。

生存曲线比较（对数秩检验）

向下滚动时，您会看到对数秩检验的结果，用于比较两个生存曲线：

在此示例中，第1组中的9例和第2组中的21例呈现了感兴趣的结果。卡方统计量为16.79，关联的P值小于0.0001。因此，得出的结论是，从统计上看，两条生存曲线存在显着差异，或者分组变量对生存时间具有重大影响。

95％置信区间的危险比

指定因子后，MedCalc还将以95％置信区间（CI）计算危险比。危害是衡量关注事件发生的速度的一种度量。危险比将两组中的危险进行比较。

在该示例中，危险比为5.1462，因此，与第1组相比，第2组发生的关注事件的估计相对风险为5.1462。该危险比与值1显着不同（相当于相等危险），因为置信度2.3506到11.2663的间隔不包含值1。

危险比和置信区间是根据Altman等人（2000年）计算的。

请注意，危险比的计算假设该比率随时间变化是一致的，因此，如果生存曲线交叉，则应忽略危险比统计信息。

Logrank趋势检验

如果比较了两个以上的生存曲线，并且各组之间存在自然顺序，则MedCalc也可以执行趋势的对数检验。这测试了各组中生存分数存在趋势的可能性。