简介：如此好的资源，也是我做了一年生存分析中最实用的.. 其中的代码，几乎可以囊括80%的文献中使用的生存分析方法（包括KM曲线，cox单因素，cox多因素）。 大家多多顶一下
大小：4.0 KB需要消耗1个丁当
已有77217位站友通过上传文件赚到了2769108个丁当
相关推荐文档
（请与我们联系：微信号dingxiangwang 或点此扫一扫）
该文档由会员上传，版权问题请查看
丁香园文件上传协议
丁香文档是供丁香园网友在线分享文章、书籍、课件、图片、视频、软件等资源的开放平台，为网友提供的信息存储空间。平台上所累积的文档均来自热心用户的积极上传。丁香园未经授权不编辑或修改用户上传的文档。对于用户上传的文档内容之真实性引发的全部责任，由用户自行承担。丁香文档的用户不能侵犯包括他人的著作权在内的知识产权以及其他权利。一旦由于用户上传的文档、书籍、视频等发生权利纠纷或侵犯了任何第三方的合法权益，其责任由用户本人承担，因此给丁香园或任何第三方造成损失的，用户应负责全额赔偿。
丁香文档用户不得侵犯包括他人的著作权在内的知识产权以及其他合法权利。如果由于用户上传的文档、视频等未经著作权人同意擅自对他人的作品进行全部或部分复制，修改，改编，翻译，汇编等，有可能侵害到他人的著作权时，不得把相关内容上传发布到丁香文档。
丁香文档的用户可以为介绍、评论、研究等目的，在合理的范围内适当引用他人已经发表的作品，但应当注明作者姓名、作品名称，并不得侵犯著作权人及其他权利人的合法权益。
用户需承诺其所上传的所有文档、视频等内容符合中国法律法规和规范性文件的相关规定，不侵犯任何第三方的合法权益。如用户违反前述保证，丁香文档有权删除相关文档内容，并可以暂停或终止向该用户提供服务。
对于用户上传到丁香文档上的任何内容，用户同意丁香园在全世界范围内享有免费的、永久的、不可撤销的、非排他性的使用和再许可的权利。丁香园享有修改、复制、发行、展览、信息网络传播、改编、翻译、汇编等权利。同时，对于用户上传到丁香文档内容的侵权行为，用户授权丁香园在全世界范围内进行维权。
如因丁香文档用户上传的内容侵犯了第三方的合法权利，第三方向丁香园提出异议，丁香文档有权删除相关的内容。
用户从丁香文档中获得的信息，未经事先许可，用户不得以盈利为目的自己或提供给第三方进行使用（符合法律规定的“合理使用”条件的除外）。否则，一切法律后果由该用户或第三方自负，与丁香园无关。
未经丁香园公司事先许可，禁止使用任何机器人、蜘蛛、其他自动设备，或手动程序来监视或复制丁香文档网页或其所包含的任何内容。否则，丁香园有权依法追究法律责任。
本协议未涉及的问题参见国家有关法律法规。当本协议与国家法律法规冲突时，以国家法律法规为准。
本网站之声明以及其修改权、更新权及最终解释权均属丁香园网站所有。丁香园有权根据互联网的发展和中华人民共和国有关法律、法规及规范性文件的变化，不断修改和完善相关条款。任何未尽事宜，请与我们联系：微信号dingxiangwang 或点此扫一扫
请选择举报原因
资源侵权（该资源侵犯我个人或公司的权益)
病毒资源（该资源有病毒）
名不副实（该资源标题与实际文件不相符）
广告（文件中有大量广告链接）
其他，请输入
关于丁香园关注今日：58 | 主题：532171
微信扫一扫
扫一扫，下载丁香园 App
即送15丁当
【求助】Kaplan Meier法与COX多因素回归分析的区别与联系
页码直达：
这个帖子发布于2年零121天前，其中的信息可能已发生改变或有所发展。
问题已解决悬赏丁当:2
各位前辈好，最近要写文章了，作为菜鸟在做实验数据与临床病理参数之间相关性时遇到问题，特此向大侠求助：Kaplan Meier法与COX多因素回归分析的区别与联系是什么，比如适用对象、分析结果等，多次单个Kaplan Meier法分析与一次综合的COX多因素回归分析最终结果有区别吗？跪谢！
不知道邀请谁？试试他们
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
收起全部有料回复
我来说两句吧，所谓KM，本质上它是一种非参数估计的方法，目的是比较各个组（你放入的自变量）生存分布是否有差异，举个例子，如果纳入性别这个变量，spss会输出男性组、女性组的生存表以及log-rank检验统计量（当然你也可以选择breslow或者Taroe方法，根据不同研究目的选择），这个P值的含义对应于男、女两组生存分布是否有差异，但是实际过程中，男性、女性两组除了性别不一样，其它方面也可能不一样，这个其它方面比如年龄，肿瘤大小。而KM得出来的P值只能告诉你，对于你的数据不同性别的组生存分布有差异，不能告诉你这种差异一定是因为性别引起的，因为你没有矫正其它因素的影响，有可能男性组里面的病人肿瘤也特别大，所以生存差。如果需要确定到底性别是不是影响生存的独立危险因素（也就是平衡掉其它因素后，不同性别组生存分布依然有差异）就要用到像Cox这种多因素生存分析模型，cox医学应用广，主要是因为它不需要对生存分布有要求，并且结果很好解释。当然还有参数生存回归模型，就和t检验类似，他们需要对数据的分布有要求，但是结果比非参数检验精确。至于医学研究领域，先做KM单因素分析（这里我想讲的是cox也可以做单因素，km当自变量为连续变量的时候不易解释），再做多因素其目的主要是为了对数据降维度，因为往往你的实验数据很少，而变量很多，如果一股脑都放进cox，这样自由度就很大，样本量就不够，结果就不可靠，于是我们都先通过单因素筛选一遍。但这样做不代表单因素没意义的一定不要进入多因素，这里面可以加入一些专业判断，你认为专业上有意义的，可以放入多因素跑跑看。数据降维的方法也有很多，变量选择的方法也有很多，我在这里就不赘述了。
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
wulifei0556 谢谢你的回复。也就是说应该先进行K-M 单因素，找出单因素有意义的再全部一起纳入COX，从中找出有独立意义的，对吗？仅单因素分析是不是不够？为比较某因素不同水平的生存时间有无差异时采用K-M法，研究多种因素对生存时间的影响时采用Cox模型，在Cox模型中选一个因素分析时是单因素分析，有意义的话再纳入多因素分析。
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
K-M法在处理小样本数据时有优势，能够充分利用样本的数据信息，，可以估计中卫生存时间，比较不同水平的生存时间的差异以及控制某个因素后，对其他因素进行比较，COx回归是贪多影响生存时间或生存率的危险因素，适用于多因素分析，不用考虑生存时间分布
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
您好，我不是特别懂，但是也正好在处理这方面的数据！K-M 单因素的相关性分析，单独一个因素与生存时间是否存在相关性，cox回归 是多因素的分析，一般是单因素有意义的带入cox多因素分析，
多因素分析主要可以排除几个因素之间的互交、共线性的问题！ 小辈愚见，有不对之处还请指出！
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
谢谢你的回复。也就是说应该先进行K-M 单因素，找出单因素有意义的再全部一起纳入COX，从中找出有独立意义的，对吗？仅单因素分析是不是不够？
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
wulifei0556 谢谢你的回复。也就是说应该先进行K-M 单因素，找出单因素有意义的再全部一起纳入COX，从中找出有独立意义的，对吗？仅单因素分析是不是不够？为比较某因素不同水平的生存时间有无差异时采用K-M法，研究多种因素对生存时间的影响时采用Cox模型，在Cox模型中选一个因素分析时是单因素分析，有意义的话再纳入多因素分析。
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
为比较某因素不同水平的生存时间有无差异时采用K-M法，研究多种因素对生存时间的影响时采用Cox模型，在Cox模型中选一个因素分析时是单因素分析，有意义的话再纳入多因素分析。 支持
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
K-M法在处理小样本数据时有优势，能够充分利用样本的数据信息，，可以估计中卫生存时间，比较不同水平的生存时间的差异以及控制某个因素后，对其他因素进行比较，COx回归是贪多影响生存时间或生存率的危险因素，适用于多因素分析，不用考虑生存时间分布
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
我来说两句吧，所谓KM，本质上它是一种非参数估计的方法，目的是比较各个组（你放入的自变量）生存分布是否有差异，举个例子，如果纳入性别这个变量，spss会输出男性组、女性组的生存表以及log-rank检验统计量（当然你也可以选择breslow或者Taroe方法，根据不同研究目的选择），这个P值的含义对应于男、女两组生存分布是否有差异，但是实际过程中，男性、女性两组除了性别不一样，其它方面也可能不一样，这个其它方面比如年龄，肿瘤大小。而KM得出来的P值只能告诉你，对于你的数据不同性别的组生存分布有差异，不能告诉你这种差异一定是因为性别引起的，因为你没有矫正其它因素的影响，有可能男性组里面的病人肿瘤也特别大，所以生存差。如果需要确定到底性别是不是影响生存的独立危险因素（也就是平衡掉其它因素后，不同性别组生存分布依然有差异）就要用到像Cox这种多因素生存分析模型，cox医学应用广，主要是因为它不需要对生存分布有要求，并且结果很好解释。当然还有参数生存回归模型，就和t检验类似，他们需要对数据的分布有要求，但是结果比非参数检验精确。至于医学研究领域，先做KM单因素分析（这里我想讲的是cox也可以做单因素，km当自变量为连续变量的时候不易解释），再做多因素其目的主要是为了对数据降维度，因为往往你的实验数据很少，而变量很多，如果一股脑都放进cox，这样自由度就很大，样本量就不够，结果就不可靠，于是我们都先通过单因素筛选一遍。但这样做不代表单因素没意义的一定不要进入多因素，这里面可以加入一些专业判断，你认为专业上有意义的，可以放入多因素跑跑看。数据降维的方法也有很多，变量选择的方法也有很多，我在这里就不赘述了。
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
leizhengqing 我来说两句吧，所谓KM，本质上它是一种非参数估计的方法，目的是比较各个组（你放入的自变量）生存分布是否有差异，举个例子，如果纳入性别这个变量，spss会输出男性组、女性组的生存表以及log-rank检验统计量（当然你也可以选择breslow或者Taroe方法，根据不同研究目的选择），这个P值的含义对应于男、女两组生存分布是否有差异，但是实际过程中，男性、女性两组除了性别不一样，其它方面也可能不一样，这个其它方面比如年龄，肿瘤大小。而KM得出来的P值只能告诉你，对于你的数据不同性别的组生存分布有差异，不能告诉你这种差异一定是因为性别引起的，因为你没有矫正其它因素的影响，有可能男性组里面的病人肿瘤也特别大，所以生存差。如果需要确定到底性别是不是影响生存的独立危险因素（也就是平衡掉其它因素后，不同性别组生存分布依然有差异）就要用到像Cox这种多因素生存分析模型，cox医学应用广，主要是因为它不需要对生存分布有要求，并且结果很好解释。当然还有参数生存回归模型，就和t检验类似，他们需要对数据的分布有要求，但是结果比非参数检验精确。至于医学研究领域，先做KM单因素分析（这里我想讲的是cox也可以做单因素，km当自变量为连续变量的时候不易解释），再做多因素其目的主要是为了对数据降维度，因为往往你的实验数据很少，而变量很多，如果一股脑都放进cox，这样自由度就很大，样本量就不够，结果就不可靠，于是我们都先通过单因素筛选一遍。但这样做不代表单因素没意义的一定不要进入多因素，这里面可以加入一些专业判断，你认为专业上有意义的，可以放入多因素跑跑看。数据降维的方法也有很多，变量选择的方法也有很多，我在这里就不赘述了。 谢谢你的详细解读，有些懂了，
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
马马马马！
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
leizhengqing 我来说两句吧，所谓KM，本质上它是一种非参数估计的方法，目的是比较各个组（你放入的自变量）生存分布是否有差异，举个例子，如果纳入性别这个变量，spss会输出男性组、女性组的生存表以及log-rank检验统计量（当然你也可以选择breslow或者Taroe方法，根据不同研究目的选择），这个P值的含义对应于男、女两组生存分布是否有差异，但是实际过程中，男性、女性两组除了性别不一样，其它方面也可能不一样，这个其它方面比如年龄，肿瘤大小。而KM得出来的P值只能告诉你，对于你的数据不同性别的组生存分布有差异，不能告诉你这种差异一定是因为性别引起的，因为你没有矫正其它因素的影响，有可能男性组里面的病人肿瘤也特别大，所以生存差。如果需要确定到底性别是不是影响生存的独立危险因素（也就是平衡掉其它因素后，不同性别组生存分布依然有差异）就要用到像Cox这种多因素生存分析模型，cox医学应用广，主要是因为它不需要对生存分布有要求，并且结果很好解释。当然还有参数生存回归模型，就和t检验类似，他们需要对数据的分布有要求，但是结果比非参数检验精确。至于医学研究领域，先做KM单因素分析（这里我想讲的是cox也可以做单因素，km当自变量为连续变量的时候不易解释），再做多因素其目的主要是为了对数据降维度，因为往往你的实验数据很少，而变量很多，如果一股脑都放进cox，这样自由度就很大，样本量就不够，结果就不可靠，于是我们都先通过单因素筛选一遍。但这样做不代表单因素没意义的一定不要进入多因素，这里面可以加入一些专业判断，你认为专业上有意义的，可以放入多因素跑跑看。数据降维的方法也有很多，变量选择的方法也有很多，我在这里就不赘述了。若问一句：有文献在对某个因素画生存曲线图的时候，比如因素A（分为两类，好的，不好的），单纯KM画法很好理解，但是有人经常写着 age- and sex- adjusted, 然后同样画出因素A的生存曲线（分为两类，好的，不好的），这个是怎么做到的？ 我理解就是要COX回归矫正age sex才可以，但是他是怎么又做cox又画生存曲线图的呢？求赐教
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
六月雪纷飞 若问一句：有文献在对某个因素画生存曲线图的时候，比如因素A（分为两类，好的，不好的），单纯KM画法很 ...你说的是矫正生存曲线，它是通过cox将两组的生存率算出来，然后画出图来！矫正的变量取平均值。至于实现办法，spss未研究过，你可以搜索矫正生存曲线（adjusted survival curve）
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
leizhengqing 你说的是矫正生存曲线，它是通过cox将两组的生存率算出来，然后画出图来！矫正的变量取平均值。至于实现办法，spss未研究过，你可以搜索矫正生存曲线（adjusted survival curve）谢谢，应该是你说的这样，我经常用SAS作的，你是吗，求教下程序写作，非常感谢
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
六月雪纷飞 谢谢，应该是你说的这样，我经常用SAS作的，你是吗，求教下程序写作，非常感谢在SPSS的cox回归模型里面的绘图按钮 可以根据变量绘图
也就是你矫正了这些混杂因素之后得到的生存曲线，我看文章里面很少有放这个图的 大多是放的是单因素 km生存曲线
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
nolookon 在SPSS的cox回归模型里面的绘图按钮 可以根据变量绘图
也就是你矫正了这些混杂因素之后得到的生存曲线，我看文章里面很少有放这个图的 大多是放的是单因素 km生存曲线soga,原来是这样，我就说，其实我看了这么多也是偶尔一两篇，一般也是矫正性别年龄，倒是矫正其他的比较少，有道理感觉
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
六月雪纷飞 soga,原来是这样，我就说，其实我看了这么多也是偶尔一两篇，一般也是矫正性别年龄，倒是矫正其他的比较少，有道理感觉 其实这个东西就是很随意的了，没有非常专业的标准 可以根据自己的数据来矫正 也可以根据文献报道和暴露因素来矫正 真是说啥的都有 五花八门的。
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
leizhengqing 我来说两句吧，所谓KM，本质上它是一种非参数估计的方法，目的是比较各个组（你放入的自变量）生存分布是否有差异，举个例子，如果纳入性别这个变量，spss会输出男性组、女性组的生存表以及log-rank检验统计量（当然你也可以选择breslow或者Taroe方法，根据不同研究目的选择），这个P值的含义对应于男、女两组生存分布是否有差异，但是实际过程中，男性、女性两组除了性别不一样，其它方面也可能不一样，这个其它方面比如年龄，肿瘤大小。而KM得出来的P值只能告诉你，对于你的数据不同性别的组生存分布有差异，不能告诉你这种差异一定是因为性别引起的，因为你没有矫正其它因素的影响，有可能男性组里面的病人肿瘤也特别大，所以生存差。如果需要确定到底性别是不是影响生存的独立危险因素（也就是平衡掉其它因素后，不同性别组生存分布依然有差异）就要用到像Cox这种多因素生存分析模型，cox医学应用广，主要是因为它不需要对生存分布有要求，并且结果很好解释。当然还有参数生存回归模型，就和t检验类似，他们需要对数据的分布有要求，但是结果比非参数检验精确。至于医学研究领域，先做KM单因素分析（这里我想讲的是cox也可以做单因素，km当自变量为连续变量的时候不易解释），再做多因素其目的主要是为了对数据降维度，因为往往你的实验数据很少，而变量很多，如果一股脑都放进cox，这样自由度就很大，样本量就不够，结果就不可靠，于是我们都先通过单因素筛选一遍。但这样做不代表单因素没意义的一定不要进入多因素，这里面可以加入一些专业判断，你认为专业上有意义的，可以放入多因素跑跑看。数据降维的方法也有很多，变量选择的方法也有很多，我在这里就不赘述了。 说的非常详细，赞同
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
leizhengqing
我来说两句吧，所谓KM，本质上它是一种非参数估计的方法，目的是比较各个组（你放入的自变量）生存分布是否有差异，举个例子，如果纳入性别这个变量，spss会输出男性组、女性组的生存表以及log-rank检验统计量（当然你也可以选择breslow或者Taroe方法，根据不同研究目的选择），这个P值的含义对应于男、女两组生存分布是否有差异，但是实际过程中，男性、女性两组除了性别不一样，其它方面也可能不一样，这个其它方面比如年龄，肿瘤大小。而KM得出来的P值只能告诉你，对于你的数据不同性别的组生存分布有差异，不能告诉你这种差异一定是因为性别引起的，因为你没有矫正其它因素的影响，有可能男性组里面的病人肿瘤也特别大，所以生存差。如果需要确定到底性别是不是影响生存的独立危险因素（也就是平衡掉其它因素后，不同性别组生存分布依然有差异）就要用到像Cox这种多因素生存分析模型，cox医学应用广，主要是因为它不需要对生存分布有要求，并且结果很好解释。当然还有参数生存回归模型，就和t检验类似，他们需要对数据的分布有要求，但是结果比非参数检验精确。至于医学研究领域，先做KM单因素分析（这里我想讲的是cox也可以做单因素，km当自变量为连续变量的时候不易解释），再做多因素其目的主要是为了对数据降维度，因为往往你的实验数据很少，而变量很多，如果一股脑都放进cox，这样自由度就很大，样本量就不够，结果就不可靠，于是我们都先通过单因素筛选一遍。但这样做不代表单因素没意义的一定不要进入多因素，这里面可以加入一些专业判断，你认为专业上有意义的，可以放入多因素跑跑看。数据降维的方法也有很多，变量选择的方法也有很多，我在这里就不赘述了。讲的非常明白，赞
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
mark，谢谢
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
KM分析和Cox分析都主要是应用于生存分析么，请问如何考虑纳入Cox回归分析中的各个因素呢？KM分析一般是如何选择分析的指标呢。
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
谢谢，为什么要给矫正生存曲线？
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
leizhengqing 我来说两句吧，所谓KM，本质上它是一种非参数估计的方法，目的是比较各个组（你放入的自变量）生存分布是否有差异，举个例子，如果纳入性别这个变量，spss会输出男性组、女性组的生存表以及log-rank检验统计量（当然你也可以选择breslow或者Taroe方法，根据不同研究目的选择），这个P值的含义对应于男、女两组生存分布是否有差异，但是实际过程中，男性、女性两组除了性别不一样，其它方面也可能不一样，这个其它方面比如年龄，肿瘤大小。而KM得出来的P值只能告诉你，对于你的数据不同性别的组生存分布有差异，不能告诉你这种差异一定是因为性别引起的，因为你没有矫正其它因素的影响，有可能男性组里面的病人肿瘤也特别大，所以生存差。如果需要确定到底性别是不是影响生存的独立危险因素（也就是平衡掉其它因素后，不同性别组生存分布依然有差异）就要用到像Cox这种多因素生存分析模型，cox医学应用广，主要是因为它不需要对生存分布有要求，并且结果很好解释。当然还有参数生存回归模型，就和t检验类似，他们需要对数据的分布有要求，但是结果比非参数检验精确。至于医学研究领域，先做KM单因素分析（这里我想讲的是cox也可以做单因素，km当自变量为连续变量的时候不易解释），再做多因素其目的主要是为了对数据降维度，因为往往你的实验数据很少，而变量很多，如果一股脑都放进cox，这样自由度就很大，样本量就不够，结果就不可靠，于是我们都先通过单因素筛选一遍。但这样做不代表单因素没意义的一定不要进入多因素，这里面可以加入一些专业判断，你认为专业上有意义的，可以放入多因素跑跑看。数据降维的方法也有很多，变量选择的方法也有很多，我在这里就不赘述了。请问一下我的研究指标是连续变量，如果要做KM曲线的话是否要变为二分类变量？这个一般用什么方法分？在多因素COX分析中此变量应作为连续变量还是二分类变量进行分析？谢谢！
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
lestaunix leizhengqing 我来说两句吧，所谓KM，本质上它是一种非参数估计的方法，目的是比较各个组（你放入的自变量）生存分布是否有差异，举个例子，如果纳入性别这个变量，spss会输出男性组、女性组的生存表以及log-rank检验统计量（当然你也可以选择breslow或者Taroe方法，根据不同研究目的选择），这个P值的含义对应于男、女两组生存分布是否有差异，但是实际过程中，男性、女性两组除了性别不一样，其它方面也可能不一样，这个其它方面比如年龄，肿瘤大小。而KM得出来的P值只能告诉你，对于你的数据不同性别的组生存分布有差异，不能告诉你这种差异一定是因为性别引起的，因为你没有矫正其它因素的影响，有可能男性组里面的病人肿瘤也特别大，所以生存差。如果需要确定到底性别是不是影响生存的独立危险因素（也就是平衡掉其它因素后，不同性别组生存分布依然有差异）就要用到像Cox这种多因素生存分析模型，cox医学应用广，主要是因为它不需要对生存分布有要求，并且结果很好解释。当然还有参数生存回归模型，就和t检验类似，他们需要对数据的分布有要求，但是结果比非参数检验精确。至于医学研究领域，先做KM单因素分析（这里我想讲的是cox也可以做单因素，km当自变量为连续变量的时候不易解释），再做多因素其目的主要是为了对数据降维度，因为往往你的实验数据很少，而变量很多，如果一股脑都放进cox，这样自由度就很大，样本量就不够，结果就不可靠，于是我们都先通过单因素筛选一遍。但这样做不代表单因素没意义的一定不要进入多因素，这里面可以加入一些专业判断，你认为专业上有意义的，可以放入多因素跑跑看。数据降维的方法也有很多，变量选择的方法也有很多，我在这里就不赘述了。请问一下我的研究指标是连续变量，如果要做KM曲线的话是否要变为二分类变量？这个一般用什么方法分？在多因素COX分析中此变量应作为连续变量还是二分类变量进行分析？谢谢！如果是连续性变量就没法做KM。是否一定要二分类？不一定。二分类连续变量有很多优缺点，优点：在医学上很好解释，高表达的，低表达的怎么怎么样。缺点就是损失了很多信息，比如说血压的话，141和139，其实只差2，但一个是高血压，一个是低血压，性质和危险度都变了，但这中间真有这么大区别吗？！所以二分类连续变量我一般不常规做。如果需要将连续变量二分类，对于删失资料，我可以推荐2种方法：1. 根据Martigale 残差值来确定；2. 最小P值法
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
不错 学习了
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
求问大神，用SPSS与与MEDCALC作kaplan meier分析结果不一致什么原因呢？
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
spss可以做矫正生存曲线吗
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
leizhengqing lestaunix leizhengqing 我来说两句吧，所谓KM，本质上它是一种非参数估计的方法，目的是比较各个组（你放入的自变量）生存分布是否有差异，举个例子，如果纳入性别这个变量，spss会输出男性组、女性组的生存表以及log-rank检验统计量（当然你也可以选择breslow或者Taroe方法，根据不同研究目的选择），这个P值的含义对应于男、女两组生存分布是否有差异，但是实际过程中，男性、女性两组除了性别不一样，其它方面也可能不一样，这个其它方面比如年龄，肿瘤大小。而KM得出来的P值只能告诉你，对于你的数据不同性别的组生存分布有差异，不能告诉你这种差异一定是因为性别引起的，因为你没有矫正其它因素的影响，有可能男性组里面的病人肿瘤也特别大，所以生存差。如果需要确定到底性别是不是影响生存的独立危险因素（也就是平衡掉其它因素后，不同性别组生存分布依然有差异）就要用到像Cox这种多因素生存分析模型，cox医学应用广，主要是因为它不需要对生存分布有要求，并且结果很好解释。当然还有参数生存回归模型，就和t检验类似，他们需要对数据的分布有要求，但是结果比非参数检验精确。至于医学研究领域，先做KM单因素分析（这里我想讲的是cox也可以做单因素，km当自变量为连续变量的时候不易解释），再做多因素其目的主要是为了对数据降维度，因为往往你的实验数据很少，而变量很多，如果一股脑都放进cox，这样自由度就很大，样本量就不够，结果就不可靠，于是我们都先通过单因素筛选一遍。但这样做不代表单因素没意义的一定不要进入多因素，这里面可以加入一些专业判断，你认为专业上有意义的，可以放入多因素跑跑看。数据降维的方法也有很多，变量选择的方法也有很多，我在这里就不赘述了。请问一下我的研究指标是连续变量，如果要做KM曲线的话是否要变为二分类变量？这个一般用什么方法分？在多因素COX分析中此变量应作为连续变量还是二分类变量进行分析？谢谢！如果是连续性变量就没法做KM。是否一定要二分类？不一定。二分类连续变量有很多优缺点，优点：在医学上很好解释，高表达的，低表达的怎么怎么样。缺点就是损失了很多信息，比如说血压的话，141和139，其实只差2，但一个是高血压，一个是低血压，性质和危险度都变了，但这中间真有这么大区别吗？！所以二分类连续变量我一般不常规做。如果需要将连续变量二分类，对于删失资料，我可以推荐2种方法：1. 根据Martigale 残差值来确定；2. 最小P值法求助一个问题，如果我想看三种药物生存之间是否有差异，如果K-M法得出的曲线有交叉，我还能直接用LOG-RANK检验吗？像这种情况，有什么比较好的办法吗？可以用Tarone-ware检验吗？还有一点是不是COX回归进行多因素分析之前，一定要用COX回归做一下单因素分析呀？我要是做完K-M后就直接做COX回归多因素可以吗？谢谢
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
不错，谢谢
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
二入茅庐 K-M法在处理小样本数据时有优势，能够充分利用样本的数据信息，，可以估计中卫生存时间，比较不同水平的生存时间的差异以及控制某个因素后，对其他因素进行比较，COx回归是贪多影响生存时间或生存率的危险因素，适用于多因素分析，不用考虑生存时间分布有个问题想请教下，为什么有个样本，用KM法统计，有差异，p=0.001，而用Cox单因素分析，结果P=0.2左右，一个有统计学差异，一个没有统计学差异？（样本量大概30左右）
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
nolookon 六月雪纷飞 谢谢，应该是你说的这样，我经常用SAS作的，你是吗，求教下程序写作，非常感谢在SPSS的cox回归模型里面的绘图按钮 可以根据变量绘图
也就是你矫正了这些混杂因素之后得到的生存曲线，我看文章里面很少有放这个图的 大多是放的是单因素 km生存曲线照理说不应该是用cox回归模型校正了各混杂因素做的更加准确，为什么大部分文章用的都是单因素的呢？
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
关于丁香园