长春工业大学实习报告题目： 基于多元回归下的白血病不同疗法白细胞生存数目对比 学 院：基础科学学院 班 级：120802班 姓 名：王春光 实习时间：2015年11.30-12.25 实习地点：林园图书馆7楼机房 指导教师：李纯静 2015年12月25日实习题目：2015年11月30日-2014年12月25日班级： 120802 学号： 20112986 姓名：王春光成绩：_指导教师签字：_【实习目的】我们通过系统的学习，在最后的时光里利用这次宝贵的实习机会，通过对数据的处理，老师的讲授学习处理实际问题。在论文中我们主要采用口服抗生素和输入红细胞，采用Log Rank检验，根据检验的结果可以知道有显著意义的因素。用非参数的Cox 比例风险回归模型对肺结核治愈率进行单因素和多因素分析,当数据个体较少时，为充分利用每个数据的信息，必须采用更为精确的估计方法，所以我们采用Kaplan-Meier（也叫乘积限估计）方法来估计生存函数，然后画出生存函数图。收集到符合入组条件的30名急性白血病患者，用其生存资料来分析这两种治疗方案的生存情况。生存分析方法适用于急性白血病疗效指标的动态描述及其影响因素的分析。【数据来源】来自吉大一院的肿瘤科【使用软件】sas 【实习内容】 1.； 首先是数据的采集处理2.； 利用统计知识建立模型3.； 进行模型拟合4.； 检验拟合结果5.。 导出模型陈述结果【研究过程】 1.查找数据：我们将30名急性白血病患者分别以口服抗生素和输入红细胞两种方法进行治疗，治疗后继续对这些人进行随访，至两年半后结束，数据录入见附录所示，试进行Cox模型分析。所采用的数据是右删失数据，根据所做的调查研究中，要考察和比较不同的治疗方法，不同病理类型，病人的某些特征对疾病预后的影响，可运用非参数方法进行组间比较，这类方法虽然使用简单，但在多因素共存条件下，单一因素的比较会受到其他因素干扰和混杂，组间难以达到均衡，而且不能分析和考察因素间的关系（如交互作用）和进行定量评价。因此，我们采用Cox回归模型。2. 模型建立：生存分析还可以估计生存率函数( S ( t ) =e( - (Kt)m) ) 、危险率函数(K( t) = mK( Kt ) m- 1 ) , 拟合生存率曲线。常用的方法是采用非参数的Kaplan-Meier估计生存率。生存分析回归模型由基本部分h0(t)和修改部分(x)( (x)为预后因素x的函数)两部分组成。这里协变量x=x1,x2,xp可以是不同的治疗方法，不同病理类型或病人的性别、年龄等特征，也可以是复合变量（如交互作用）。当基本部分h0(t)与修改部分为乘积关系时，即危险函数由基本危险率函数乘上一个协变量的常数因子组成。h(t,x)= h0(t) 3. 程序输出结果分析：在SAS程序中，我们把生存月数中的删失数据记为0，未删失数据记为1；采用口服抗生素的治疗方法记为A，采用输入红细胞的治疗方法为B；白细胞未损伤的状态记为1（表现为正号），白细胞已损伤的状态记为0（表现为负号）。程序调用PHREG过程分析，PHREG为proportional hazard regression（比例风险回归）。PHREG和MODEL为Cox模型分析的必须语句，MODEL语句左边为生存时间和截尾指示，右边为需分析的解释变量。【模型结果】生存分析还可以估计生存率函数( S ( t ) =e( - (Kt)m) ) 、危险率函数(K( t) = mK( Kt ) m- 1 ) , 拟合生存率曲线。常用的方法是采用非参数的Kaplan-Meier估计生存率。生存分析回归模型由基本部分h0(t)和修改部分(x)( (x)为预后因素x的函数)两部分组成。这里协变量x=x1,x2,xp可以是不同的治疗方法，不同病理类型或病人的性别、年龄等特征，也可以是复合变量（如交互作用）。当基本部分h0(t)与修改部分为乘积关系时，即危险函数由基本危险率函数乘上一个协变量的常数因子组成。h(t,x)= h0(t)称此模型为成比例危险模型（Proportional hazards model）。带协变量的修改部分最常见的形式为exp(x),则模型为：h(t,x)= h0(t)exp(x)= h0(t)exp（1x1+2x2+pxp）其中=（1，2，p）是p个未知待估计的回归系数，它是描述各个因素对生存期影响大小的参数向量；x=(x1,x2,xp)是一个p维协变量向量，xp可以是影响预后的治疗方法、病人的某些特征，也可以是这些因素的交互作用项；h0(t)是未知的、任意分布的基准危险函数。在SAS程序中，我们把生存月数中的删失数据记为0，未删失数据记为1；采用口服抗生素的治疗方法记为A，采用输入红细胞的治疗方法为B；白细胞未损伤的状态记为1（表现为正号），白细胞已损伤的状态记为0（表现为负号）。程序调用PHREG过程分析，PHREG为proportional hazard regression（比例风险回归）。PHREG和MODEL为Cox模型分析的必须语句，MODEL语句左边为生存时间和截尾指示，右边为需分析的解释变量。【实证结论】COX模型程序结果输出如下：PHREG 过程模型信息数据集WORK.COX因变量t删失变量a删失值0结值处理BRESLOW读取的观测数使用的观测数3030事件和删失值个数汇总总计事件删失删失百分比3025516.67第 1 步，效应“b”已输入。模型包含以下效应: 收敛状态满足收敛准则 (GCONV=1E-8)。模型拟合统计量准则没有协变量具有协变量-2 LOG L131.800126.436AIC131.800128.436SBC131.800129.654检验全局零假设: BETA=0检验卡方自由度Pr卡方似然比7.364910.0005评分7.606710.0079Wald7.264110.0018Note:No (additional) effects met the 0.05 level for entry into the model.最大似然估计值分析参数自由度参数估计值标准误差卡方Pr卡方危险比b11.015190.492934.24150.03942.760c10.040720.493410.00680.93421.042程序第一步引入b变量，经过以上三种检验，发现都有差别，P=5.99,有统计学意义。两变量引进后不能剔除，建立Cox回归模型。分别列出了变量名、自由度、参数估计值、标准误、Wald单变量值、P值和危险率比，两变量Wald的与3.84比较，P皆小于0.05，所建立cox回归模型为:【参考文献】1 何晓群，刘文卿. 应用回归分析M. 北京：中国人民大学出版社，20112 高惠璇.统计计算M.北京大学出版社，20083 汪海波，罗莉，汪海灵，徐俊杰。SAS统计分析与应用从入门到精通。北京：人民邮电出版社，20064 中国上海第二医科大生物统计教研室.第十八章生存分析和cox回归2010附录：数据：编号生存月数疗法白细胞损伤12A+224B-36A-411B+54B-65B+717+A-820A+98B-104A-111B-1230A+1316B-1411B+159B-166+B-1715A+1826+A-1913B-203A-2112B-2214A+2317+B-2418A-256B-2627+A+2712A+2821A-294B-3013B-SAS程序：1、COX模型：data cox;input t a b c;cards; 2 1 1 1 24 1 2 0 6 1 1 0 11 1 2 1 4 1 2 0 5 1 2 117 0 1 0 20 1 1 1 8 1 2 0 4 1 1 0 1 1 2 0 30 1 1 116 1 2 0 11 1 2 1 9 1 2 0 6 0 2 0 15 1 1 1 26 0 1 013 1 2 0 3 1 1 0 12 1 2 0 14 1 1 1 17 0 1 1 18 1 1 0 6 1 2 0 27 0 1 1 12 1 1 1 21 1 1 0 4 1 2 0 13 1 2 0;proc phreg;model t*a(0)=b c;run;2、LOG-RANK检验：data sa;input t a b c;if a=1 then censor=1;else censor=0;cards; 2 1 1 1 24 1 2 0 6 1 1 0 11 1 2 1 4 1 2 0 5 1 2 117 0 1 0 20 1 1 1 8 1 2 0 4 1 1 0 1 1 2 0 30 1 1 116 1 2 0 11 1 2 1 9 1 2 0 6 0 2 0 15 1 1 1 26 0 1 013 1 2 0 3 1 1 0 12 1 2 0 14 1 1 1 17 0 1 1 18 1 1 0 6 1 2 0 27 0 1 1 12 1 1 1 21 1 1 0 4 1 2 0 13 1 2 0;proc lifetest method=pl plot=(s); /*利用lifetest过程进行生存分析，pl为Kaplan-Meier*/ time t*censor(0);strata b;run;