Cox回归分析

临床上，经常会遇到这种问题，寻找影响患者预后的关键因素。这时，我们需要通过对患者进行一定周期的随访（时间），对患者的多项指标进行监测（自变量：影响因素），观察影响患者预后的情况（因变量：结果，疾病有无复发、患者有无发生死亡等）。

这不单单是上节Kaplan-Meier生存分析那么简单（只涉及到一个因素），也不像Logistic回归分析那样分析（只涉及到一个二分类因变量），它即涉及到一个二分类变量（有无发生），又多了一个连续变量（随访时间）以及多个自变量。这个时候Cox生存回归分析，就应运而生了。

我们同样以一组数据为例，在之前Logistic回归分析的基础上，加上一个随访数据（生存时间months），如下：

其中首先明确我们分析过程中的变量信息：

• 因变量 status：是否仍然存活，为二分类变量，1代表发生死亡，0代指非死亡（删失或存活）；生存时间：代表患者存活的时间（months），如表格中第一个患者性别为男性，在第40个月时发生死亡，年龄67岁，表格中第二个患者性别为男性，在第60个月（即随访结束时）仍然存活，年龄53岁。

• 自变量 性别为二分类变量；年龄、BMI指数、miR21、miR145、AFP均为计量资料；居住地区为多分类变量，包括农村、乡镇、城市；文化程度为多分类变量，包括小学及以下，初中，高中，大学及以上；婚姻状况为二分类变量，包括已婚，离婚。

• 分组统计 以因变量为分组信息，统计各自变量信息，可参考之前的Logistic回归分析教程。

---

下面我们就利用以上数据，进行Cox回归分析：

选择【分析】→【生存函数】→【Cox回归】

在弹出的【Cox回归】菜单中，进行如下设置：
将‘months’导入【时间】，‘status’导入【状态】，【定义事件】的值为1；
将所有自变量导入【协变量】，【方法】下菜单中选择【转发：条件】

选择右上角的【分类】，对分类变量进行哑变量的设置：
将【协变量】中分类变量，全部导入【分类协变量】
在【更改对比】中，选择【指示符】，参考类别选择【第一个】，点击【更改】【继续】

回到上级菜单中，点击【确定】，完成Cox回归分析

---

在【输出文档】中查看分析结果

表1 【案例处理摘要】 对数据进行初步描述，一共199例样本，其中99例发生“死亡”，100例删失（即截止到随访结束，仍然存活或者由于某些原因提前结束随访）

表2 【分类变量编码】这就是刚刚在【分类】菜单下，对协变量进行哑变量设置的结果，如文化程度有4个变量，一共需要3组哑变量进行设置，相比于小学及以下（第一个），文化程度为初中的定义为文化程度（1），文化程度为高中的定义为文化程度（2），文化重读为大学及以上的定义为文化程度（3）。

表3 【不在方程中的变量】这是Cox回归分析的开始

表4 【模型系数的综合测试】一共进行了4次的拟合过程

表5 【方程中的变量】进行四次的回归分析，一共纳入4组变量，包括年龄、miR21、miR145以及文化程度，如上文所述文化程度（1）表示初中，文化程度（2）表示高中，文化程度（3）表示大学及以上。

这是Cox回归分析中最重要的表格，从该表格中我们可以得知，年龄、miR21、miR145以及文化程度均是癌症患者在5年内（60个月）发生死亡的危险因素。每当年龄增加1岁，因肝癌死亡的风险就增加1倍；而当miR21的表达水平升高1.0单位后，患者5年内死亡的风险高达19.35倍，可见抑制miR21以及miR145的高表达，对于降低肝癌患者的死亡风险是多么的重要啊。

此外Cox回归可写成更为一般的格式：

S(t)=S****0****(t)xExp(β1X1+β2X2+…βiXi)*

以上就是利用SPSS软件进行Cox回归分析的过程，欲想熟练掌握，还需实战练习。微信公众号后台回复“cox回归分析数据”，获取下载链接，可在本地进行实践。

转自“医学统计园”微信公众号，欢迎扫描二维码关注