什么是生存分析

---

激励例子:新药的临床试验

想象一下，有一种新药被开发出来，可以延长某种恶性癌症患者的生命。为了评估药物的有效性，需要进行临床试验，对患者进行一段时间的跟踪，看看他们开始治疗后能活多久。

以下是如何使用生存分析来设置和分析试验:

1. 招募:招募100名癌症患者，并在招募当天开始治疗。

2. 随访:对每个患者进行一段时间的跟踪，以查看他们是否以及何时去世。由于疾病和试验的性质，并不是每个患者的终点(死亡)将在研究期间观察，因为:

   -一些患者可能在研究结束时还活着。
   -有些人可能因为各种原因离开研究或失去随访。

3. 数据收集:5年后，研究结束，收集数据。假设5位患者的数据如下所示(为例进行了简化):

患者ID	时间(年)	事件
1	2.5	1
2	5	0
3	1	1
4	3	1
5	4	0

-时间:从研究开始到死亡或结束的时间。
-事件:二元指标，1表示事件(死亡)发生，0表示审查(研究结束时患者没有发生该事件)。

4. Kaplan-Meier估计器:我们使用它来估计生存函数( S(t) )，它告诉我们患者在过去一段时间内生存的概率( t )。

5. 分析:我们可以看看中位生存时间，50%的患者已经去世，并将其与未用药患者的历史数据进行比较，以评估药物的有效性。

---

生存分析的必要性

以下是在这种情况下需要生存分析的原因:

• 审查:并非所有患者的事件都被观察到。一些人失去了随访，另一些人在研究结束时仍然活着。生存分析方法可以处理这种类型的不完整数据。

• 事件发生时间:感兴趣的结果不仅是事件是否发生，而且是何时发生。传统的分析，如逻辑回归，没有考虑时间方面。

• 比较组:如果有一个对照组，我们可能想要比较两组的生存经验。生存分析提供了log-rank检验等工具，可以在统计学上比较生存曲线。

• 协变量调整:患者的特征，如年龄、癌症阶段和其他治疗都会影响生存率。生存分析方法，如Cox比例风险模型，可以针对这些协变量进行调整。

这种分析的结果可以影响临床决策，指导病人护理，并为进一步的研究提供信息。在ML和AI的背景下，我们可以将更复杂的模型应用于这些数据，以潜在地揭示复杂的关系，并对患者结果做出更准确的预测。

生存分析中最经典、使用最广泛的统计学方法是Cox比例风险模型，由David Cox在1972年开发。它是一个半参数模型，用于处理患者的生存率和几个解释变量之间的关系。

---

Cox比例风险模型的主要特征:

• 半参数化:模型对基线风险函数的形状没有假设，即所有协变量都等于零时的风险。这允许建模时间到事件数据的灵活性。

• 比例风险:它假设解释变量对风险的影响是乘性的，并且随着时间的推移保持不变。随着时间的推移，任何两个个体的风险比率是恒定的，因此称为“比例风险”。

• 多协变量:模型可以同时处理多种风险因素和协变量，包括连续的和分类的。

Cox模型公式:

对于一个个体$i$和协变量$x_i$，在时间$t$时的风险函数$h(t)$为:

$$h_i(t)=h_0(t)\exp ({\beta }_1{x}_{i1}+{\beta }_2{x}_{i2}+\dots +{\beta }_p{x}_{ip})$$

其中:

• $h_i(t)$ :个人$i$ 在$t$时间的危害。
• $h_0(t)$ :时间$ t $时的基线危险度，即所有协变量均为零的个体的危险度。
• ${\beta }_1,{\beta }_2,\dots ,{\beta }_p$ :协变量的系数，衡量协变量对风险的影响。
• $x_{i1},x_{i2},\dots ,x_{ip}$:单个$i$的协变量值。

解释:

-系数${\beta }_j$大于零，表示随着协变量$x_j$的增加，事件危害增加，意味着事件发生的预期时间缩短。
-系数${\beta }_j$小于零意味着随着协变量$x_j$的增加，事件风险降低，意味着事件发生的预期时间更长。

模型拟合:

Cox模型通常使用一种称为部分似然最大化的技术来拟合，这是一种有效处理截尾数据的方法。系数$ \beta $是在不指定基线危害$h_0(t)$的情况下从数据中估计的，这使得模型是半参数的。

例子:

如果你想研究新疗对患者生存时间的影响，需要收集生存时间的数据，包括患者是否接受新疗(治疗组与对照组)，以及可能影响生存的其他协变量，如年龄、阶段和吸烟状况。Cox模型允许您在控制这些其他因素的同时评估新疗的影响。

为什么它是经典:

Cox模型能够处理不同类型的协变量，处理筛选，并且不需要基线危害的规格说明，这使它成为生存分析工具包中通用而强大的工具。它在广泛的学科中使用，特别是在医学研究中用于临床试验分析和流行病学研究。