数据

首先，从“欢迎”对话框创建新的多变量数据表。

选择在多元变量数据表的教程数据集列表中找到的Cox比例风险回归样本数据。数据摘录如下：

 

这些数据在一项考察冠心病（CHD）死亡的潜在预测变量的临床研究后发表。该研究纳入299名参与者（105名女性和194名男性），并测量每个个体的11个不同变量。此外，该数据集包括一个事件变量，表明每名参与者死于冠心病还是进行删失。最后，时间变量包含每个个体从入组研究到死亡或进行删失之间经过的生存时间（观察历时）。

数据集中有三个连续变量：

•年龄（岁）

•血清钠水平

•肌酐磷酸激酶水平

数据集中有八个分类变量：

•性别[男性，女性]

•吸烟状态[是，否]

•糖尿病状态 [是，否]

•高血压状态[是，否]

•贫血（测量为血细胞比容水平低于36）[是，否]

•射血分数[低，中，高]

•血清肌酐水平[正常，高]

•血小板计数[低，正常，高]

使用该数据和Cox比例风险回归，我们应该能够回答一些问题，其中包括：

•具有选定预测变量的指定模型在估计风险比/生存时间方面是否比零模型（无预测变量）更有效？使用风险比 模型诊断

•每个预测变量是否单独对该群体中个体的风险比/生存时间产生影响？使用参数估计值的 、置信区间、 风险比或 P值进行回答

•给定预测变量的不同值（水平）对风险比/生存时间有何影响？使用风险比 进行回答

 

启动分析

如需开始分析，请单击工具栏“分析”部分的“分析”按钮，然后从可用的多个变量分析列表中选择“Cox比例风险回归”。或者，可以使用“分析”菜单，找到“回归和曲线”或“生存分析”下列出的“Cox比例风险回归”。

。

“分析”对话框

选择分析后，会显示“参数”对话框。就本示例而言，我们将接受Prism提供的大多数默认选项。此处将简要讨论所选选项的结果，但“参数：多元Cox回归”对话框中的每个不同选项卡上 还有更多可用选项。

 

在对话框的“模型”选项卡上（如上所示），可以看到Prism已经选择事件发生前时间（反应）和结果（事件/删失）变量。此外，由于结果变量（事件）属于分类变量，我们应验证“代表‘删失’的值”和“代表‘事件’的值”的分配水平正确。在此情况下，这些水平也正确。展开“定义模型”中的“主要效果”部分，您可以看到，默认情况下，所有预测变量都包括在模型中（这在选项卡底部的黄色文本框中得到确认，其中提供了待执行模型的简单表示）。

单击“确定”前，将切换到“图表”选项卡。该选项卡上的控件用于生成由指定模型中的预测变量表示的不同组的估计生存曲线。该选项卡上的两个部分控件用于：

1.定义您希望创建的数量

2.指定用于定义研究组的变量，Prism应在每张图表上生成估计生存曲线

指南 的本页提供了一个完整示例，其中说明了如何使用这些控件来生成各种不同的估计生存曲线。就本示例而言，我们创建一个单一图表，并添加以下变量/值：

•高血压（两个水平“是”和“否”）

•年龄（值为40，在样本群体中观察到的最年轻年龄）

 

设置这些选项后，可以单击“确定”，将进入结果表，该表的讨论见 下一页。