一、问题与数据

某研究者拟探讨三种不同的化疗药物对肺癌患者的治疗效果，纳入150例肺癌患者作为研究对象，随机分配到三个药物组中（每组各50例），并给予不同的药物治疗。研究持续2年，结局事件为“死亡”。

研究者收集了150例研究对象的“生存”时间（time，单位：周）、结局（death：censored--删失，用“0”表示；death--死亡，用“1”表示）和治疗药物（drug：drug1--药物甲，用“1”表示；drug2--药物乙，用“2”表示； drug3--药物丙，用“3”表示）。部分数据如图1。

图1 部分数据

二、对问题分析

要比较不同药物组之间的“生存”分布是否不同，可以使用 Kaplan-Meier法估计生存函数，并使用Log-rank检验比较不同药物组之间的“生存”分布的差异。使用Kaplan-Meier法时，需要考虑4个假设。 

假设1：结局变量是二分类变量，分别为“删失”和“死亡”且相互独立。

假设2：“生存时间”需要明确定义并测量。

假设3：不应该有长期变异。一般试验的开始到结束的时间较长，而纳入的研究对象是经过一段时间收集的，并不是同时进入研究。如研究肺癌发生到死亡的生存时间，如果在试验的时间内出现了新的药物，提高了后期进入试验的研究对象的生存率，这样的“变异”就会对研究结果造成偏倚。

假设4：“删失”在各个组的比例和分布相似。

假设1-3取决于研究设计和数据类型，本研究数据满足假设1-3。那么应该如何检验假设4呢？

三、SPSS操作

请先登录

这么重要的内容，赶快登录查看吧！

登录

四、结果解释

请先登录

这么重要的内容，赶快登录查看吧！

登录

五、撰写结论

本研究将肺癌者随机分配到三个药物治疗组中：药物甲组（n=50），药物乙组（n=50）和药物丙组（n=50）。运用Kaplan-Meier法比较三种药物对肺癌的治疗效果。药物甲组、药物乙组和药物丙组的删失比例分别是12.0%、14.0%和14.0%，删失在各个组的分布相似。药物甲组生存的中位时间为69.0（95%CI：45.2-92.8）周，比药物乙组（中位时间：9.0，95%CI：5.6-12.4）周和药物丙组（中位时间：9.0，95% CI：7.1-10.9）周的中位时间长。

三种药物治疗后，用Log rank法对肺癌生存时间分布的差异进行检验。三个药物组中总体的生存时间分布的差异具有统计学意义，χ²= 25.205，P<0.001。三种药物治疗的生存时间分布进行两两比较，并对显著性水平进行Bonferroni校正，校正后的显著性水平为α=0.0167。药物甲组与药物乙组的生存时间分布的差异具有统计学意义，χ²=10.691，P=0.001；药物甲组与药物丙组的生存时间分布的差异具有统计学意义，χ²=28.280，P<0.001；然而，药物乙组与药物丙组的生存时间分布的差异不具有统计学意义，χ²=1.619，P=0.203。

六、更多阅读

• 【SPSS教程】Cox回归

  某研究者拟观察某新药的抗肿瘤效果，将70名肺癌患者随机分为两组，分别采用该新药和常规药物进行治疗，观察两组肺癌患者的生存情况，共随访2年。研究以死亡为结局，两种治疗方式为主要研究因素，同时考虑调整年龄和性别的影响，比较两种疗法对肺癌患者生存的影响是否有差异。

• 手把手教Stata做生存分析：K-M曲线绘制和Logrank检验

  Stata软件在进行生存分析的过程中具有很强大的功能。无论是 K-M曲线，还是Cox回归分析，甚至是一些更加复杂的参数分析，Stata都可以轻松完成。