SPSS在线

df

p

上表格为模型似然比检验结果，似然比检验原假设为是否放入自变量两类模型质量均一致；从上表可知，模型拒绝原定假设(χ2=8.725，p =0.033

第一步：对模型整体情况进行描述说明，以及列出模型公式；

第二步：逐一分析X对于Y的影响情况；如果X对应的p 值小于0.05则说明X会对Y产生影响关系，此时可结合HR值进一步分析影响幅度。

第三步：总结分析结果。

从上表可知，将药物组别作为自变量进行cox回归研究，模型公式为：ln[h(t,X)/h0(t)]=-1.171*药物组别 (ln代表取对数，h0(t)代表基准风险率)。最终具体分析可知：药物组别的回归系数值为-1.171，并且呈现出0.01水平的显著性(z =-2.587，p =0.010

针对模型公式部分：ln[h(t,X)/h0(t)]=-1.171*药物组别 (ln代表取对数，h0(t)代表基准风险率)； h0(t)代表基准风险率，此为Cox回归模型结构，涉及算法原理，建议用户可查阅相关书籍，或者暂忽略理解。

针对影响关系上：此处p 值小于0.05且回归系数为-1.171

除此之外，Cox回归会生成生存曲线如下图分析：

上图看出，X轴为生存时间，Y轴为累积生存率。生存时间为0即刚开始时，累积生存率为1，即均为存活状态；随着生存时间的增加，累积生存率也会明显的下降，尤其是0~20周这段时间；但是在20~45周之间时，生存率基本不会变化，意味着20~45周死亡率基本为0；另外45~65周之间时，死亡率也会明显的下降，说明这段时间也有着较高的死亡率。但约在65周之后（65周~到140周随访2年），死亡率保持稳定，即说明65周~140周这段时间内死亡率稳定。

另外，如果还希望将年龄纳入模型考虑范畴中（即作为控制变量），希望对比不同年龄组别样本时，生存曲线的差异情况，此时可将年龄放入“分层项”框中，并且得到下图。

上图可以明显的看出，对于50以下的患者，从大约22周后，其累积生存率保持稳定，即说明大约22周后，50以下的患者会保持稳定的存活状态；而且在约18周后，50及以上的患者累积生存率会明显的高于50以下的患者，意味着过了18周后，50及以上的患者存活率明显更高。

如果还希望分析不同性别患者的生存曲线对比，也可类似进行分析即可。