文档介绍：卵巢癌预后因素评价和生
存率预测研究
房祥忠
北京大学概率统计系
提纲
背景介绍
资料特征
处理属性数据的两步回归方法
分类树回归方法
方法比较
点结
背景介绍
向大家介绍是一个生存分析实际案例分析
卵巢肿瘤是女性常见的三大恶性肿瘤之
死亡率居妇科恶性肿瘤首位
因卵巢癌早期无症状,发病隐匿,且缺乏
有效的诊断方法,诊断时多为晚期,生存
率较低
为提高患者生存率,医生们做了许多努力
和尝试,特别是提高和改善患者预后
背景介绍
影响卵巢癌预后的因素很多,在疾病进展
过程中,多种因素共同影响患者预后
如何根据患者的不同情况,综合判断患者
预后状况,预测生存率是迫切需要解决的
问题
背景介绍
本文采用的数据集是从全国七家医院5年搜
集的879例卵巢癌患者临床随访数据。
数据集包括存活期、年龄、原发灶大小、
病理类型、临床分期、淋巴是否转移、病
理分级、手术残余灶大小、化疗方法、化
疗方案、CA125等风险因素。
背景介绍
这些风险因素多为多类别的分类变量,在
做回归分析时往往需要引入哑变量。
当分类变量个数和水平较多时,需要引入
的哑变量数目与样本量相比较会很大
■如果直接做回归,它们之间的共线性会导
致模型参数估计失真甚至反序等诸多问题
这也是我们在解决实际问题中遇到的最大
闲难。
背景介绍
■针对该问题,我们尝试了两步回归法和
CART-COX方法
并将 CART-COX方法与基于Cox模型的直接回
归法和两步回归法做比较
■结果表明,从拟合及预测的总体效果看
CART-COX方法比两步回归法和直接回归都
更占优势。
最后,为方便医生使用,我们给出了生存
率表
提纲
背景介绍
资料特征
■处理属性数据的两步回归方法
分类树回归方法
方法比较
点结
资料特征
数据
资料特征
在建立多变量Cox模型前,我们需要确定每个协变
量分层是否合理
■多类别分类变量需要按照不同水平引入哑变量。
以某一水平为基准层,其它各水平的Cox模型回归
系数实际上是相对于该基准层危险率的变动
■原始数据各变量水平的划分是按临床危险程度由
低到高排列的,所以若协变量水平划分合理,它
们的回归系数应该单调递增