知识的价值不在于占有,而在于使用。

生信自学网-速科生物-生物信息学数据库挖掘视频教程

当前位置: 主页 > SEER >

KM方法Cox比例风险模型和竞争风险模型

时间:2017-08-23 20:31来源:原创 作者:森莘 点击:
在疾病的预后研究中,生存分析是比较常见的统计分析方法,包括经典的KM分析,Cox比例风险模型,以及备受青睐的竞争风险模型。
KM分析于1958年出现后,迅速地应用在生存分析研究上,一段时间内也将它应用于竞争风险时间分析,KM分析使用简单,应用广泛,但是KM分析是一种经验性研究,在很多专业领域并不被认为是真正的预后分析。KM法认为风险率仅仅只与时间长短有关,这不大符合实际。
KM分析
Cox比例风险模型,比例风险模型认为每个具有不同协变量的观察量在相同的时间上应该具有不同的风险率,这才比较符合实际。在临床研究中,观察的结局往往不是单一的,如在防治糖尿病患者的研究中,肾脏病变、神经病变和心血管病变。许多学者应用比例风险模型获得了研究成果,如R.Logan等人利用比例风险模型分析了630名患者进行相同HLA的亲属骨髓移植和143名进行外周血干细胞移植后发生GVHD移植物抗宿主病的发生,模型分析结果显示,进行外周血干细胞移植后发生GVHD的风险是骨髓移植的2.25倍。
Cox比例风险模型
竞争风险模型,在医学研究中,观察的终点往往不是单一的,而是存在多个终点和竞争风险事件,若在可能会发生多个终点事件的情况下仍应用这些单终点分析方法,将会由于竞争风险的存在而导致对这些终点事件概率的估计偏差。竞争风险模型是一种用于处理具有竞争风险事件的分析技术,它可分析面临多种潜在结局的生存数据,这些数据包括失效的时间跨度和导致失效的终点事件,这种终点事件可能有多个,这些潜在的终点事件互被称为“竞争风险”事件。
SEER数据库竞争风险模型
在实际生信分析中,三种分析都非常使用,论文用的比较多的,TCGA数据库利用临床信息和基因表达量,可以绘制生存曲线,利用的就是KM法,可以分析单个基因高表达和低表达的生存曲线,是一种非常使用的预后生存分析。
TCGA数据库Cox分析,是TCGA数据库挖掘的深入分析方法,利用Cox分析的论文就目前来看,是非常受欢迎的。
竞争风险模型现在主要是用在SEER数据库挖掘,SEER数据库提供丰富的癌症临床数据,而且提供癌症死亡的原因,是死于癌症,或者死于非癌症的其他原因,这样就可以用竞争风险模型进行分析。

加生信自学网群
责任编辑:伏泽
作者申明:本文版权属于生信自学网(微信号:18520221056)未经授权,一律禁止转载!
BioWolf二维码生成器
------分隔线----------------------------
GEO芯片数据库挖掘生信视频教程
推荐内容
TCGA数据库挖掘文章套路生信视频教程
中药复方网络药理学文章套路生信视频教程