Chapter 6 生存分析
6.1 生存分析基本过程介绍
生存数据分析也离不开描述——差异性分析——影响因素分析。
描述生存时间的分布特点：计算中位生存时间、绘制KM曲线、计算发病密度
比较生存过程：logrank检验
探讨生存过程的影响因素：COX回归（批量单因素、先单后多、逐步回归）
以上所有功能，风暴统计平台都可以一站式实现，菜单式操作，简洁快速！支持图片色彩、字体等自定义修改，可达到论文发表级别！
6.2 生存曲线
6.2.1 绘制生存曲线
6.2.2 KM曲线自定义设置
6.2.2.1 生存曲线图设置
KM曲线置信区间：TRUE或FALSE，是否显示置信区间，默认情况下是不显示的
绘制累计率曲线：TRUE或FALSE，是否绘制累计率曲线，在按照0删失，1死亡的赋值编码，累计率曲线是自左下至右上，呈上升趋势，而生存曲线是自左上至右下，呈下降趋势
图形配色方案：平台共提供了9种配色方案，满足多样化选择
显示删失标记：TRUE或FALSE，默认为TRUE，删失个案会以+在曲线上展示
曲线类型：实线或虚线，默认为实线，可以按需选择
中位生存时间：none、hv、h、v，默认为none，h代表显示y轴对应坐标，v代表显示x轴对应坐标。
根据上方调整后，基础KM曲线已经发生了变化，见下图：
6.2.2.2 坐标轴和标签设置
x轴间隔：默认为6个单位为间隔，如果随访时间最大值与最小值的差值过大，也可以增大间隔，使图片简洁美观
x轴/y轴标题：如需修改标题，可以在框中填写，目前平台只能显示英文，标点括号也要是英文格式哦
变量标签：同样只能修改为英文标签，如需修改变量赋值（如使1代表male，2代表female），可以在”数据整理”模块的分类变量值标签设置处更改
时间单位：根据数据需要，可以修改为day、week、month、year
y轴最小值：如果生存曲线主要分布在坐标轴的上半部分，为了图片美观，可以使y轴从任意位置开始显示，减少留白
6.3 COX比例风险模型
6.3.1 自变量筛选
首先选入变量，包括生存结局变量、生存时间变量、定量自变量、分类自变量。
其次，选择自变量的筛选方式，包括P阈值，回归方法。
P阈值决定了单因素分析时，P值小于多少会进入多因素回归，一般为0.05，在变量过少时，也可以放宽要求，0.1，0.2也是有的。
回归方法有先单后多（选”否”），双向逐步回归，向前逐步回归，向后逐步回归，根据P<0.05筛选。
6.3.3 开展逐步回归方法分析
逐步回归方法，平台也提供了多种选择：双向逐步回归，向前逐步回归，向后逐步回归以及考虑到有时P值大于阈值的变量在逐步回归时也会留在模型中，新增了根据P<0.05的原则开展逐步回归！
注：先单后多与逐步回归是两种不同的自变量筛选方式，先单后多主要根据单因素P阈值进行筛选；逐步回归则是通过变量的逐个纳入与剔除，以AIC值最小作为最优模型选择准则。因此有些变量P值大于预设的阈值但仍保留在逐步回归模型中也是正常的哦，想要避免这种情况的发生，可以选择”根据P<0.05筛选”的逐步回归！
