存活分析Q1輔助說明及範例

透析治療方式(註二)

追蹤研究時間(註三)

最後追蹤的狀態(註四)

範例參考區

此為範例參考區，使用者可參考下表中的範例簡介並點選進入各範例的詳細說明來決定最適合你的資料分析方法。

說明在存活分析中，最主要的目的是要了解存活函數，要估計一組存活函數僅需要資料中有時間變數與事件變數，當資料中具有其它共變數時，則可依據共變數類型做不同型態的分析。當有類別型共變數時，可估計兩組(含)以上的存活函數，並可以加以比較差異，當共變數較多時(類別變數與連續變數皆可)，可使用Cox風險比例模型(Cox proportional hazards model)來做模型配適及挑選具有影響的共變數。

輔助範例

範例	內容	是否有共變數	建議分析方法
E-1	抽菸對肺癌病患存活的影響	Q1. 無 Q2. 有 Q3. 有 Q4. 有	Q1. Kaplan-Meier存活函數估計(Kaplan-Meier estimation for survival function) Q2. 兩個(含)以上存活函數的估計(estimation for two or more survival functions) Q3. 兩個(含)以上存活函數的比較(comparison for two or more survival functions) Q4. Cox比例風險模型(Cox proportional hazards model)
E-2	不同透析治療方法對洗腎病患存活的影響	Q1. 無 Q2. 有 Q3. 有	Q1. Kaplan-Meier存活函數估計(Kaplan-Meier estimation for survival function) Q2. 兩個(含)以上存活函數的比較(comparison for two or more survival functions) Q3. Cox比例風險模型(Cox proportional hazards model)

範例E-1：抽菸對肺癌病患存活的影響 隨著醫療科技的進步，最威脅人類生命的疾病已經從幾十年前的傳染病改變成癌症，癌症可以說是現代人的文明病，許多的癌症發生都與現代人的生活習慣有關，如口腔癌的發生有很大的機率與嚼食檳榔有關；而肺癌則與吸菸的習關有很大的關聯。依行政院衛生署所公佈的統計數據顯示因癌症死亡佔所有死亡人數的28.1%，連續28年為台灣十大死因榜首，在這麼多的癌症中，肺癌則是死亡人數最高的。因此對於癌症的治療，可以說是醫學研究中最不遺餘力的事，某醫學機構針對肺癌做了一個長期性的追蹤研究，歷時5年，共收集了80個患有肺癌的病人的資料，資料中記錄病患的性別、年齡等基本資料，以及抽菸習慣，手術及治療方式，並記載進入與離開追蹤研究的時間，詳細說明見表及註。

表：受測市民健康資料

病患編號	1	2	3	...	79	80
性別(註一)	1	0	0	...	1	0
年齡	45	52	50	...	38	33
是否吸菸(註二)	19.9	26.5	23.5	...	24.6	20.1
是否接受手術治療(註三)	0	1	1	...	1	0
後續治療方式(註四)	0	1	1	...	1	0
追蹤研究時間(註五)	19	50	27	...	38	42
最後追蹤的狀態(註六)	0	1	1	...	1	0

註一： 0表女性、1表男性
註二： 0表未吸菸、1表吸菸
註三： 0表未接受手術治療、1表接受手術治療
註四： 1表化學治療、2表放射治療、3表兩者同時
註五：以月份為單位，1代表進入研究1個月，60代表進入研究5年
註六： 0表存活、1表死亡

Q1：在醫學研究中，對於各種疾病的存活機率是相當重要的研究，此種研究可提供醫生診斷時的依據，故醫學機構想了解此組肺癌病患資料的存活率為何?該如何分析呢?
問題解析：此處想了解病患的存活率，在資料中須先了解兩個重要變數，一為時間變數：病人在研究中的停留的時間，一為事件變數：病人在研究中的狀態(死亡或者發病)，有了此資料即可使用存活分析討論"肺癌病患存活函數的估計"。
統計方法：此問題中有兩個變數，分別是追蹤研究時間(時間變數)與最後追蹤的狀態(事件變數)。此範例中想了解肺癌病患的存活函數，建議選擇存活分析。可採用分析方法：Kaplan-Meier存活函數估計(Kaplan-Meier estimation for survival function)，分析"肺癌病患存活函數的估計"。

Q2：在分析肺癌病患的存活率後，醫學機構想進一步了解不同性別下的病患的存活率?且其存活函數為何?該如何分析呢?
問題解析：此處想了解不同性別下病患的存活率，並分析存活函數，在資料中須先暸解兩個重要變數，一為時間變數：病人在研究中的停留的時間，一為事件變數：病人在研究中的狀態(死亡或者發病)，再加入性別的變數為分組變數，此分組資料即可使用存活分析討論"不同性別時存活函數的估計"。
統計方法：此問題中有三個變數，分別是追蹤研究時間(時間變數)、最後追蹤的狀態(事件變數)與性別(分組變數)。此範例中想了解不同性別肺癌病患的存活函數，建議選擇存活分析。性別為類別型共變數，將資料區分為兩組，可採用分析方法：兩個(含)以上存活函數的估計(estimation for two or more survival functions)，分析"不同性別時存活函數的估計"。

Q3：吸菸有害健康，由其對於肺部疾病的影響甚鉅，這組肺癌病患是否反映出此種情況呢?吸菸與不吸菸的病患存活函數有差異嗎?
問題解析：此處想了解吸菸與否對於病患的存活率是否有影響，並分析存活函數的差異，在資料中暸解兩個重要變數，一為時間變數：病人在研究中的停留的時間，一為事件變數：病人在研究中的狀態(死亡或者發病)，再加入吸菸與否的變數為分組變數，此分組資料即可使用存活分析討論"吸菸與否的存活函數是否有差異?"。
統計方法：此問題中有三個變數，分別是追蹤研究時間(時間變數)、最後追蹤的狀態(事件變數)與吸菸與否(分組變數)。此範例中想了解吸菸與否的肺癌病患的存活函數的差異，建議選擇存活分析。吸菸與否為類別型共變數，將資料區分為兩組，且需檢定兩組存活函數的差異，可採用分析方法：兩個(含)以上存活函數的比較(comparison for two or more survival functions)，檢定"吸菸與否的存活函數是否有差異?"。

Q4：在討論影響疾病患者存活機率時，影響的因素通常不是唯一，且不是單獨的影響，若想同時了解不同性別、吸菸與否及年齡等因素對於肺癌病患存活率的影響，該如何分析較佳?
問題解析：此處想同時了解不同性別、吸菸與否及年齡等因素對於肺癌病患存活率的影響，可利用存活分析中的Cox比例風險模式來分析，將性別、吸菸與否及年齡等三個變數當作共變數，即可同時討論多個影響因素對於存活率的影響，分析"性別、吸菸與否及年齡是否會影響肺癌病患的存活函數?"。
統計方法：此問題中有五個變數，分別是追蹤研究時間(時間變數)、最後追蹤的狀態(事件變數)、性別(共變數)、吸菸(共變數)及年齡(共變數)。此範例中想同時了解不同性別、吸菸與否及年齡等三個因素對於肺癌存活率的影響，建議選擇存活分析，有三個共變數(類別與連續皆可)，可採用分析方法：Cox比例風險模型(Cox proportional hazards model)，分析"性別、吸菸與否及年齡是否會影響肺癌病患的存活函數?"。

回範例參考區

範例E-2：不同透析治療方法對洗腎病患存活的影響 國人十大死因中有一些疾病是較不為人所熟知，但卻已經對於生命有一定的威脅性，其中第七名的腎臟病即是如此，腎臟病的種類繁多，而且容易因其他疾病而引起腎臟的病變，如糖尿病及高血壓患者皆易發生。腎臟是人體內非常重要的器官，主要的功能是調節身體內的水份，且會分泌紅血球生成素及一些重要物質，當腎臟一旦受損，對於身體的健康影響巨大，也會影響到正常生活。而現代人的飲食習慣造成了腎臟巨大的負荷，進而罹患了腎臟的疾病，因此良好的飲食習慣及飲食內容是分常重要的。大部份的長期腎臟病治療方法為透析治療或是腎臟移植，由於器官的取得不易且費用昂貴，大部份的病患會選擇透析治療，透析治療又分為兩種，一種是血液透析治療，另一種稱為腹膜透析治療。這兩種治療方法各有其優點與缺點，對於不同狀況的病人，醫生可能會採取不同的透析方法，因此哪一種方法的醫療效果較佳就成為研究人員非常關心的議題。有一組醫療研究人員觀察醫院近十年的腎臟病洗腎患者進行透析治療的結果，詳細的記錄了洗腎病患的資料，共有80位洗腎病患，詳細說明見表及註。

表：受測市民健康資料

註一：0表女性、1表男性
註二： 1表血液透析治療、2表腹膜透析治療
註三：該病患於研究中追蹤之時間長度(單位：月)
註四： 0表存活(或設限)、1表死亡

Q1：在醫學研究中，對於各種疾病的存活機率是相當重要的研究，此種研究可提供醫生診斷時的依據，研究人員想了解這組洗腎病患資料的存活函數為何?該如何分析呢?
問題解析：此處想了解病患的存活率，在資料中須先了解兩個重要變數，一為時間變數：病人在研究中的停留的時間，一為事件變數：病人在研究中的狀態(死亡或者發病)，有了此資料即可使用存活分析討論"洗腎病患存活函數的估計"。
統計方法：此問題中有兩個變數，分別是追蹤研究時間(時間變數)，最後追蹤的狀態(事件變數)。此範例中想了解洗腎病患的存活函數，建議選擇存活分析。可採用分析方法：Kaplan-Meier存活函數估計(Kaplan-Meier estimation for survival function)，分析"洗腎病患存活函數的估計"。

Q2：在洗腎病患的透析治療中，不同的治療其結果可能不同，故研究人員想了解在此組資料下兩種治療方法下的存活函數會有差異嗎?
問題解析：此處想了解不同的治療方法對於病患的存活率是否有影響，並分析存活函數的差異，在資料中暸解兩個重要變數，一為時間變數：病人在研究中的停留的時間，一為事件變數：病人在研究中的狀態(死亡或者發病)，再加上不同透析治療方法的變數為分組變數，此分組資料即可使用存活分析討論"不同透析治療方法下的存活函數是否有差異?"。
統計方法：此問題中有三個變數，分別是最追蹤研究時間(時間變數)、最後追蹤的狀態(事件變數)及透析治療方法(共變數)。此範例中想了解不同透析治療方法對於洗腎病患的存活是否有影響，建議選擇存活分析。透析治療方法為類別型共變數，將資料區分為兩組，並需檢定兩組存活函數的差異，可採用分析方法：兩個(含)以上存活函數的比較(comparison for two or more survival functions)，檢定"不同透析治療方法下的存活函數是否有差異?"。

Q3：在討論影響疾病患者存活機率時，影響的因素通常不是唯一，且不是單獨的影響，若想同時了解性別、年齡及透析治療方法等因素對於洗腎病患存活率的影響，適合用何種方法?
問題解析：此處想同時了解性別、年齡及透析治療方法等因素對於洗腎病患存活率的影響，可利用存活分析中的Cox比例風險模式來分析，將性別、年齡及透析治療方法等三個變數當作共變數，即可同時討論多個影響因素對於存活率的影響，分析"性別、年齡即透析治療方法是否會影響洗腎病患的存活函數?"。
統計方法：此問題中有五個變數，分別是最追蹤研究時間(時間變數)、最後追蹤的狀態(事件變數)、性別(共變數)、年齡(共變數)及透析治療方法(共變數)。此範例中想同時了解不同性別、年齡以及透析治療方法等三個因素對於洗腎病患存活率的影響，建議選擇存活分析，有三個共變數(類別與連續皆可)，可採用分析方法：Cox比例風險模型(Cox proportional hazards model)，分析"性別、年齡即透析治療方法是否會影響洗腎病患的存活函數?"。

回範例參考區