近日不少朋友通过公众号咨询竞争风险(Competing risk)模型相关的资料,可能是热起来了。公众号前期文章《分析生存资料“新”的方法》已经对竞争风险模型做了简单的介绍,并且以累积发病率函数(Cumulative Incidence Function, CIF)作为Log-rank检验的拓展进行了展示。所以,本文以竞争风险回归为主讲解该方法的应用及操作。
文献应用实例
那么,在已发表的文献中是如何应用竞争风险模型的呢?在Yajun Liang等发表的文章《Serum total cholesterol and risk of cardiovascular and non-cardiovascular mortality in old age: a population-based study》中正好应用了该方法。文章探讨的是血清总胆固醇与死亡风险的关系,其中非心血管死亡作为心血管死亡的竞争风险。
下表是这篇文章主要的结果,第二列为Cox回归的结果,血清总胆固醇是有统计学意义的,并且含量越高,HR越小。而在竞争风险模型的结果中,血清总胆固醇是没有统计学意义的,并且HR与含量没有单向变化的趋势。
血清总胆固醇(mmol/l) | Cox回归HR | 竞争风险回归HR |
<> | 1.00 (Ref.) | 1.00 (Ref.) |
5.18–6.21 | 0.71 (0.61-0.83) | 0.82 (0.66-1.02) |
≥6.22 | 0.68 (0.57-0.80) | 0.98 (0.77-1.23) |
作者得到的结论是,血清总胆固醇与全死因死亡的相关性具有统计学意义,并且血清总胆固醇含量越高,死亡风险越低;而降低的风险主要体现在非心血管死亡结局中。
软件操作实例
引用一个研究原发盆腔肿瘤预后的例子,主要的变量如下:
dftime: 定量变量,从诊断到首次复发的时间
failure:三分类变量,复发结局,包括0为删失、1为盆腔疾病、2为转移且非盆腔疾病(竞争风险)
ifp:定量变量,组织间隙液压
tumsize:定量变量,原发肿瘤大小
pelnode:二分类变量,盆腔淋巴结是否阳性
下面采用STATA进行分析:
#加载数据
webuse hypoxia
#设定生存时间及主要生存结局
stset dftime, failure(failtype==1)
#拟合cox回归
stcox ifp tumsize pelnode
#拟合竞争风险回归
stcrreg ifp tumsize pelnode, compete(failtype==2)
结果如下,可以看出组织间隙液压与全部复发结局的关联没有统计学意义;肿瘤大小与全部复发结局均呈正向关联;盆腔淋巴结阳性与转移且非盆腔疾病的结局有关。
自变量 | Cox回归HR | 竞争风险回归HR |
ifp | 1.04 (0.998-1.08) | 1.03 (0.999-1.07) |
tumsize | 1.34 (1.11-1.63) | 1.30 (1.07-1.57) |
pelnode | 0.43 (0.19-0.96) | 0.46 (0.20-1.07) |
联系客服