用STATA做竞争风险模型

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)