胃癌预后的多因素COX模型分析
作者:俞晓峰 罗玉光
单位:俞晓峰(重庆第三军医大学流行病学教研室 630038);罗玉光(西南医院康复病房)
关键词:
中华医学杂志900316
我们用COX模型对112例胃癌手术患者预后进行了多因素分析,筛选出对胃癌预后有显著影响的6项指标,并建立胃癌术后生存预报的数学模型,为胃癌预后的预测提供了依据。
一、资料与方法
用回顾性调查的方法收集1980~1987年间在第三军医大学西南医院行胃癌手术的112例患者的完整资料,随访其预后并选择可能影响胃癌预后的指标18项(表1)。按COX模型原理[J R Stat Ser 1972;34:187],将数量化后的18项指标输入IBMPC-XT计算机。先用单因素COX模型分别对各指标进行似然比检验,剔除无显著性指标,并将有显著性或接近显著性的13项指标引入多因素COX模型:h(t,z)=h0(t)exp{β1x1+β4x4+β5x5+β6(x6+6)+β8x8+β9x9+β10x10+β11x11+β12x12+β13x13+β14(x14+14)+β16(x16+16)+β18x18。用Wald检验逐个剔除不显著指标,最终筛选出全部有显著影响的预后因素,并建立胃癌预后的数学模型。
, http://www.100md.com
表1 影响胃癌预后变量指标的数量化 变量
指 标
数量化
x1
性 别
男1,女0
x2
年 龄
<500,50~59 1,≥60 2
x3
部 位
胃窦1,非0
, 百拇医药
x4
大 小
测量值
x5
手术方式
根治1,姑息0
x6
组织学类型
低分化腺癌1,非0
x7
组织学类型
印戒细胞癌1,非0
, 百拇医药
x8
浸润深度
浆膜层1,非0
x9
浸润深度
肌层1,非0
x10
淋巴转移
有1,无0
x11
脏器转移
有1,无0
, 百拇医药
x12
浅端污染
有1,无0
x13
间质反应
有1,无0
x14
术前红细胞
测量值
x15
术前白细胞
测量值
, http://www.100md.com
x16
术前血红蛋白
测量值
x17
化 疗
有1,无0
x18
职 业
工人1,其他0
二、结果
用单因素COX模型对各变量进行似然比检验(表2),变量x2、x3、x7、x15、x17无显著性,故从分析中剔除。变量x8、x9+和x18接近显著,故仍将此三个变量与其他显著性变量一起引起人多因素COX模型分析。表2 单因素COX模型似然比检验结果(α=0.1) 变量
, http://www.100md.com
χ2(1)
P
变量
χ2(1)
P
x1
4.86
<0.05
x10
12.19
<0.01
x2
, 百拇医药
0.18
>0.5
x11
24.02
<0.01
x3
0.28
>0.5
x12
4.43
<0.05
x4
, 百拇医药
4.4
<0.05
x13
5.22
<0.05
x5
55.07
<0.01
x14
3.59
<0.1
x6
, 百拇医药
3.95
<0.05
x15
0.00
>0.5
x7
0.12
>0.5
x16
4.27
<0.05
x8
, 百拇医药
2.14
>0.1
x17
0.25
>0.5
x9
1.68
>0.1
x18
1.48
>0.1
将似然比检验筛选的13项显著性和接近显著的指标引入因素COX模型分析后,只得到变量x1、x5、x6、x8、x11和x13具有显著性(表3)。值得注意的是单因素分析中不显著的变量x8在多因素分析中则转变为有显著性的变量。分析这6个显著性变量之间的相互关系,发现若剔除变量x1,则会引起变量x8转变为无显著性;若剔除变量x8,则变量x1受影响而变为无显著性;提示变量x1和x8之间存在某种相关性。表3 胃癌预后的多因素COX模型分析结果(α=0.1) 变量
, http://www.100md.com
β
SE(β)
Wald值
P
RR
x1
-0.4768
0.2662
1.7908
0.0733
0.6208
x2
, 百拇医药 0.0010
0.0024
0.4082
0.6832
1.0010
x5
-1.7834
0.3203
5.5679
0.0000
0.1681
x6
, 百拇医药
0.5235
0.2476
2.1141
0.0345
1.6879
x8
0.5643
0.3371
1.6738
0.0942
1.7582
x9
, 百拇医药
0.0644
0.3282
0.1963
0.8444
1.0666
x10
0.0900
0.4004
0.2247
0.8222
1.0942
x11
, http://www.100md.com
0.8747
0.2819
3.1033
0.0019
2.3981
x12
0.4065
0.3406
1.1935
0.2327
1.5016
x13
, http://www.100md.com
-0.6911
0.2770
2.4947
0.0126
0.5016
x14
0.0011
0.0037
0.3646
0.7154
1.0011
x16
, 百拇医药
-0.0775
0.1079
0.7182
0.4726
0.9254
x18
-0.0004
0.0025
0.1547
0.8770
0.9996
根据多因素COX模型分析最终筛选的6项显著性指标的回归系数(β),可建立胃癌死亡相对危险度估计方程:I(x)=exp(-0.4918x1-1.7710x5+0.6039x6+0.4470x8+0.9632x9+0.3397x13)。
, 百拇医药
三、讨论
用单因素COX模型对18项指标进行筛选,结果有10项指标有显著性,3项指标接近显著;经对这13项指标的多因素COX模型分析,最终筛选出有显著性指标6标,(即性别、手术方式、低分化腺癌、浸润浆膜层、脏器转移及间质反应)。表明这6项指标在影响胃癌预后方面起着较其他指标更为重要的作用。本组资料中出现的变量x8由单因素分析的无显著性转变为多因素分析中的显著性,也提示单因素分析法可能会造成某些真正显著性预后指标遗漏。根据胃癌预后6项显著性指标回归系数的大小,可将其对胃癌预后的作用大小依次排列如下:脏器转移,低分化腺癌、浸润润深度之间可能存在某种联系,这为探讨女性胃癌患者往往预后较差的原因提供了可能的线索。
本工作承蒙吴玉章同志帮助,谨此致谢
(1989年4月25日收稿 同年11月15日修回), http://www.100md.com
单位:俞晓峰(重庆第三军医大学流行病学教研室 630038);罗玉光(西南医院康复病房)
关键词:
中华医学杂志900316
我们用COX模型对112例胃癌手术患者预后进行了多因素分析,筛选出对胃癌预后有显著影响的6项指标,并建立胃癌术后生存预报的数学模型,为胃癌预后的预测提供了依据。
一、资料与方法
用回顾性调查的方法收集1980~1987年间在第三军医大学西南医院行胃癌手术的112例患者的完整资料,随访其预后并选择可能影响胃癌预后的指标18项(表1)。按COX模型原理[J R Stat Ser 1972;34:187],将数量化后的18项指标输入IBMPC-XT计算机。先用单因素COX模型分别对各指标进行似然比检验,剔除无显著性指标,并将有显著性或接近显著性的13项指标引入多因素COX模型:h(t,z)=h0(t)exp{β1x1+β4x4+β5x5+β6(x6+6)+β8x8+β9x9+β10x10+β11x11+β12x12+β13x13+β14(x14+14)+β16(x16+16)+β18x18。用Wald检验逐个剔除不显著指标,最终筛选出全部有显著影响的预后因素,并建立胃癌预后的数学模型。
, http://www.100md.com
表1 影响胃癌预后变量指标的数量化 变量
指 标
数量化
x1
性 别
男1,女0
x2
年 龄
<500,50~59 1,≥60 2
x3
部 位
胃窦1,非0
, 百拇医药
x4
大 小
测量值
x5
手术方式
根治1,姑息0
x6
组织学类型
低分化腺癌1,非0
x7
组织学类型
印戒细胞癌1,非0
, 百拇医药
x8
浸润深度
浆膜层1,非0
x9
浸润深度
肌层1,非0
x10
淋巴转移
有1,无0
x11
脏器转移
有1,无0
, 百拇医药
x12
浅端污染
有1,无0
x13
间质反应
有1,无0
x14
术前红细胞
测量值
x15
术前白细胞
测量值
, http://www.100md.com
x16
术前血红蛋白
测量值
x17
化 疗
有1,无0
x18
职 业
工人1,其他0
二、结果
用单因素COX模型对各变量进行似然比检验(表2),变量x2、x3、x7、x15、x17无显著性,故从分析中剔除。变量x8、x9+和x18接近显著,故仍将此三个变量与其他显著性变量一起引起人多因素COX模型分析。表2 单因素COX模型似然比检验结果(α=0.1) 变量
, http://www.100md.com
χ2(1)
P
变量
χ2(1)
P
x1
4.86
<0.05
x10
12.19
<0.01
x2
, 百拇医药
0.18
>0.5
x11
24.02
<0.01
x3
0.28
>0.5
x12
4.43
<0.05
x4
, 百拇医药
4.4
<0.05
x13
5.22
<0.05
x5
55.07
<0.01
x14
3.59
<0.1
x6
, 百拇医药
3.95
<0.05
x15
0.00
>0.5
x7
0.12
>0.5
x16
4.27
<0.05
x8
, 百拇医药
2.14
>0.1
x17
0.25
>0.5
x9
1.68
>0.1
x18
1.48
>0.1
将似然比检验筛选的13项显著性和接近显著的指标引入因素COX模型分析后,只得到变量x1、x5、x6、x8、x11和x13具有显著性(表3)。值得注意的是单因素分析中不显著的变量x8在多因素分析中则转变为有显著性的变量。分析这6个显著性变量之间的相互关系,发现若剔除变量x1,则会引起变量x8转变为无显著性;若剔除变量x8,则变量x1受影响而变为无显著性;提示变量x1和x8之间存在某种相关性。表3 胃癌预后的多因素COX模型分析结果(α=0.1) 变量
, http://www.100md.com
β
SE(β)
Wald值
P
RR
x1
-0.4768
0.2662
1.7908
0.0733
0.6208
x2
, 百拇医药 0.0010
0.0024
0.4082
0.6832
1.0010
x5
-1.7834
0.3203
5.5679
0.0000
0.1681
x6
, 百拇医药
0.5235
0.2476
2.1141
0.0345
1.6879
x8
0.5643
0.3371
1.6738
0.0942
1.7582
x9
, 百拇医药
0.0644
0.3282
0.1963
0.8444
1.0666
x10
0.0900
0.4004
0.2247
0.8222
1.0942
x11
, http://www.100md.com
0.8747
0.2819
3.1033
0.0019
2.3981
x12
0.4065
0.3406
1.1935
0.2327
1.5016
x13
, http://www.100md.com
-0.6911
0.2770
2.4947
0.0126
0.5016
x14
0.0011
0.0037
0.3646
0.7154
1.0011
x16
, 百拇医药
-0.0775
0.1079
0.7182
0.4726
0.9254
x18
-0.0004
0.0025
0.1547
0.8770
0.9996
根据多因素COX模型分析最终筛选的6项显著性指标的回归系数(β),可建立胃癌死亡相对危险度估计方程:I(x)=exp(-0.4918x1-1.7710x5+0.6039x6+0.4470x8+0.9632x9+0.3397x13)。
, 百拇医药
三、讨论
用单因素COX模型对18项指标进行筛选,结果有10项指标有显著性,3项指标接近显著;经对这13项指标的多因素COX模型分析,最终筛选出有显著性指标6标,(即性别、手术方式、低分化腺癌、浸润浆膜层、脏器转移及间质反应)。表明这6项指标在影响胃癌预后方面起着较其他指标更为重要的作用。本组资料中出现的变量x8由单因素分析的无显著性转变为多因素分析中的显著性,也提示单因素分析法可能会造成某些真正显著性预后指标遗漏。根据胃癌预后6项显著性指标回归系数的大小,可将其对胃癌预后的作用大小依次排列如下:脏器转移,低分化腺癌、浸润润深度之间可能存在某种联系,这为探讨女性胃癌患者往往预后较差的原因提供了可能的线索。
本工作承蒙吴玉章同志帮助,谨此致谢
(1989年4月25日收稿 同年11月15日修回), http://www.100md.com