cox回归sas结果怎么看

准备用几次推送与缺闷老大家一起系统的学习下Nomogrm的绘制原理及其在R软件和SAS软件中的实现。首先声明伏升，文章只是自己文献上的整理及自己的一点点理解，错误之处还请大家指出！

在wikipedia 里对Nomogram的介绍是，Nomogram—词来源于希腊语，Nomos指“法律”而Gramma意思是“书写”。Nomogram的理论是由法国工程师 Philbert Maurice d’Ocagne (1862-1938) 于1884年提出，最早用于工程学，它能够将复杂的工程力学等计算公式以图形的方式，快速、直观、精确的展现出来。换句话说，绘制Nomogram旨在以绘图的方法来阐述不同变量之间的关系。在医学领域，Nomogram优势在于可个性化的计算特定肿瘤患者生存率, 因此在临床实践中有很大的价值。

Nomogram 怎么用？

我们用个例子来说明Nomogram的用法，临床上用四个指标A,B,C,D来预测某疾病的发病率，其中A和B是连续性变量，C和D为二分类变量；A的取值范围在0-80之间，B的取值范围在0-10之间，C取值为Low和High，和D取值为Neg和Pos，在统计软件中建立回归模型，并绘制Nomogram，具体绘制出的图形如下：

图1.Nomogram 示意图

假设有一个病人，他的四个因素的值分别是:A=40, B=5,C=Low和D=Pos，Nomogrm的用法是在A变量的刻度尺上找到其值为40的刻度，然后垂直画条竖线，对应到最上方的Points刻度尺上，找到Points对应的分值。我们看到图中A为40时，其Points是50，同理B=5时其Points是40，C=Low时其Points值罩数是0，D=Pos时其Points值是19.将这四个因素的Points值加起来总共是109分下一步在图下方的Total Points刻度尺上找到109，向下方的Probability of Clin.Outcome做垂线，109对应的值是39，则此病人该种疾病得发病风险预测概率值是39%。

Nomogram 绘制原理

一般的回归模型都可以绘制其对应的Nomogram，本文以二分类的Logistic 回归为例。例：为探讨某些危险因素对某种疾病的发病影响，统计建模筛选出的结果显示年龄(10-90)，性别(男女)和血压(低，正常，高)是三个影响因素，利用这三个因素与二分类的结局变量做Logistic回归

链接：https://www.yggzs.com/technology/article/32436

来源：妖怪工作室

cox回归是做生存分析的一个半参数模型，目厅凯的是找出影响生存的危险因素有哪些，在医学中常用于肿瘤和其他疾病的预后分析．常用的统计软件如SAS和spss都可以实现。

采用分层的cox回归（stratified cox），也就是按协变量分层分析，然而这种方法有个缺点，所谓“分层虽好，也不能贪多啊”。说错了，分层源伏拍虽好，但该变量也就没有估计结果了。试想，你把主要研究因素分层了，你还研究什么呢？

所以就要说到第二种处理方式，也就是采用时依cox回归，也就是带时依协变量的cox回归。

扩展资料

辅助的（ancillary）时依协变量

辅助的时依协变量，跟内部时依协变量有点不同。内雹羡部的顾名思义，主要靠自己，而辅助的，则是靠外部的推动而改变。

比如污染状态，这个如果城市的工厂关闭一段时间，大气状况变成了“优”，如果工厂恢复运作，大气状况变成了“污染”，这就随时间而发生了变化，而且是靠外部力量推动的变化。

再比如，工作状态，本来你可能在一家公司工作，结果公司不景气，裁员了，把你解雇了。这不是你内部自身决定辞职，而是被辞职，这就是外部的辅助力量。

---