目的介绍基于限制性平均生存时间(restricted mean survival time,RMST)的思想构建非比例风险模型及其SAS软件实现。方法以肺癌临床试验数据为实例,先进行比例风险假定的检验,再利用LIFETEST、RMSTREG在非比例风险生存数据模型下进行分...目的介绍基于限制性平均生存时间(restricted mean survival time,RMST)的思想构建非比例风险模型及其SAS软件实现。方法以肺癌临床试验数据为实例,先进行比例风险假定的检验,再利用LIFETEST、RMSTREG在非比例风险生存数据模型下进行分析。结果通过LIFETEST程序可对RMST进行组间非参数比较,RMSTREG程序可拟合线性或对数RMST回归模型,旨在研究RMST和自变量之间的关系,从而获得组间比较的预期寿命差或预期寿命比的统计效应量。结论当比例风险假定不成立时,风险比(hazard ratio,HR)难解释其临床意义,RMST可以作为HR的替代方法之一。基于RMST统计量的假设检验与统计效应量为非比例风险的生存数据提供了一种统计分析方法。展开更多
电力电缆故障信息的深层次挖掘可提高对电缆故障影响因素的分析。因此,针对某供电公司10 k V电力电缆故障数据,运用统计学模型—Cox比例风险模型,定量分析了电缆故障影响因素,用以指导电缆采购、施工、运行和维护。为确保数据分析的准确...电力电缆故障信息的深层次挖掘可提高对电缆故障影响因素的分析。因此,针对某供电公司10 k V电力电缆故障数据,运用统计学模型—Cox比例风险模型,定量分析了电缆故障影响因素,用以指导电缆采购、施工、运行和维护。为确保数据分析的准确性,提出了电缆数据预处理原则,探讨了合适的样本量大小。运用Cox比例风险模型对电缆故障影响因素进行单因素分析;运用Logistic回归模型确定了电缆故障影响因素类别,并统计计算了各电缆故障影响因素对应的电缆故障率,确定了各影响因素组成元素的相对危险程度,最终证明了Cox比例风险模型分析结果的正确性。结果表明:本体生产厂家M1、附件生产厂家N1、施工单位I3对应的电缆故障率最高分别为0.33、0.29、0.218,企业在进行电缆采购、施工、维护时应着重关注这3家单位。展开更多
文摘目的介绍基于限制性平均生存时间(restricted mean survival time,RMST)的思想构建非比例风险模型及其SAS软件实现。方法以肺癌临床试验数据为实例,先进行比例风险假定的检验,再利用LIFETEST、RMSTREG在非比例风险生存数据模型下进行分析。结果通过LIFETEST程序可对RMST进行组间非参数比较,RMSTREG程序可拟合线性或对数RMST回归模型,旨在研究RMST和自变量之间的关系,从而获得组间比较的预期寿命差或预期寿命比的统计效应量。结论当比例风险假定不成立时,风险比(hazard ratio,HR)难解释其临床意义,RMST可以作为HR的替代方法之一。基于RMST统计量的假设检验与统计效应量为非比例风险的生存数据提供了一种统计分析方法。
文摘电力电缆故障信息的深层次挖掘可提高对电缆故障影响因素的分析。因此,针对某供电公司10 k V电力电缆故障数据,运用统计学模型—Cox比例风险模型,定量分析了电缆故障影响因素,用以指导电缆采购、施工、运行和维护。为确保数据分析的准确性,提出了电缆数据预处理原则,探讨了合适的样本量大小。运用Cox比例风险模型对电缆故障影响因素进行单因素分析;运用Logistic回归模型确定了电缆故障影响因素类别,并统计计算了各电缆故障影响因素对应的电缆故障率,确定了各影响因素组成元素的相对危险程度,最终证明了Cox比例风险模型分析结果的正确性。结果表明:本体生产厂家M1、附件生产厂家N1、施工单位I3对应的电缆故障率最高分别为0.33、0.29、0.218,企业在进行电缆采购、施工、维护时应着重关注这3家单位。
