目前為止我們已經知道要如何輸入資料，接著我們就要以SPSS為例，讓大家知道如何在SPSS裡頭分析time-dependent covariate的Cox regression。
我們延續之前另外一個例子，即心房性頻脈的負荷（Burden of atrial tachyarrhythmia, AT burden）與中風（Stroke）的關係之研究，在這個研究中，當病人首次安裝心跳節律器（Pacemaker, PM）之後，每一年測量一次病人在這一年之間發生心房性頻脈的時間，因此如果病人的追蹤期有幾年就會有幾筆的資料。
圖3列出兩位病人的資料，可注意到編號5號的病人資料筆數多達8筆，這是因為他的追蹤期長達八年；反之編號6號的病人就只有一年追蹤期，因此只有1筆資料。另外可觀察到而且這位5號病人在植入Pacemaker後的第八年發生中風，因此第八筆資料（第7年到第8年）的「Stroke」為1，不過要注意前七筆資料（一開始到第7年）的「Stroke」皆為0，因為前七年都沒有發生中風。
此時有兩個變項是屬於time-dependent covariate，第一個就是「Aspirin_TDC」，定義為在這一年期間病人是否有服用阿斯匹靈，5號病人在前四年都有服用，但在後四年就沒有繼續服用了；第二個就是「AT_burden」，定義為在這一年期間病人發生心房性頻脈的比例，數字介於0到100%，每1%表示為3.65天，5號病人在前六年都有發生心房性頻脈，但在最後兩年就沒有發生了（因為數值為0表示完全沒有AT burden）。
圖3：AT burden兩位病人的資料輸入方式
接著我們就以SPSS的語法來示範如何執行time-dependent covariate的Cox regression model：
(1) TIME PROGRAM.
(2) COMPUTE T_COV_ = T_ > TL.
(3) COXREG TR
(4) /STATUS=Stroke(1)
(5) /METHOD=ENTER T_COV_ Aspirin_TDC AT_burden
(6) /PRINT=CI(95)
(7) /CRITERIA=PIN(.05) POUT(.10) ITERATE(200).
以上即為SPSS的語法，以下逐點做說明，一共七點：
(1) TIME PROGRAM.
宣告這不是一個普通的Cox model，而是需要定義時間的模式
(2) COMPUTE T_COV_ = T_ > TL.
定義time-dependent covariate的「時間」，因為其實真正在統計模型裡頭只有一個關於時間的自變項，即「T_COV_」，被定義為「T_ > TL」，其中的T_其實就是「右側的時間點」（這一筆資料的結束時間，即TR），而TL就是「左側的時間點」（這一筆資料的起始時間），而由我們之前所示範的資料皆可知，在同一筆資料中TR一定會大於TL，因此才以「T_ > TL」來表示。
(3) COXREG TR
宣告「右側的時間點」等於TR。
(4) /STATUS=Stroke(1)
宣告Event的定義，即如果Stroke等於1就等於發生中風
(5) /METHOD=ENTER T_COV_ Aspirin_TDC AT_burden
宣告自變項包括三個，分別為不存在於資料中的「T_COV_」以及在資料中的Aspirin_TDC及AT_burden。不過要提醒大家，在我們這個例子是只有放time-dependent covariate，如果有一些不隨時間變化的變項（例如性別、年齡）也是可以放到模型裡頭
(6) /PRINT=CI(95)
宣告輸出要有95％的信賴區間
(7) /CRITERIA=PIN(.05) POUT(.10) ITERATE(200).
一些關於疊代等設定，一般來說不需要特別設定，保持預設即可。
經過以上語法的設定，我們就可以跑出輸出了，大家對於輸出中「T_COV_」的結果可以完全忽略，它只是方程式必要的存在，但是沒有解釋的必要；此外，由圖4可知Aspirin_TDC及AT_burden的結果並不顯著，表示是否服用阿斯匹靈與心房性頻脈的程度與中風並沒有顯著的關係。
圖4：AT burden的SPSS輸出結果
本系列四篇文章只介紹了time-dependent covariate的某一種應用，若讀者想一窺全貌，可再延伸閱讀以下文獻：
1. Klein JP, Moeschberger ML. Survival analysis: techniques for censored and truncated data. 2nd ed. New York: Springer; 2003.
2. Kleinbaum DG, Klein M. Survival analysis: a self-learning text. 2nd ed. New York: Springer; 2005.
3. Lee ET, Wang JW. Statistical methods for survival data analysis. 3rd ed. Hoboken, New Jersey: John Wiley & Sons; 2003.
留言列表
{{ article.title }}