没数据，没SPSS，如何轻松获得生存分析结果？| 推广

2018 年 12 月 27 日 科研圈

生存分析，顾名思义是用来研究个体的存活概率与时间的关系的方法。通俗来讲，“一个人可以活多久”这个问题，纵是扁鹊华佗在世亦不能做解，而利用现有样本的生存资料，通过生存分析即可推断样本活过一定时间的概率。

生存分析本质上就是个回归分析【回归分析？简单来说，就是给定一些已知样本的自变量X和对应的结果变量Y，回归分析算法会计算出Y和X之间的关系公式。比如最简单的一元线性回归算法，公式是这个样子：Y=aX+b。再来一个新的样本，得知其自变量X的情况，结果Y自然就预测出来了】。那么问题来了，为什么不用普通的回归算法推断生存概率呢？因为生存分析中的结果变量有点不一样，它不仅考察生存事件的结果，同时还要考察事件出现的时间。也就是说，生存分析的结果变量有两个，一个是事件状态，一个是时间。

临床研究中通常指患者死亡或疾病复发等。敲黑板！SPSS分析时定义事件要选死亡！

普通回归算法只能hold住完全数据，即发病到死亡的时间完整记录；由于失访或因其他原因导致的死亡（删失数据），或随访结束时观察对象仍存活而无法获得其生存时间（截尾数据），都是不完全数据，这时候普通回归算法就搞不定啦

生存分析常用的方法有寿命表法、Kaplan-Meier法和Cox回归。在仅考虑单因素的情况下，通常多用Kaplan-Meier法（如图1）；若需要综合分析多个因素对生存时间分布的影响，一般使用Cox回归来分析。生存分析可以用的工具也有不少，比如SPSS、R和SAS。SPSS的教程推荐下面这个，目前小编看过的最好的SPSS教程和结果解读，没有之一：

https://www.mediecogroup.com/method_article_detail/31/

图1 Gene Matrix 绘制的生存分析函数图

图1 比较了Low和High两组之间的生存时间分布。HR是风险比，指的是实验组（High）所产生的风险率与对照组（Low）所产生的风险率的比值；Logrank指的是生存分析所使用的显著性检验方法。

生存分析最重要的还是样本，临床样本不足是一个令大多数临床医生头疼的事情。再推荐一个数据库，The Cancer Genome Atlas (TCGA)，目前最为综合全面的癌症病人相关组学数据库之一，收录了33种人类癌症的临床病理数据、mRNA表达量、miRNA表达量、甲基化等各种数据。现在 TCGA 已并入 Genomic Data Commons Data Portal（GDC），数据下载烦烦烦，所幸样本并没有什么增加，下载数据还可以去下面这个链接偷个懒：

http://gdac.broadinstitute.org/runs/stddata__2016_01_28/data/

数据下载可以偷懒，后续的数据整理就是硬功夫了。高低表达、癌和癌旁、临床病理数据、生存数据等等都需要人工处理。此外，发表论文还需要花钱买个正版的SPSS软件。鉴于前番提及的种种困难，吉凯基因云平台 Gene Matrix 隆重推出新应用：TCGA生存分析。不用下数据，无需买软件，打开应用市场，选择TCGA生存分析，输入基因名和癌症类型，点击提交，漂亮的生存函数图就出来了！有了 Gene Matrix 傍身，生存分析就是这么简单，你只需跨出注册的第一步，剩下的 999 步，Gene Matrix 都替你走完！扫描下方二维码，马上注册登录，免费解锁功能。