vaja 4 (PDF)
vaja 4 (PDF)
vaja 4 (PDF)
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
<strong>vaja</strong> IV<br />
ANALIZA PREŽIVETJA<br />
PRIMER 1: KAPLAN-MEIER<br />
1. Odprite datoteko aml.sav, ki vsebuje podatke o preživetju bolnikov z levkemijo. Najprej se osredotočite<br />
na skupino 1.<br />
Izračunajte delež preživelih po 30 tednih po najboljšem scenariju (vsi krnjeni preživijo):____________<br />
Izračunajte delež preživelih po 30 tednih po najslabšem scenariju (vsi krnjeni umrejo): _____________<br />
Ocenite krivuljo preživetja po metodi Kaplan–Meier:<br />
Čas<br />
(t)<br />
Št. pod<br />
nadzorom<br />
Št. umrlih pog. preživetje Preživetje<br />
S(t)<br />
Narišite krivuljo preživetja, označite osi:<br />
Koliko je mediana časa preživetja _______________________________________<br />
Krivuljo preživetja (za vsako skupino posebej) ocenite s pomočjo SPSS-a. (Analyze -> Survival -> Kaplan-<br />
Meier) in jo narišite (gumb Options ...).<br />
Kakšen delež pacientov v posamezni skupini živi vsaj 30 tednov Vrednostim dodajte 95 % interval<br />
zaupanja:<br />
skupina 1: ________________________________ skupina 2 ________________________________<br />
Primerjajte krivulji s testom log-rank (Analzye -> Survival -> Kaplan-Meier in gumb Compare factors...).<br />
Zapišite ničelno hipotezo, p-vrednost in interpretirajte rezultat!
Primerjajte preživetje obeh skupin tudi s Coxovim modelom. (Postopek: Analyze -> Survival -> Cox<br />
Regression)<br />
Variables in the Equation<br />
B SE Wald df Sig. Exp(B)<br />
x .904 .512 3.116 1 .078 2.470<br />
Podrobno interpretirajte rezultate!<br />
PRIMER 3: PREŽIVETJE BOLNIKOV PO MIOKARDNEM INFARKTU<br />
Odprite datoteko mi.sav. V dveh univariatnih modelih (s samo eno neodvisno spremenljivko) si oglejte vpliv<br />
spola (sex=1 za moške in sex=2 za ženske) in starosti (age) na preživetje. Interpretirajte rezultate.<br />
B SE Wald df Sig. Exp(B)<br />
sex .529 .090 34.312 1 .000 1.698<br />
Survival Functions<br />
1.0<br />
0.8<br />
sex<br />
1<br />
2<br />
1-censored<br />
2-censored<br />
Cum Survival<br />
0.6<br />
0.4<br />
0.2<br />
0.0<br />
0.00<br />
1000.00<br />
2000.00<br />
3000.00<br />
4000.00<br />
5000.00<br />
6000.00<br />
time<br />
B SE Wald df Sig. Exp(B)<br />
age .061 .004 219.672 1 .000 1.063
Oglejte si povezavo med starostjo in spolom (narišite sliko, testirajte)!<br />
100.0<br />
58<br />
80.0<br />
age<br />
60.0<br />
40.0<br />
430<br />
650<br />
973<br />
20.0<br />
1<br />
sex<br />
2<br />
V model vstavite hkrati spol in starost. Interpretirajte rezultate in jih primerjajte z bivariatnimi modeli.<br />
Razložite razlike!<br />
B SE Wald df Sig. Exp(B)<br />
age .060 .004 188.844 1 .000 1.061<br />
sex .087 .096 .825 1 .364 1.091
Change language