在 PartSA 模型中使用风险率
前面的章节已经介绍了如何导入、转换和编辑风险率表。现在我们把风险率整合进模型。我们将使用由生存数据计算风险率一节中的 CDC 风险率数据作为来源数据,构建一个分区生存(PartSA)模型。
医疗示例模型(Example Models) Hazards-CDC-PartSA.trex 包含两个表格;KM_CDC 是来自 CDC 的原始 Kaplan-Meier 数据,KM_CDC_hazard 是转换为风险率后的数据(见前面由生存数据计算风险率一节)。
TreeAge Pro 的 PartSA 模型既可使用生存函数、也可使用风险函数来定义生存曲线。本模型使用转换后的风险率表数据计算生存(在生存曲线 OS - Hazard function from edited K-M table 下方以“H”标示)。

该风险函数使用关键字 _time 引用表格 KM_CDC_Hazard。随着 _time 在模型中连续推进,风险率从表中取出(使用由表格属性定义的插值方式)。
下图显示了风险函数、生存函数以及来自 CDC 的原始 K-M 数据。随着人群年龄增大,风险上升,生存开始显著下降。

您可以看到模型得出的生存曲线与原始 K-M 数据相吻合(中间的图形是生存曲线,底部是 K-M 数据)。
回推(rollback)结果显示,根据 CDC 数据得到的预期寿命为 77.5 岁。
与直接使用原始生存数据相比,使用风险率具有更大的灵活性。例如:
模型可以从 50 岁开始,风险率数据也可以平移,改用 50 岁及 _time 0 处的风险率数据。
治疗或疾病的影响可以对基线风险率施加一个比值,从而上调或下调该基线风险率。
可以应用敏感性分析,以表示任意时点风险率周围的不确定性。