将分析结果以图表形式可视化，是理解分析结果的最佳方式之一。 对于Cox回归，人们通常会关注不同人群随时间推移的估计生存概率。这些人群由回归模型中预测变量的取值来定义（例如，“女性”与“男性”，或“吸烟者”与“非吸烟者”）。 更重要的是，这些组别不必仅由单一变量定义（例如“45 岁男性”、“45 岁女性”、“50 岁男性”和“50 岁女性”）。

Cox比例风险回归的“图表”选项卡可用于自动生成您指定的任何群体的估计生存曲线。您只需：

1.定义您希望创建的独立图表数量

2.利用模型中的变量，指定在每张图表中为哪些组别生成估计生存曲线

下文给出了这些控件的工作示例，但必须特别注意：这些图表中显示的生存曲线是基于模型（MODEL）估算的生存曲线，与通过选取数据进行卡普兰-迈尔（Kaplan-Meier）生存分析所生成的生存曲线并不相同。 请记住，Cox比例风险回归依赖于比例风险假设。基于这一假设，所有估计的生存曲线将具有相同的基本形状，而任何单个曲线的具体数值都与基线生存曲线成比例。从数学角度讲，给定组在任意时间点的估计生存值可通过以下方程确定：

最后，需要注意的是，如果在生成估计生存曲线时未指定某个变量，则生成的生存曲线将假设该变量的值为零（对于连续变量）或参考值（对于分类型变量）。

控件使用示例

为了解如何使用此选项卡上的控件，请考虑一个示例分析，其中模型包含三个预测变量：

•Treatment_Group——一个具有两个水平（“对照组”和“治疗组”）的分类变量

•性别 - 一个具有两个水平的分类变量（“女性”和“男性”）

•Age——一个连续变量

假设我们关注几个不同的比较。具体来说，我们希望考察以下两组在随时间推移的估计生存率上的差异：

•对照组的所有成员与治疗组的所有成员

•30岁人群与50岁人群

•按性别划分的对照组和治疗组（即对照组中的女性、治疗组中的女性、对照组中的男性以及治疗组中的男性）

为了便于观察生存曲线的比较，我们将为上述每组比较分别创建一个图表。因此，在“图表”选项卡中，我们将“要生成的图表数量”设置为 3：

 

添加图表时，有一个选项可将基线生存曲线包含在每个图表中。该曲线与“基线函数”结果表中报告的曲线相同。在本示例中，我们将不启用此选项。 在上方框中分别选中每个图表后，我们可以在下方的“定义用于生成曲线的组”部分中指定希望包含在每个图表中的变量。 在对话框上方的框中选中“Estimated Survival #1”后，我们将使用对话框下方框中的下拉菜单选择“Treatment_Group”变量。默认情况下，当选中一个分类变量时，该变量的所有水平都会被包含在内。 为确认已同时选中“对照”和“治疗”两个水平，我们可以点击“选择”按钮，查看该指定变量所有可用水平的列表。

             

 

对于第二张图表，我们将在上方的框中选择“Estimated Survival #2”，然后使用下拉菜单在下方的框中选择变量“Age”。由于“Age”是一个连续变量，我们需要输入一个值，Prism 将使用该值生成估计生存曲线。 对于此图表，我们将首先输入数值 30。然后，我们可以使用“添加数值”按钮创建一个新的输入框，并在其中输入第二个数值 50。

 

对于第三张图表，我们在上方的框中选择“估计生存曲线 #3”，然后使用下拉菜单选择变量“治疗”。接着，我们可以添加第二个变量“性别”，并确保这两个变量的所有水平均被选中。

 

请注意，尽管我们只选择了两个变量，Prism 仍会自动在此图表中生成我们所需的所有估计生存曲线。当为单个图表选择多个变量时，Prism 会自动确定每个指定变量所有可能的值（或水平）组合，并为每种组合生成一条独立的估计生存曲线。

因此，当我们点击“确定”按钮后，“导航器”中将出现三个可供分析的新图表：

对照组与治疗组的估计生存曲线

 

30 岁与 50 岁的估计生存率

 

对照组女性、对照组男性、治疗组女性和治疗组男性的估计生存曲线

 

从这些图表中可以看出，“Treatment_Group”和“Sex”这两个变量似乎都对估计生存率产生了相当显著的影响，而“Age”的影响则相对较小。 例如，图 1（Treatment_Group）中生存曲线之间的差异远大于图 2（Age）中生存曲线之间的差异。 而在第三张图中，我们可以看到“对照组：女性”与“治疗组：女性”之间、“对照组：男性”与“治疗组：男性”之间、“对照组：女性”与“对照组： 男性”之间，以及“治疗组：女性”与“治疗组：男性”之间均存在显著差异（请注意，在此图中，“对照组：女性”与“治疗组：男性”的曲线几乎重合，因此乍看之下可能以为该图上只有三条曲线）。