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.定义您希望生成的独立图表数量

2.利用模型中的变量指定在每个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Kaplan-Meier（Kaplan-Meier）生存分析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，且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由以下方程确定：

最后，需特别注意：若生成估计生存曲线时未指定某变量，则生成的生存曲线将默认该变量的值为零（对于连续变量）或参考值（对于分类型变量）。

控件使用示例

为理解本选项卡中控件的使用方法，请参考以下分析示例，其中模型包含三个预测变量：

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

•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随时间推移的估计生存率差异：

•对照组全体成员与治疗组全体成员

•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单独创建一个图表。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，可选择在每个图表中包含基线生存曲线。该曲线即“基线函数”结果表中报告的曲线。本示例中我们将不启用此选项。 选中上方框中的每个图表后，我们可以在下方的“定义用于生成生存曲线的组”部分中指定希望包含在每个图表中的变量。在对话框上方框中选中“估计生存率 #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，当选择一个分类变量时，该变量的所有水平都会被包含。为了确认我们已同时选中“对照组”和“治疗组”这两个水平，我们可以点击“选择”按钮，查看指定变量所有可用水平的列表。

             

 

对于第二张图表，我们在上方的框中选择“Estimated Survival #2”，然后在下方的框中使用下拉菜单选择变量“Age”。由于“Age”是连续变量，我们需要输入一个值，Prism将以此生成估计生存曲线。 对于此图，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“Estimated Survival #3”，然后使用下拉菜单在下方框中选择变量“Treatment”。接着我们可以添加第二个变量“Sex”，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、治疗组女性及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）中的生存曲线。 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”之间的曲线存在显著差异（请注意，在这张图中，“对照组： 女性”与“治疗组：男性”的曲线几乎重叠，因此乍看之下，该图表似乎只有三条曲线）。