⑴ SPSS | Cox回歸分析
在臨床研究中，探究影響患者生存結局的關鍵因素是一個復雜任務。傳統的生存分析和Logistic回歸無法滿足這種需求，因為它們分別只考慮單個因素或二分類因變數。這時候，Cox回歸分析就顯得尤為重要，它適用於處理涉及二分類變數（疾病發生或未發生）、連續變數（隨訪時間）以及多個自變數的情況。通過實例說明，假設我們有數據集，包括Logistic回歸分析結果和隨訪時間（生存時間）。
首先，明確數據集中的變數：時間變數為「months」，狀態變數為「status」，自變數包括其他可能影響預後的因素。在SPSS中，我們從【分析】→【生存函數】→【Cox回歸】開始操作，設置時間變數、狀態變數，定義事件，選擇協變數，並選擇「轉發：條件」方法。
對於分類變數，需要創建啞變數，將所有分類變數導入【分類協變數】，並對參考類別進行設置。然後，在【更改對比】中選擇【指示符】，確認設置後進行回歸分析。
分析結果顯示在【輸出文檔】中，例如年齡、miR21和miR145表達水平以及文化程度等，都是影響肝癌患者5年內（60個月）死亡風險的重要因素。年齡每增加1歲，死亡風險翻倍；miR21表達升高1.0單位，死亡風險激增19.35倍。這表明降低miR21和miR145的表達對於降低死亡風險具有顯著作用。
Cox回歸的通用形式為S(t)=S0(t)xExp(β1*X1+β2*X2+…βi*Xi)，顯示了各變數對生存率的影響程度。
總的來說，Cox回歸分析是通過SPSS進行的一項全面的生存結局預測工具，熟練掌握它需要不斷實踐。