2025年大學(xué)《生物統(tǒng)計(jì)學(xué)》專(zhuān)業(yè)題庫(kù)——生物統(tǒng)計(jì)學(xué)在癌癥早期診斷中的應(yīng)用考試時(shí)間：______分鐘總分：______分姓名：______一、簡(jiǎn)述描述性統(tǒng)計(jì)在癌癥早期診斷研究中的作用。請(qǐng)列舉至少三種常用的描述性統(tǒng)計(jì)量，并說(shuō)明各自適用于何種類(lèi)型的數(shù)據(jù)及在癌癥診斷中可能的應(yīng)用場(chǎng)景。二、假設(shè)一項(xiàng)研究旨在比較兩種不同的癌癥篩查方法（方法A和方法B）對(duì)早期肺癌的診斷效果。分別有100名受試者接受了方法A篩查，其中80人被正確診斷為陽(yáng)性（真陽(yáng)性），15人被錯(cuò)誤診斷為陽(yáng)性（假陽(yáng)性）。另有100名受試者接受了方法B篩查，其中70人被正確診斷為陽(yáng)性，20人被錯(cuò)誤診斷為陽(yáng)性。請(qǐng)分別計(jì)算這兩種篩查方法的靈敏度、特異度。并根據(jù)計(jì)算結(jié)果，簡(jiǎn)要評(píng)價(jià)這兩種方法的優(yōu)劣。三、在評(píng)估一種新的血清腫瘤標(biāo)志物（如癌胚抗原CEA）在結(jié)直腸癌早期診斷中的價(jià)值時(shí)，研究者收集了結(jié)直腸癌患者、良性腸病患者和健康對(duì)照組的CEA水平數(shù)據(jù)。請(qǐng)說(shuō)明如何運(yùn)用統(tǒng)計(jì)方法來(lái)比較這三組人群的CEA水平是否存在顯著差異。如果發(fā)現(xiàn)差異顯著，還需要進(jìn)行哪些后續(xù)分析來(lái)評(píng)估該標(biāo)志物的診斷準(zhǔn)確性？四、生存分析是研究癌癥患者生存時(shí)間的重要工具。請(qǐng)簡(jiǎn)述生存分析中幾個(gè)關(guān)鍵概念的含義：生存時(shí)間、失效時(shí)間、生存函數(shù)、累積生存函數(shù)。并說(shuō)明在分析一組癌癥患者的生存數(shù)據(jù)時(shí)，如何運(yùn)用統(tǒng)計(jì)方法來(lái)比較不同治療組的生存率是否存在顯著差異。五、某研究者試圖建立一個(gè)預(yù)測(cè)乳腺癌患者術(shù)后復(fù)發(fā)風(fēng)險(xiǎn)的模型。他收集了患者的年齡、腫瘤大小、淋巴結(jié)轉(zhuǎn)移情況、激素受體狀態(tài)等變量作為潛在預(yù)測(cè)因子。請(qǐng)簡(jiǎn)述如何運(yùn)用統(tǒng)計(jì)方法來(lái)篩選與術(shù)后復(fù)發(fā)風(fēng)險(xiǎn)相關(guān)的獨(dú)立預(yù)測(cè)因子，并構(gòu)建一個(gè)預(yù)測(cè)模型。在構(gòu)建模型后，該研究者應(yīng)如何評(píng)估所建模型的預(yù)測(cè)性能？六、在基因組學(xué)研究中，研究者可能會(huì)檢測(cè)大量基因的表達(dá)水平，試圖尋找與癌癥發(fā)生發(fā)展相關(guān)的關(guān)鍵基因。假設(shè)一項(xiàng)研究檢測(cè)了1000個(gè)基因在癌癥組織中的表達(dá)水平，并發(fā)現(xiàn)其中50個(gè)基因的表達(dá)水平與正常組織相比有顯著差異。請(qǐng)討論在解釋這些結(jié)果時(shí)，需要考慮哪些潛在的統(tǒng)計(jì)學(xué)問(wèn)題（如多重檢驗(yàn)問(wèn)題）？研究者可以采用哪些統(tǒng)計(jì)方法來(lái)控制這些問(wèn)題的影響，并更可靠地識(shí)別出真正有意義的候選基因？七、邏輯回歸模型常用于分析分類(lèi)變量與結(jié)果變量之間的關(guān)系。請(qǐng)解釋邏輯回歸模型在癌癥早期診斷研究中的用途。假設(shè)研究者使用邏輯回歸模型分析了年齡、吸煙史和家族史三個(gè)因素對(duì)患肺癌風(fēng)險(xiǎn)的影響，得到如下模型：logit(P(Y=1))=β0+β1*Age+β2*Smoking+β3*Family_History。請(qǐng)解釋模型中各個(gè)參數(shù)（β0,β1,β2,β3）的含義，以及如何根據(jù)模型輸出結(jié)果來(lái)判斷各個(gè)因素是否與肺癌風(fēng)險(xiǎn)顯著相關(guān)，以及它們對(duì)肺癌風(fēng)險(xiǎn)的影響方向和程度。試卷答案一、描述性統(tǒng)計(jì)通過(guò)計(jì)算和整理數(shù)據(jù)，提供研究對(duì)象的概貌，是探索數(shù)據(jù)特征、發(fā)現(xiàn)數(shù)據(jù)規(guī)律、進(jìn)行后續(xù)推斷性統(tǒng)計(jì)分析的基礎(chǔ)。在癌癥早期診斷研究中，其作用包括：①描述不同人群（如不同年齡、性別、腫瘤類(lèi)型）癌癥標(biāo)志物水平的分布特征（如集中趨勢(shì)、離散程度），為建立診斷標(biāo)準(zhǔn)提供依據(jù)；②描述癌癥篩查方法或診斷試驗(yàn)的結(jié)果分布（如真陽(yáng)性、假陽(yáng)性、真陰性、假陰性的數(shù)量和比例），計(jì)算基本診斷指標(biāo)（如靈敏度、特異度）；③描述癌癥患者的基本特征（如年齡分布、分期分布、治療方式分布）和生存時(shí)間分布，為比較不同組別的結(jié)果奠定基礎(chǔ)。常用的描述性統(tǒng)計(jì)量有三類(lèi)：1.集中趨勢(shì)度量：如均值（Mean）、中位數(shù)（Median）、眾數(shù)（Mode）。均值適用于數(shù)據(jù)呈對(duì)稱(chēng)分布且無(wú)異常值時(shí)，計(jì)算簡(jiǎn)便，能反映整體水平（如計(jì)算平均CEA水平）；中位數(shù)適用于數(shù)據(jù)呈偏態(tài)分布或存在異常值時(shí)，不易受極端值影響（如描述生存時(shí)間的集中趨勢(shì)）；眾數(shù)適用于分類(lèi)數(shù)據(jù)或描述數(shù)據(jù)中最常見(jiàn)的值。在癌癥診斷中，中位數(shù)常用于描述生存時(shí)間，均值可用于描述連續(xù)型標(biāo)志物（如腫瘤標(biāo)志物）的平均水平。2.離散程度度量：如標(biāo)準(zhǔn)差（StandardDeviation）、方差（Variance）、四分位距（InterquartileRange,IQR）。標(biāo)準(zhǔn)差和方差適用于數(shù)據(jù)呈對(duì)稱(chēng)分布時(shí)，反映數(shù)據(jù)圍繞均值的波動(dòng)大?。ㄈ绾饬緾EA水平的變異性）；四分位距適用于偏態(tài)分布或存在異常值的數(shù)據(jù)，表示中間50%數(shù)據(jù)的范圍，不易受極端值影響（如描述生存時(shí)間的離散程度）。3.相對(duì)頻率度量：如比例（Proportion）、百分比（Percentage）、率（Rate）、構(gòu)成比（ComponentRatio）。這些用于描述事件發(fā)生的頻率或構(gòu)成情況，在癌癥診斷中應(yīng)用廣泛，如計(jì)算篩查方法的靈敏度（真陽(yáng)性率）、特異度（真陰性率）、陽(yáng)性預(yù)測(cè)值、陰性預(yù)測(cè)值等。二、方法A：靈敏度=真陽(yáng)性數(shù)/(真陽(yáng)性數(shù)+假陰性數(shù))=80/(80+(100-80-15))=80/(80+5)=80/85≈0.9412或94.12%特異度=真陰性數(shù)/(真陰性數(shù)+假陽(yáng)性數(shù))=(100-80-15)/(100-80-15+15)=5/(5+15)=5/20=0.25或25.00%方法B：靈敏度=真陽(yáng)性數(shù)/(真陽(yáng)性數(shù)+假陰性數(shù))=70/(70+(100-70-20))=70/(70+10)=70/80=0.8750或87.50%特異度=真陰性數(shù)/(真陰性數(shù)+假陽(yáng)性數(shù))=(100-70-20)/(100-70-20+20)=10/(10+20)=10/30≈0.3333或33.33%評(píng)價(jià)：靈敏度反映方法檢出患病者的能力。方法A的靈敏度（94.12%）高于方法B（87.50%），說(shuō)明方法A能更有效地將真正的癌癥患者識(shí)別出來(lái)。特異度反映方法檢出非患病者的能力。方法A的特異度（25.00%）遠(yuǎn)低于方法B（33.33%），說(shuō)明方法A會(huì)將很多非癌癥患者錯(cuò)誤地診斷為癌癥，而方法B誤診率相對(duì)較低。綜合考慮，方法A的檢出能力強(qiáng)，但假陽(yáng)性率太高；方法B的檢出能力稍弱，但誤診率較低。在實(shí)際應(yīng)用中，可能需要根據(jù)具體情況權(quán)衡靈敏度和特異度的取舍，或者結(jié)合其他檢查進(jìn)一步確認(rèn)診斷。三、比較結(jié)直腸癌患者、良性腸病患者和健康對(duì)照組的CEA水平是否存在顯著差異，通常采用單因素方差分析（One-wayANOVA）。具體步驟如下：1.首先檢驗(yàn)數(shù)據(jù)是否符合方差分析的前提條件：正態(tài)性（如使用Shapiro-Wilk檢驗(yàn)）和方差齊性（如使用Levene檢驗(yàn)）。若不滿(mǎn)足，則需要進(jìn)行數(shù)據(jù)轉(zhuǎn)換或采用非參數(shù)檢驗(yàn)方法（如Kruskal-WallisH檢驗(yàn)）。2.若滿(mǎn)足前提條件，進(jìn)行單因素方差分析，檢驗(yàn)三個(gè)組別（結(jié)直腸癌組、良性腸病組、健康對(duì)照組）的CEA總體均值是否存在顯著差異。3.若方差分析結(jié)果顯示F統(tǒng)計(jì)量顯著（即P值小于預(yù)設(shè)的顯著性水平，如0.05），則說(shuō)明至少有兩個(gè)組別的CEA均值存在顯著差異。此時(shí)，需要進(jìn)行事后多重比較（Post-hoctests），如TukeyHSD檢驗(yàn)、Bonferroni校正檢驗(yàn)等，來(lái)確定具體是哪兩個(gè)或哪幾個(gè)組別之間存在顯著差異。4.若方差分析結(jié)果不顯著，則說(shuō)明三個(gè)組別的CEA均值之間沒(méi)有發(fā)現(xiàn)顯著差異。后續(xù)分析：即使事后比較發(fā)現(xiàn)某些組間存在顯著差異，還需要進(jìn)行診斷準(zhǔn)確性評(píng)價(jià)，以判斷該CEA標(biāo)志物在實(shí)際診斷中的臨床價(jià)值。這通常包括：*計(jì)算診斷指標(biāo)：分別計(jì)算結(jié)直腸癌組、良性腸病組和健康對(duì)照組的CEA水平，計(jì)算各組的靈敏度、特異度、陽(yáng)性預(yù)測(cè)值（PPV）、陰性預(yù)測(cè)值（NPV）、ROC曲線(xiàn)下面積（AUC）等。*繪制ROC曲線(xiàn)：繪制以真陽(yáng)性率為縱坐標(biāo)、假陽(yáng)性率為橫坐標(biāo)的ROC曲線(xiàn)，比較不同閾值下標(biāo)志物的診斷性能。AUC值越大，標(biāo)志物的診斷價(jià)值越高。*判斷閾值：根據(jù)臨床需求（如希望漏診率或誤診率盡可能低），確定一個(gè)合適的CEA截?cái)嘀担–ut-offvalue），以區(qū)分癌癥患者和非癌癥患者。四、生存分析是研究生存時(shí)間數(shù)據(jù)（如癌癥患者的存活時(shí)間）及其相關(guān)因素的統(tǒng)計(jì)方法。1.生存時(shí)間（SurvivalTime,T）：指從某個(gè)固定起點(diǎn)（通常為研究開(kāi)始或診斷/治療開(kāi)始）到某個(gè)特定終點(diǎn)事件（通常為死亡、復(fù)發(fā)、轉(zhuǎn)移或失訪(fǎng)）發(fā)生的時(shí)間長(zhǎng)度。2.失效時(shí)間（FailureTime）：在生存分析語(yǔ)境下，通常與生存時(shí)間同義，指?jìng)€(gè)體經(jīng)歷失效事件（如死亡、復(fù)發(fā)）的時(shí)間。3.生存函數(shù)（SurvivalFunction,S(t)）：也稱(chēng)生存曲線(xiàn)，表示在時(shí)間t時(shí)仍然存活的個(gè)體比例（或概率）。它是時(shí)間t的函數(shù)，S(t)=P(T>t)，其中T是生存時(shí)間隨機(jī)變量。生存函數(shù)隨著時(shí)間推移通常呈下降趨勢(shì)。4.累積生存函數(shù)（CumulativeSurvivalFunction,F(t)）：表示在時(shí)間t之前發(fā)生失效事件（如死亡、復(fù)發(fā)）的個(gè)體比例（或概率）。它是時(shí)間t的函數(shù)，F(xiàn)(t)=P(T≤t)=1-S(t)。它隨著時(shí)間推移呈上升趨勢(shì)，最大值為1。在分析一組癌癥患者的生存數(shù)據(jù)比較不同治療組的生存率時(shí)，常用的統(tǒng)計(jì)方法包括：1.Kaplan-Meier生存估計(jì)：分別對(duì)每個(gè)治療組的數(shù)據(jù)，繪制各自的生存曲線(xiàn)，直觀比較不同治療組的生存模式。2.Log-rank檢驗(yàn)（對(duì)數(shù)秩檢驗(yàn)）：一種非參數(shù)檢驗(yàn)方法，用于比較兩組或多組生存分布是否存在顯著差異。它基于不同時(shí)間點(diǎn)各組失效個(gè)體的秩和進(jìn)行比較。如果Log-rank檢驗(yàn)結(jié)果顯著（P值小于0.05），則說(shuō)明至少有一個(gè)治療組的生存率與其他組存在顯著差異。3.Cox比例風(fēng)險(xiǎn)回歸模型（CoxProportionalHazardsRegression）：若除了治療組外，還想同時(shí)考慮其他多個(gè)預(yù)測(cè)因素（如年齡、性別、腫瘤分期等）對(duì)生存率的影響，可以使用Cox模型。它可以估計(jì)各因素對(duì)風(fēng)險(xiǎn)（hazardratio）的影響程度和方向，并可以處理組間基線(xiàn)風(fēng)險(xiǎn)不同的情形，進(jìn)行更全面的生存分析。五、構(gòu)建預(yù)測(cè)乳腺癌患者術(shù)后復(fù)發(fā)風(fēng)險(xiǎn)模型的步驟通常如下：1.數(shù)據(jù)準(zhǔn)備：收集患者的相關(guān)數(shù)據(jù)，包括年齡、腫瘤大小、淋巴結(jié)轉(zhuǎn)移情況（如數(shù)量）、激素受體狀態(tài)（ER/PR陽(yáng)性或陰性）、腫瘤分級(jí)、基因檢測(cè)結(jié)果等（潛在預(yù)測(cè)因子）以及是否發(fā)生術(shù)后復(fù)發(fā)及其時(shí)間信息（結(jié)果變量，通常為二元變量：復(fù)發(fā)/未復(fù)發(fā)）。2.變量篩選：由于可能存在多個(gè)預(yù)測(cè)因子，需要進(jìn)行變量篩選以選擇與復(fù)發(fā)風(fēng)險(xiǎn)有顯著關(guān)聯(lián)且獨(dú)立的預(yù)測(cè)變量，避免模型過(guò)擬合。常用的方法包括：*單變量分析：對(duì)每個(gè)預(yù)測(cè)變量進(jìn)行單因素分析（如卡方檢驗(yàn)或t/F檢驗(yàn)），篩選出與復(fù)發(fā)顯著相關(guān)的變量。*逐步回歸分析：如前進(jìn)法（ForwardSelection）、后退法（BackwardElimination）或雙向法（BidirectionalStepwiseSelection），根據(jù)統(tǒng)計(jì)指標(biāo)（如P值、AIC、BIC）自動(dòng)篩選變量。*Lasso回歸：通過(guò)L1正則化進(jìn)行變量選擇，同時(shí)進(jìn)行參數(shù)估計(jì)。3.模型構(gòu)建：選擇合適的模型類(lèi)型。對(duì)于二元結(jié)果變量（復(fù)發(fā)/未復(fù)發(fā)），邏輯回歸模型是最常用的選擇。使用篩選出的變量建立邏輯回歸模型：logit(P(Recurrence=1))=β0+β1*Factor1+β2*Factor2+...+βk*Factork。其中P(Recurrence=1)是復(fù)發(fā)的概率，βi是各預(yù)測(cè)變量的回歸系數(shù)。4.模型評(píng)估：構(gòu)建模型后，需要評(píng)估其預(yù)測(cè)性能和穩(wěn)定性。常用方法包括：*內(nèi)部驗(yàn)證：如使用Bootstrap重抽樣、交叉驗(yàn)證（Cross-validation，如K折交叉驗(yàn)證）來(lái)評(píng)估模型在未見(jiàn)數(shù)據(jù)上的預(yù)測(cè)能力。*模型統(tǒng)計(jì)指標(biāo)：查看模型的整體擬合優(yōu)度（如Hosmer-Lemeshow檢驗(yàn)的P值）、各變量的回歸系數(shù)的顯著性（P值）、回歸系數(shù)的大小和方向。*預(yù)測(cè)性能指標(biāo)：在測(cè)試集或交叉驗(yàn)證過(guò)程中，根據(jù)預(yù)測(cè)的復(fù)發(fā)概率和實(shí)際結(jié)果，計(jì)算靈敏度、特異度、準(zhǔn)確率（Accuracy）、陽(yáng)性預(yù)測(cè)值（PPV）、陰性預(yù)測(cè)值（NPV）、F1分?jǐn)?shù)、AUC（ROC曲線(xiàn)下面積）等指標(biāo)。AUC值越接近1，模型區(qū)分復(fù)發(fā)與未復(fù)發(fā)的能力越強(qiáng)。*模型簡(jiǎn)化與解釋?zhuān)簷z查模型是否過(guò)簡(jiǎn)或過(guò)復(fù)雜，剔除不顯著且對(duì)模型影響不大的變量，得到更簡(jiǎn)潔、穩(wěn)健的最終模型。解釋各預(yù)測(cè)變量的回歸系數(shù)，判斷其影響方向（正系數(shù)增加風(fēng)險(xiǎn)，負(fù)系數(shù)降低風(fēng)險(xiǎn)）和影響程度（系數(shù)絕對(duì)值越大，影響越強(qiáng)）。六、在基因組學(xué)研究中分析大量基因表達(dá)數(shù)據(jù)尋找候選基因時(shí)，解釋結(jié)果需要考慮以下潛在的統(tǒng)計(jì)學(xué)問(wèn)題：1.多重檢驗(yàn)問(wèn)題（MultipleTestingProblem）：當(dāng)同時(shí)檢驗(yàn)成百上千個(gè)基因的表達(dá)水平時(shí)，即使所有基因的表達(dá)都完全相同（零假設(shè)成立），僅僅由于隨機(jī)波動(dòng)，也很有可能出現(xiàn)部分基因的檢驗(yàn)統(tǒng)計(jì)量在傳統(tǒng)顯著性水平（如α=0.05）下顯著。進(jìn)行大量獨(dú)立檢驗(yàn)會(huì)顯著增加假陽(yáng)性（TypeIerror）的風(fēng)險(xiǎn)，即錯(cuò)誤地認(rèn)為某些基因與癌癥相關(guān)。如果不加控制地報(bào)告所有顯著結(jié)果，會(huì)得出很多錯(cuò)誤的結(jié)論。2.數(shù)據(jù)的高維性和稀疏性：基因組數(shù)據(jù)通常是高維（變量數(shù)量遠(yuǎn)大于樣本數(shù)量）且稀疏（許多基因的表達(dá)量檢測(cè)為0或接近0）的，這可能導(dǎo)致某些統(tǒng)計(jì)方法（如傳統(tǒng)的t檢驗(yàn)或方差分析）的假設(shè)難以滿(mǎn)足，或者方差估計(jì)不準(zhǔn)確。為了控制多重檢驗(yàn)問(wèn)題的影響，研究者可以采用以下統(tǒng)計(jì)方法：1.Bonferroni校正：最簡(jiǎn)單的方法，將顯著性水平α除以檢驗(yàn)的總次數(shù)（m），即新的顯著性水平為α/m。只有當(dāng)檢驗(yàn)統(tǒng)計(jì)量的P值小于α/m時(shí)才認(rèn)為結(jié)果顯著。優(yōu)點(diǎn)是控制整體錯(cuò)誤發(fā)現(xiàn)率（FDR）最嚴(yán)格，但缺點(diǎn)是可能過(guò)于保守，降低發(fā)現(xiàn)真實(shí)信號(hào)的能力。2.Benjamini-Hochberg（BH）過(guò)程：一種更靈活的方法，控制假發(fā)現(xiàn)率（FalseDiscoveryRate,FDR）。FDR是指所有被錯(cuò)誤標(biāo)記為顯著（假陽(yáng)性）的檢驗(yàn)比例占所有標(biāo)記為顯著（無(wú)論真?zhèn)危┑臋z驗(yàn)比例的期望值。BH過(guò)程允許在保持FDR控制的同時(shí)，發(fā)現(xiàn)更多的真實(shí)顯著結(jié)果。它是目前常用的方法之一。3.FDR控制的其他方法：如Hochberg方法、Holm方法等，它們?cè)诓煌潭壬辖橛贐onferroni的保守和BH的靈活之間。4.基于置換（Permutation）或置換檢驗(yàn)（PermutationTest）：通過(guò)隨機(jī)打亂真實(shí)的基因標(biāo)簽或樣本標(biāo)簽，生成多個(gè)“零分布”（nulldistribution），計(jì)算檢驗(yàn)統(tǒng)計(jì)量在零分布中的分布情況，從而得到P值。這種方法不依賴(lài)于特定分布假設(shè)，尤其適用于非參數(shù)或復(fù)雜模型。5.調(diào)整后的P值（AdjustedP-value）：如Hommel'smethod，根據(jù)檢驗(yàn)統(tǒng)計(jì)量的相關(guān)性進(jìn)行調(diào)整，比簡(jiǎn)單的Bonferroni校正更有效。七、邏輯回歸模型是一種用于分析一個(gè)分類(lèi)變量（因變量）與一個(gè)或多個(gè)自變量（預(yù)測(cè)變量）之間關(guān)聯(lián)的統(tǒng)計(jì)方法，特別是當(dāng)因變量是二分類(lèi)變量時(shí)（如“患病/未患病”，“復(fù)發(fā)/未復(fù)發(fā)”，“陽(yáng)性/陰性”）。在癌癥早期診斷研究中，邏輯回歸模型的主要用途包括：1.構(gòu)建預(yù)測(cè)模型：估計(jì)一系列預(yù)測(cè)因子（如年齡、性別、腫瘤特征、基因突變、生物標(biāo)志物水平、生活方式因素等）對(duì)癌癥發(fā)生風(fēng)險(xiǎn)或某種臨床結(jié)局（如復(fù)發(fā)、生存）的概率的影響。模型輸出一個(gè)預(yù)測(cè)癌癥發(fā)生的概率值（P）。2.評(píng)估預(yù)測(cè)因子的重要性：通過(guò)模型中各預(yù)測(cè)變量的回歸系數(shù)（βi）及其顯著性水平（P值）來(lái)判斷哪些因素是預(yù)測(cè)癌癥發(fā)生或結(jié)局的獨(dú)立重要因素。系數(shù)βi表示自變量每增加一個(gè)單位，logit(P)變化的量。系數(shù)的符號(hào)（正或負(fù)）表示該變量對(duì)風(fēng)險(xiǎn)的影響方向（正向關(guān)聯(lián)或負(fù)向關(guān)聯(lián)），系數(shù)的絕對(duì)值大小表示影響的程度。3.計(jì)算風(fēng)險(xiǎn)比（HazardRatio,HR）：在生存分析背景下的Cox邏輯回歸模型中，可以計(jì)算風(fēng)險(xiǎn)比。HR>1表示該因素是危險(xiǎn)因素（增加風(fēng)險(xiǎn)），HR<1表示該因素是保護(hù)因素（降低風(fēng)險(xiǎn)）。HR=1表示該因素與風(fēng)險(xiǎn)無(wú)關(guān)。風(fēng)險(xiǎn)比是解釋生存模型結(jié)果的關(guān)鍵指標(biāo)。根據(jù)模型logit(P(Y=1))=β0+β1*Age+β2*Smoking+β3*Family_History：*β0（截距項(xiàng)）：表示當(dāng)所有自變量（Age,Smoking,Family_History）都取0時(shí)，logit(P(Y=1))的值。在實(shí)際應(yīng)用中，對(duì)于連續(xù)變量（如Age）通常不會(huì)取0，或者0不在變量的實(shí)際取值范圍內(nèi)。β0有時(shí)可以解釋為參考水平下的基礎(chǔ)log風(fēng)險(xiǎn)，但更常用的解釋是模型的擬合優(yōu)度。*β1（Age的系數(shù)）：表示年齡每增加一個(gè)單位（例