Tài liệu hướng dẫnthống kê y học sử dụng SPSS, LÊ ĐỘNG NHẬT LAM

Trong tài liệu này chúng ta sẽ làm quen với một phương pháp thống kê phân tích xác suất xảy ra sựkiện theo thời gian, có tên là Kaplan Meier.. Khác với nhiều tài liệu về thống kê y học d

Tài liệu hướng dẫn

thống kê y học sử dụng SPSS

Theo dõi sự kiện (Survival analysis)

SPSS

“Thời gian rất sáng suốt, hãy biết kiên nhẫn đợi thời gian trả lời”

Lời nói đầy tính triết lý này là của ông Nguyễn Hùng Trương (1926-2005) chủ nhà sách Khai Trí, trongmột lá thư gửi độc giả nhỏ tuổi của tờ Thiếu Nhi tuần báo vào năm 1972 Khi đọc bài báo này tôi chỉ làmột học trò lớp 9, tuy nhiên câu nói đó ám ảnh tôi cho đến nay; đồng thời cuộc sống quanh tôi đãchứng minh là câu nói đó tuyệt đối đúng

Nhiều khi để nhận ra một quy luật ta phải nhìn ngược về quá khứ và theo dõi trong khoảng thời gian

đủ để quy luật đó biểu hiện ra rõ ràng Thời gian đó có thể ngắn, ví dụ trong giảng đường đại học, mộttiết học quá nhàm chán thì chỉ cần 15 phút là đủ cho số sinh viên rơi rụng gần hết; nhưng có khi thờigian này có thể rất dài, thậm chí hàng chục năm mới cho thấy quy luật về xác suất tử vong của mộtbệnh lý hay một nguy cơ nào đó; mà nghiên cứu cắt ngang không thể nhìn ra được

Trong tài liệu này chúng ta sẽ làm quen với một phương pháp thống kê phân tích xác suất xảy ra sựkiện theo thời gian, có tên là Kaplan Meier Khi còn là sinh viên, tên gọi này thực sự bí hiểm, và rấttiếc khi phải nói rằng đa số giáo trình thống kê chính là thủ phạm làm tăng sự bí ẩn cho phương phápnày khi sử dụng những thuật ngữ khó hiểu, công thức hàm số… Vì đây cũng là phương pháp nằmtrong tay những nhà khoa học chuyên nghiệp, ứng dụng vào các công trình mang tầm vóc vĩ mô nênrất hiếm sinh viên có cơ hội thực hành nó trong đời, đến một ngày nào đó đụng phải thiết kế nghiêncứu cohort, longitudinal, nghiên cứu sinh mới nhận ra mình đã quên sạch lý thuyết và không biết cáchthực hiện Kaplan Meier này nữa

Chính vì vậy trong tài liệu này, Bs Khả Nhi sử dụng một cách tiếp cận hoàn toàn khác, không đặt nặng

về lý thuyết và toán học, nhưng thực dụng hơn rất nhiều, cho phép các bạn xuất kết quả, hiểu và biệnluận được kết quả một cách nhanh nhất

Cuối cùng bạn sẽ thấy phương pháp Kaplan Meier không bí hiểm và khó như bạn nghĩ, chỉ vì tên gọikhác lạ đã gây ảo giác về độ phức tạp; thực ra quy trình này chỉ dựa trên những gì bạn đã từng biết,như lý thuyết xác suất, test phi tham số Wilcoxon, thống kê mô tả, biểu đồ Scatter plot và hồi quylogistic

Điểm đặc biệt của tài liệu này còn ở chỗ nó hoàn toàn dựa trên lập trình cú pháp lệnh SPSS thay vìthao tác thủ công trên giao diện Đây là 1 thử nghiệm nhằm giải phóng bạn khỏi những nút bấm vàhộp thoại, và từng bước làm quen với SPSS Syntax vốn thú vị và tiện lợi hơn rất nhiều

Chúc các bạn thành công

Lời nói đầu

Quy ước trình bày

Trong tài liệu này chúng ta sẽ làm quen với 3 nhân vật

Bác sĩ Nguyễn Văn Thái

Bác sĩ Thái là một cao thủ thống kê y học trên giang hồ Anh ta sẽ xuấthiện trước mọi vấn đề khó khăn, nhằm đưa ra câu trả lời chính xác và

ôn lại cho bạn những kiến thức cơ bản cũng như chuyên sâu về lýthuyết thống kê Tuy nhiên BS Thái lại rất bận rộn nên không đủ thờigian đi vào cách thực hiện chi tiết Anh ta cũng hay trình bày lý thuyếtthuần túy và sử dụng nhiều công thức toán học nên không mấy gần gũivới sinh viên và gây không ít trở ngại cho các bạn vốn dị ứng với thống

kê …

Bác sĩ Lê Ngọc Khả Nhi

Khả Nhi là một nữ bác sĩ trẻ dễ thương và sử dụng thànhthạo SPSS Như tên gọi của mình, BS Nhi có tính cách hồnnhiên và ngây thơ như trẻ con, vì vậy cô ấy luôn có khuynhhướng đơn giản hóa tối đa mọi vấn đề Khả Nhi sẽ hướngdẫn các bạn sử dụng SPSS qua từng bước cụ thể, chia sẻnhững mẹo vặt, thủ thuật để giúp các bạn đi đến kết quảnhanh và dễ dàng nhất

Sinh viên Trần Quốc Bảo

Bảo là sinh viên y khoa năm thứ sáu và bắt đầu làm quen với nghiêncứu khoa học Đây là một cậu sinh viên rất tò mò và luôn đặt ranhiều câu hỏi liên quan đến thống kê Mặc dù những đế tài do Bảothực hiện còn đơn giản, nhưng đồng hành với cậu ta, các bạn có cơhội tích lũy cho mình nhiều kinh nghiệm trong công việc phân tích

số liệu và thiết kế nghiên cứu

3

Nhà toán học người Mỹ, đồng tác giả với

Edward L Kaplan lập ra phương pháp phi

tham số phân tích xác suất sự kiện theo

thời gian

Kaplan, E L.; Meier, P (1958) "Nonparametric

estimation from incomplete observations" J

Amer Statist Assn 53 (282): 457–481

Nuôi cấy, phân lập 4 chủng

Nghiên cứu được thực hiện trên 145 bệnh nhi Tại thời điểm 4 tuần tuổi, các

bé được kiểm tra tình trạng nhiễm khuẩn xâm lấn đường hô hấp bằng cáchphân lập vi khuẩn từ dịch tiết hầu họng Những em bé này được theo dõi vàtái khám trong 36 tháng tiếp theo nhằm ghi nhận biến cố viêm phổi hoặc viêmphế quản Sau khi đã hoàn tất số liệu, chúng ta phải dùng phương pháp thống

kê nào để trả lời cho câu hỏi nghiên cứu đã đặt ra ban đầu ?

C David Roxbee Cox (sinh năm 1924).

Thiết lập mô hình hồi quy tỉ lệ nguy cơ năm 1972 nhằm dự báo nguy cơ phát sinh một sự kiện ở một thời điểm nhất định.

Đồng tác giả với Mantel trong phương pháp rank nhằm so sánh phân phối xác suất sự kiện giữa 2 phân nhóm.

Log-2 Mô tả cơ bản

Hai câu hỏi cơ bản

Thời gian là một biến số thú vị, nó cho phép hiểu

được những quy luật, cơ chế mà nghiên cứu cắt

ngang không thể quan sát được chính xác Phân tích

sự kiện thực chất là phân tích biến số thời gian, hay

cụ thể hơn, là thời gian trước khi sự kiện phát sinh

Trước hết, ta sẽ nhìn vấn đề một cách đơn giản nhất

có thể, đó là bài toán chỉ gồm 2 biến số:

Biến số thứ nhất chính là thời gian (T), đây là một

biến định lượng liên tục, giá trị nhỏ nhất = 0 tính ở

thời điểm bắt đầu theo dõi và giá trị cao nhất tính

đến thời điểm chấm dứt nghiên cứu

Biến số thứ 2 là sự kiện (E) , ví dụ khởi phát bệnh

viêm phổi , đây là 1 biến số định tính nhị phân chỉ

nhận 1 trong 2 giá trị: sự kiện xảy ra (=1) hoặc chưa

xảy ra (=0)

Thông thường sự kiện mang ý nghĩa xấu, tiêu cực

(chính vì vậy ta muốn dự báo khi nào nó xảy ra)

Trong y khoa, nghiên cứu sự kiện tập trung vào các

loại sự kiện xấu, ví dụ: xuất hiện biến chứng (suy

thận, sản giật, tai biến mạch não…), khởi phát bệnh lý

(lao, di căn ung thư ), bệnh trở nặng (đau thắt ngực,

phù, cơn hen kịch phát, tăng huyết áp…), hoặc tử

vong

Khác với nhiều tài liệu về thống kê y học dịch sát

nghĩa thuật ngữ một cách kì cục như «thời gian

sống», trong tài liệu này bạn sẽ không bao giờ thấy

nhắc đến chuyện sống hay chết, mà xét đến khái

niệm sự kiện, biến cố nói chung

Nghiên cứu theo dõi sự kiện trong y khoa thường

đặt ra 2 câu hỏi chính:

1° Khoảng thời gian trung bình tính đến lúc sự kiện

E phát sinh là bao lâu ? (Hay: mất bao lâu để sự kiện

xảy ra ?)

Câu hỏi này cho phép chúng ta đặt ra 1 mốc thời

điểm nhằm nâng cao sự cảnh giác, chuẩn bị đối phó,

xử trí sự kiện

E

Để trả lời câu hỏi thứ 1 rất đơn giản, ta xác địnhkhoảng thời gian theo dõi cho tới khi xảy ra sự kiện ởmỗi trường hợp rồi thực hiện thống kê mô tả

Câu hỏi thứ 2 có thể được trả lời theo nhiều cách,nhưng bản chất là 1 hàm số với kết quả là xác suất xảy

ra (hay chưa xảy ra) sự kiện E và biến số thời gian

Về lý thuyết ta có thể sử dụng 4 hàm số :+ Hàm phân phối tích lũy cho biết xác suất một cá thể

ĐÃ phát sinh sự kiện tại thời điểm t+ Hàm Survival cho biết xác suất « không xảy ra sựkiện » cho đến thời điểm t

+ Hàm Nguy cơ và hàm Nguy cơ tích lũy cho biết xácsuất phát sinh biến cố ở thời điểm t

Dù sao đây cũng là những công thức toán bí hiểm, nên

để trình bày kết quả theo cách trực quan, các tác giảdùng hình vẽ và biểu đồ, những biểu đồ này có đặcđiểm chung: trục tung chỉ xác suất, trục hoành chỉ thờigian Biểu đồ thông dụng nhất dựa theo phương phápcủa Kaplan và Meier (1958)

Sau đó để cung cấp thông tin chi tiết hơn, ta trình bàyphân phối xác suất ở 1 số cột mốc nhất định, dướidạng bảng

Mục đích của tài liệu này không phải là trình bày lại lýthuyết về các hàm phân phối xác suất Chúng tôi chỉnhắm đến mục đích giản dị là dẫn dắt các bạn thựchiện thành công phân tích theo dõi sự kiện trên SPSS

và hiểu kết quả do máy tính xuất ra

Nếu tò mò muốn tìm hiểu sâu hơn về lý thuyết, các bạn

có thể tìm đọc các tài liệu của những giáo sư tên tuổi trong lĩnh vực này, ví dụ bài giảng của GS Nguyễn Văn Tuấn.

Xác suất xảy ra ?

2° Tại một thời điểm t bất kì, có thể tiên đoán được

sự kiện xảy ra (không xảy ra) hay không ? Với xác suất là bao nhiêu ?

Câu hỏi này giúp ta dự báo khả năng xảy ra sự kiện chobất cứ trường hợp nào, dựa vào thời điểm đưa ra dựđoán Dự đoán này cho phép ta kết luận là đối tượngcòn an toàn hay đang gặp nguy hiểm, giúp đưa ranhững quyết định nới lỏng hay tăng cường cảnh giáctrong trường hợp đó

3 3 Quy trình phân tích sự kiện trong SPSS 3.1 Bảng thống kê mô tả sự kiện

1

Kích hoạt quy trình lập bảng phân phối tần suất sự kiện

trong giao diện SPSS

Quy trình 1: Life Table trong SPSS là cơ bản nhất để phân

tích sự kiện, bản chất của nó là một thống kê mô tả định

lượng của biến số E và T Tuy nhiên nó không cho phép

kiểm tra giả định hay dự báo

Life table cho phép:

+Thiết lập một bảng thống kê mô tả trạng thái sự kiện E

tại 1 số thời điểm nhất định trong quá trình theo dõi

+Vẽ biểu đồ trực quan Kaplan-Meier

Người sử dụng có thể quy định việc phân chia những

mốc thời điểm

Quy trình này không bao gồm chức năng kiểm định, so

sánh Tuy nhiên bảng mô tả lại rất quan trọng; vì một

mình biểu đồ trực quan chưa đủ, trong y văn biểu đồ

Kaplan Meier luôn đi kèm với bảng mô tả rút gọn gắn với

trục hoành (như hình bên)

Có tới 3 quy trình khác nhau trong chức năng Survival analysis, Chọn cái nào ?

3 3 Quy trình phân tích sự kiện trong SPSS 3.2 Quy trình Kaplan-Meier

Kaplan-Quy trình Kaplan-Meier cũng là một phép thống kê mô

tả, tuy nhiên nó cho phép làm nhiều công việc hơn sovới Life table, bao gồm:

+ Mô tả khái quát tần suất phát sinh sự kiện ở 2 phânnhóm F=1 và F=0

+ Lập 1 bảng Survival table mô tả tỉ lệ tích lũy của cáctrường hợp an toàn ở 2 phân nhóm F (bảng này nhưvậy kém chi tiết hơn bảng Life table, và chỉ tập trungxét yếu tố an toàn (E=0) hơn là nguy cơ (E=1)

+ Thống kê mô tả biến số thời gian T, cho biết giá trịtrung bình, trung vị của thời gian trước khi xảy ra sựkiện E, cho thấy sự khác biệt về T giữa 2 phân nhómF=1 và F=0

Không chỉ mô tả đơn thuần, quy trình Kaplan Meier còn thực hiện so sánh thời gian T mean giữa 2phân nhóm, bằng 3 phương pháp khác nhau:

(1) Log-rank test của Mantel-Cox

(2) Phương pháp Breslow

(3) Phương pháp Tarone-Ware

Cho phép kết luận về ý nghĩa thống kê của khác biệt về Tmean giữa F=0 và F=1

+ Chức năng quan trọng nhất của quy trình Kaplan-Meier là vẽ biểu đồ Kaplan-Meier cho phépkhảo sát trực quan xác suất tích lũy của trạng thái An toàn (Survival) hoặc Nguy cơ (Hazard) theothời gian Hình vẽ này không thể thiếu cho mọi nghiên cứu về theo dõi sự kiện

+ Quy trình cũng cho phép sao lưu kết quả hàm Survival và sai số chuẩn cho mỗi trường hợp Kếtquả này có thể ích lợi nếu muốn xác định khoảng tin cậy cho xác suất an toàn (phải tính thủ công).Ghi chú:

Quy trình Kaplan Meier cho phép ta trả lời hầu hết câu hỏi nghiên cứu cơ bản, tuy nhiên nó chỉ tậptrung mô tả và so sánh dựa trên số liệu có sẵn chưa không cho phép dự báo cho quần thể tổngquát Để làm việc này ta cần tiến hành thêm quy trình hồi quy Cox (xem trang tiếp theo)

Mô hình COX

Vấn đề sẽ phức tạp hơn một chút khi có thêm 1 hay

nhiều yếu tố phụ can thiệp vào quy luật phân phối

xác suất tự nhiên của sự kiện E theo thời gian

Nhưng chính những yếu tố này lại giúp ta trả lời

những câu hỏi hấp dẫn hơn rất nhiều VÍ dụ ta có thể

khảo sát tác động của một yếu tố nguy cơ làm gia

tăng xác suất xảy ra sự kiện E, hoặc 1 yếu tố bảo vệ

giúp kéo dài thời gian an toàn tránh khỏi sự kiện E

Các yếu tố này có thể là :

+ Yếu tố nguy cơ » (F), ví dụ tình trạng nhiễm khuẩn

xâm lấn đường hô hấp sơ sinh Đây là 1 biến định

Nếu các bạn đã đọc qua tài liệu về hồi quy logistic

cho biến nhị phân của cùng tác giả, sẽ nhận thấy bài

toán này chính là một mô hình hồi quy logistic Mục

đích của mô hình là dự báo xác suất xảy ra sự kiện E

bằng 1 mô hình với các biến độc lập F,X,C

Trong nghiên cứu theo dõi sự kiện, mô hình hồi quy

logistic này có tên là mô hình Cox

Trong tài liệu này chúng tôi sẽ chỉ nói sơ lược về

những thao tác trong SPSS để lập mô hình Cox và

diễn giải kết quả, cho trường hợp đơn giản nhất chỉ

gồm 1 biến số độc lập (Nhiễm khuẩn hô hấp sơ sinh)

Nếu bạn gặp trường hợp phức tạp hơn với rất nhiều

biến số, hãy dành thời gian đọc lại tài liệu về hồi quy

logistic, mô hình Cox chỉ đơn giản là hồi quy Logistic

Quy trình hồi quy Cox trong SPSS cho phép:

+Thiết lập mô hình hồi quy Cox nhằm dự báo xácsuất phát sinh sự kiện E, với biến số cơ bản là thờigian (T) và một hay nhiều biến số độc lập khác (yếu

tố định tính hay hiệp biến số)

+ Kiểm tra ý nghĩa thống kê của các yếu tố dự báo,

và tính tỉ số nguy cơ (Odds-ratio)

+ Sao lưu kết quả dự báo cho từng trường hợp.+ Vẽ biểu đồ Kaplan Meier dựa vào giá trị dự báo.+ Lập bảng phân phối tần số cho xác suất nguy cơ(Hazard) và an toàn (Survival) tích lũy tại mỗi thờiđiểm

Như vậy quy trình hồi quy Cox tuy xuất ra 1 số kếtquả khá giống như quy trình Kaplan Meier, nhưngthực ra chúng không thay thế cho nhau, vì Cox mang

ý nghĩa dự báo còn Kaplan Meier mang ý nghĩa mô

tả - so sánh Ngoài ra trái ngược với K.M, quy trìnhCox tập trung vào nguy cơ (Hazard) hơn là Survival.Quy trình Cox cũng không bao gồm test Log-rank vàthống kê mô tả về thời gian như Kaplan Meier

3 3.4 Tóm tắt quy trình phân tích sự kiện trong SPSS

Tổng quát hoặc chomỗi phân nhóm

1

2

SPSS cho phép phân tích sự kiện theo thời gian thông qua 3 quy trình:

a) Life Table:giải quyết bước 1 một cách ngắn gọn dưới dạng bảng và một phần bước 2 (sosánh bằng phương pháp Wilcoxon (Gehan))

b) Kaplan Meier: Giải quyết bước 1 chi tiết hơn nhưng chỉ tập trung vào xác suất an toàn(Survival), toàn bộ bước 2 (bằng kiểm định Log-rank có hay không có trọng số) và bước 4

c) Cox model: Giải quyết bước 3 và bước 4 nhưng tập trung vào xác suất nguy cơ Thực chấtđây là quy trình hồi quy logistic như ta từng biết

Cả 3 quy trìnhđều cho phép vẽ biểu đồ Kaplan-Meiertheo 3 dạng khác nhau:

Dạng quy ước: khảo sát Xác suất an toàn tích lũy theo thời gian, dùng để khảo sát sự an toàn (Echưa xảy ra)

Dạng Nguy cơ: Xác suất tích lũy xảy ra sự kiện E, dùng để khảo sát nguy cơ

Dạng logarit: Hàm survival dưới dạng logarit theo thời gian

Ưu điểm của SPSS:

+ Phân tích sâu hiệu quả, kết hợp 3 phương pháp so sánh khác nhau

+ Thiết lập mô hình Cox theo nhiều quy trình tự động hay thủ công, chức năng sao lưu,Bootstrap

Hạn chế của SPSS:

+ Hình vẽ thô sơ, cần tốn nhiều công sức để chỉnh sửa

+ Không thể hiện khoảng tin cậy trên biểu đồ (phải dùng syntax làm thủ công rất khó khăn).+ Nhiều chức năng chồng lắp giữa các quy trình, tốn tài nguyên máy tính và rối mắt khi phân tíchkết quả

Vẽ biểu đồ Kaplan Meier

4 Tạo bảng số liệu

F E

Biến định tính, nhị phân để chỉ yếu tố phân loại Ví dụ

ở đây: F= tình trạng nhiễm khuẩn hô hấp giai đoạn sơsinh F=0: chưa xảy ra, F=1: có xảy ra

F

Nếu bạn muốn sử dụng gói syntax

để phân tích tự động, hãy tạo file

dữ liệu gồm 3 biến số T, E, F với ýnghĩa như trên Bạn không cần dánnhãn (label) vì syntax sẽ làm luôngiúp bạn chuyện này

Nếu bạn muốn làm thủ công, có thểđặt tên biến, dán label tùy ý thích

A

B

Sau đó bạn nhập số liệu…

Giới thiệu

Khác với những tài liệu trước đây, lần này các bạn sẽ không được chỉ dẫn sử dụngthao tác thủ công trên SPSS, nhưng được (hay bị) sử dụng Syntax (lập trình cú pháplệnh) trong toàn bộ 3 quy trình : Life table, Kaplan-Meier và hồi quy Cox

Ưu điểm của Syntax:

- Cho phép thi hành tự động nhiều quy trình liên tiếp cùng một lúc Chỉ cần nhấn 1nút và bạn sẽ có toàn bộ kết quả ngay lập tức Thích hợp cho các bạn đang ở tronghoàn cảnh khẩn cấp, cần có kết quả thật nhanh mà không muốn mất thời gian tìmhiểu và luyện tập các thao tác điều khiển thủ công trên SPSS

- Ngay cả khi bạn không muốn thi hành toàn bộ quy trình, có thể chọn riêng từngbước, các lệnh đã được đóng gói thành từng khối rời nhau với tên gọi, chú thích rõràng

Nhược điểm:

- Nếu bạn không hiểu cú pháp lệnh trong SPSS, bạn chỉ có thể sử dụng bộ syntax vớiđiều kiện thiết kế nghiên cứu của bạn đang làm phải giống y hệt như thí dụ trongtài liệu này (Chỉ bao gồm 3 biến số T,E,F)

Tác giả đã cố gắng khái quát hóa tối đa khi viết syntax để nó có thể áp dụng cho hầuhết trường hợp tổng quát, chỉ cần bạn đặt tên biến đúng và nhập giá trị đúng

Dĩ nhiên bạn cũng có thể tận dụng bộ Syntax để tự học về cú pháp lệnh và công dụngcủa từng lệnh, tác giả đã đóng gói và dán nhãn cho từng quy trình riêng biệt

Sau khi thi hành tự động, bạn chuyển qua chương 6 để biết cách diễn giải kết quả

5 5.1 Cách chạy Syntax

1 Tải file syntax có tên « Kaplan Meier syntax.SPS » từ Google drive của tác giả về máy của bạn

2 Tạo bảng số liệu với cấu trúc và tên biến số giống y như thí dụ dưới đây

1

2

3

4

3 Mở file syntax: Có 2 cách, hoặc bạn đi từ màn hình chính của SPSS như sau

Hoặc đơn giản là bạn click chuột 2 lần trực tiếp vàoicon của file syntax

Bạn không bắt buộc phải thi hành toàn bộ mà toàn quyền chọn những bước

riêng biệt để thi hành riêng

A

B

5 5.2 Phân tích nội dung syntax

Mục tiêu của phần này là để giúp các bạn hiểu cú pháp lệnh trong bộ syntax để có thể chỉnh sửa cho

nghiên cứu của riêng bạn Phần màu đỏ có thể tùy chỉnh

Mục đích là để làm cho kết quả rõ nghĩa

Ghi chú: Bạn có thể đặt lại tên biến theo ý thích của mình:

Ví dụ:

VARIABLE LABELS

F « Nhiễm khuẩn hô hấp"

E « Khởi phát viêm phổi"

T "Thời gian khảo sát"

VALUE LABELSF

0 « Không nhiễm khuẩn"

1 « Có nhiễm khuẩn"

VALUE LABELSE

0 « An toàn"

1 « Viêm phổi"

5 5.2 Phân tích nội dung syntax

* 3 Bảng tần suất sự kiện (Survival table)

Khối lệnh thứ 3 : Survival table

tương ứng với quy trình Life table, có mục đích lậpbảng phân phối tần số của trạng thái sự kiện E tại 1 sốthời điểm nhất định trong quá trình theo dõi

T BY F (0 1): thực hiện quy trình cho 2 phân nhómriêng biệt (F= yếu tố có nhiễm trùng hô hấp)

Nếu bạn chỉ muốn phân tích cho quần thể chung vàkhông xét đến phân nhóm, chỉ cần bỏ phần sau : BYF(0 1)

Bạn cũng có thể thay F bằng 1 biến số chỉ yếu tố kháctùy ý

/INTERVAL=THRU36BY6

Dòng lệnh này quy định cách chia các mốc thời gian.Trong thí dụ này, tác giả chia Tmax = 36 tháng ra 6phân đoạn, mỗi đoạn dài 6 tháng Như vậy bảng phânphối sẽ có 6 hàng tương ứng với thời điểm tháng thứ6,12,18,24,30,36

Trong nghiên cứu của riêng bạn, bạn cần thay đổi 2 giátrị này trước khi chạy syntax Ví dụ thời gian theo dõi =

12 tháng, và bạn muốn làm thống kê cho mỗi tháng,lệnh trên sẽ được đổi thảnh:

/INTERVAL=THRU12BY1

/STATUS=E(1)

Dòng lệnh này quy định giá trị của trạng thái « sự kiện

E có xảy ra »: E=1/PRINT=TABLEDòng lệnh này cần có để in kết quả của Survival table/COMPARE=TBY F

Dòng lệnh này thực hiện phép kiểm so sánh 2 phânnhóm F=0 và F=1 bằng phương pháp Wilcoxon.Wilcoxon (Gehan)

Tương ứng với quy trình Survival table bằng giao

diện SPSS