腊前月季
【宋】杨万里
只道花无十日红，此花无日不春风。
一尖已剥胭脂笔，四破犹包翡翠茸。
别有香超桃李外，更同梅斗雪霜中。
折来喜作新年看，忘却今晨是季冬。
【译文】
只以为花开后红艳不了几天，但是月季花每天都是春风满面，娇艳欲滴。
初绽的蓓蕾就像一枝胭脂色的毛笔，翡翠般的细茸包裹着绽放的花朵。
月季之芳香非但桃李所能媲美，更是同腊梅一起，抖擞精神，傲霜斗雪。
欣喜地折下它来，作春花观赏，忘却了今晨还是隆冬腊月。
【赏析】
此诗首联写月季花的季节特征；颔联重点描绘了月季花开放时的形态和色泽；颈联以桃李作比，透露出月季花的别有香味，以雪梅作比，又衬托着月季花的盎然英姿；尾联写诗人的独特感受，表露了诗人腊月前见月季的欣喜之情。全诗语言生动，新鲜活泼，且结构谨严，层层描绘，既有对月季花的精勾细摹，又有诗人的感情抒发，二者紧密结合起来，有较好的艺术效果。
首联“只道花无十日红，此花无日不春风。”很自然地入诗点题。第二句破题承起句“花无十日红”，本世人之常见，诗人加上“只道”二字，否定了世俗之见，出了新意，读来倍感新鲜。“无日不春风”是纲领，统领全诗诗人以满腔的热情，歌颂月季充满了青春的活力，生机勃勃，奋发有为。这二句概写，一句说百花，“花无十日红”，二句说月季，“无日不春风”。虽不是对月季的具体描绘，有些抽象，但并不难理解，且总领两句，已见月季特色。
这首《腊前月季》，传为佳作。诗人为月季四季展浓艳，一年播芬芳，为人们生活增添乐趣的可贵品德所感，怀着深深的敬意，平平写来。对月季的爱悦，全部蕴含在浑融的诗歌意境中。玩索有味，体味有情。语言浅显，造境极佳，把月季写得神韵俱优。
Cox回归分析历史前面介绍的寿命表法与Kaplan-Meier过程是最基本生存分析方法，但只适用于研究单个因素对生存时间的影响，但如果生存时间的影响因素较多，则不能进行分析，此时就需要用到专门的多因素分析方法：Cox回归分析（Cox Regression过程）。
Cox回归是由英国伦敦大学的Cox于1972年提出，它是一种半参数模型，与基于参数模型的方法不同，该方法可以在不对生存时间的具体分布进行假设的情况下评价因子的效果，大大降低了生存分析的门槛，促进了对生存数据的研究。因此，Cox会模型的提出被誉为生存分析研究的里程碑。
Cox回归分析优点在于：适用于多因素的分析方法，不考虑生存时间的分布形状、能够有效利用截尾数据。
Cox回归分析简介生存分析中一个很重要的内容，就是探索影响生存时间（生存率）的危险因素，这些因素通过影响各个时刻的死亡风险（危险率）来影响生存率，如不同特征的人群在某些时刻的危险率就是不同的。
假设有n名病人，第i（i=1,2,3,……n）例病人的生存时间为ti，同时设协变量X=(Xi1,Xi2,……Xin)是影响病人生存时间的p个危险因素。设h（t,x）表示在受危险因素x的影响下，在时刻t的风险率；设h0（t）表示在不受危险因素x的影响下，在时刻t的风险率。显然h0(t)=h(t,0)，并称h0(t)为基础风险函数。
基本Cox模型表达式：
式中 X1, X2,… Xp为协变量或影响因素，一般包括年龄、性别、临床及生化指标等。β为回归系数，其意义为：变量X每变化一个单位所引起的相对危险度的自然对数，或使风险函数增加exp(β)倍。
例：在单一自变量的情况下，用Xj表示治疗方案，Xij=0，表示标准治疗方案； Xij=1，表示改良治疗方案；一个接受改良质量方案的病人在时间 t 点的相对风险度自然对数值为ln(hi(t)/h0(t))为βj；当其<0时，有hi(t)<h0(t)，说明改良治疗方案的治疗效果优于标准治疗方案，否则hi(t)>h0(t)，因此模型中参数不仅反映作用强度，也反映作用的方向。
回归系数的估计需要借助于偏似然函数，之后再对基础风险函数和风险函数做出估计，对于模型中变量的取舍原则，有以下几种假设检验方法选择：
（1）似然比检验：可用于模型中原有不显著变量的提出和新变量的引入，以及包含不同变量的各模型比较。
（2）得分检验：可用于检验一个或多个新变量能否引入模型，也可用于检验变量间的交互作用是否显著。
（3）Wald检验：用于检验模型中的变量是否应被剔除；它可按照置信区间的大小来推断模型内的参数是否为0，方法是当回归系数的95%置信区间包含0时，就认为它与0无显著性差异。
Cox回归分析步骤：
首先Cox回归模型需满足两个前提假设：各危险因素的作用大小不随时间变化而变化；各危险因素间不存在交互作用。
- 明确所因素问题的自变量和因变量
- 利用样本估计参数，拟合模型
- 做关于模型中的变量取舍的假设检验，以及模型拟合和优度检验
- 模型的解释与应用
示例：某医院泌尿外科医师选择1996-2000年间经手术治疗的膀胱肿瘤患者30例，对可能影响膀胱肿瘤术后生存时间的因素进行调查，随访日期截止为2000年12月31日，患者的生存结局（死亡与否）通过查阅病例、电话和信访的形式获得。分析膀胱肿瘤预后影响因素。
1. 数据说明
- age：年龄，数值型
- grade：肿瘤分级，1/2/3级，数值型
- size：肿瘤大小(0—小于3cm，1-大于3cm），数值型
- repapse：是否复发；0-未复发，1-复发，数值型
- time：生存时间，数值型
- censor：生存结局，0-截尾，1-死亡，数值型
2.打开 分析—生存分析—Cox回归
3. 参数选择与说明
- 主页面
a.时间：选入代表生存时间的变量。本例选择 time
b.状态：生存状态变量，定义失效事件的标记值，本例输入 1
- 单值：当生存状态为二元变量时，选中此项，并在后面的输入框指定状态变量的代表时间发生的取值即可
- 值的范围：当生存状态为多分类变量时，选中此项，并在前后两个输入框中输入取值范围的起始值和终止值。
- 值的列表：在其后的对话框中输入某个数字后，单击 添加 将其加入下面的列表中，如此重复可指定代表事件发生的多个不同的值；同时也可针对指定的值编辑与更改。
c.协变量：定义自变量
- 方法：
-- Enter 强行进入法：同一组中的协变量，一次性地全部进入回归方程。
-- Forward Condition向前选择法：通过条件似然检验确定协变量是否能进入回归方程。
-- Forward LR向前选择法：通过似然率检验确定协变量是否能进入回归方程。
-- Forward Wald向前选择法：通过条Wald检验确定协变量是否能进入回归方程。
-- Backward Condition向后消去法：通过条件似然检验确定协变量是否从回归方程消去。
-- Backward LR向后消去法：通过似然率检验确定协变量是否从回归方程消去。
-- Backward Wald向后消去法：通过条Wald检验确定协变量是否从回归方程消去。
注1：一般来说，使用向后消去法更可能避免漏掉潜在的有价值的预测因子；如果要去至少有一个协变量进入模型，建议使用向前选择法。
注2：基于条件参数估计和偏最大似然估计的筛选方法都比较可靠，尤其以后者为佳。而基于Wald统计量的检验则不然，它未考虑各因素之间的综合作用，所以当因素间存在共线性时，结果不可靠，所以应慎用此检验方法。
d.层：定义分层变量，用于分层分析，可以看作是研究者欲加以控制的混杂因素
（2）定义分类协变量 页面：将分类变量自动拆分为n-1个哑变量进行分析，同之前回归分析中哑变量设置相同。
- 对比方法：
（3）图 页面
a.图类型
- 生存分析：累积生存函数曲线
- 风险：累积风险函数散点图
- 负对数的对数：对数累积生存函数乘以-1后再取对数
- 一减生存分析函数：生存函数被1减后的曲线图
b.协变量值的绘制位置
- 该列表给出相应图形的公式，系统默认为各自变量的均值。
- 若要改动，则在框内选定变量后，点击 变化量 选项组被激活，在 值 框内填入指定数值
（4）保存 页面
a.生存分析函数：
- 生存分析函数：累计生存函数（生存率）估计值
- 标准差误差：累计生存率估计值的标准误
- 负对数的对数：对数累计生存函数乘以-1后再取对数
b.回归诊断：
- 风险函数：残差
- 偏残差
- DfBeat：剔除某一观察单位后的回归系数变化量
c.X*Beta：线性预测得分
（5）选项 页面：选择需要输出的统计量和统计图
a.模型统计
- Exp（B）的置信区间：相对危险度RR的可信区间，系统默认可信度95%
- 估计值的相关性：回归系数的相关性
- 显示模型信息：在每一个步骤—输出每一步模型；在最后一个步骤—输出最后一步模型。
b.步进概率
- 进入：用于设置变量引入的检验水准
- 除去：用于设置变量剔除的检验水准
c.最大迭代次数：默认为20次
d.显示基线函数：各死亡时间的基准风险函数及各协变量均值对应的生存率、生存率标准误和累计风险函数
4.结果输出与解释
（1）基本描述
- 下表显示总样本数为30，死亡样本为27，占90%；截尾数3，占10%。
（2）基于似然比 LR 的前进法筛选变量过程
- 块0：所有四个变量都在方程外
- 块1：经过3步，筛选过程结束。输出每一步的似然比检验结果
（3）回归方程参数估计
- 结果显示：肿瘤分级、肿瘤大小和是否复发为膀胱肿瘤患者长期生存的独立影响因素
- 肿瘤分级、肿瘤大小和是否复发的回归系数为正值，提示高肿瘤分级、肿瘤大于3.0cm和复发为死亡危险因素，即调整其他两个因素后，肿瘤分级每增加一级，死亡风险增加5.367倍。肿瘤大于3.0cm者的死亡风险是小于3.0cm的2.939倍；肿瘤复发者死亡风险是未复发者的2.662倍。
- 根据各变量的回归系数，得出风险函数表达式：
表达式右边指数部分取值越大，则风险函数h(t)越大，预后越差，故称为预后指数（PI）。可按适当的预后指数分位数将贯穿对象分成若干组（2-5组），如低危组、中危组和高危组，以考察预后指数范围不同，其生存率的差异。
（4）未包含在方程中变量
（5）协变量均值
（6）函数曲线
- 生存分析函数：说明研究样本在总体人群中总的生存率变化情况，在本案例中，患者术后40个月后生存率非常低。
- 风险函数曲线：可看出，趋势十分明显，即随着时间的延长，患者在生存上所经历的死亡风险愈来愈大，到50个月时，大约是期初的6-8倍。
5.语法
********************Cox回归分析 ******************.
COXREG time
/STATUS=censor(1)
/METHOD=FSTEP(LR) age grade size relapse
/PLOT SURVIVAL HAZARDS
/PRINT=CI(95)
/CRITERIA=PIN(.05) POUT(.10) ITERATE(20).
