期刊简介
《生物资源》创刊于1975年，至今40余年。1975-1981年刊名为《氨基酸通讯》,1982-1994年更名为《氨基酸杂志》，1995年-2015年更名为《氨基酸与生物资源》，2016年4月获国家新闻出版广电总局批准，再次更名为《生物资源》，刊期变更为双月刊。已出版38卷152期。
《生物资源》是教育部主管、武汉大学和武汉科学技术情报中心主办，在中国微生物学会微生物资源专业委员会和国家微生物资源平台的协办下，主要刊载动植物资源、遗传资源和微生物资源的生物学基础研究，生物资源利用与评估应用技术，以及生物多样性与保护等方向的最新原创研究成果、综述进展和学术简报，促进国内外学术交流，致力于生物资源的可持续发展和高效利用，成为面向我国生物资源研究、开发利用与保护的综合性学术期刊。
《生物资源》由武汉大学科技期刊中心负责编辑出版。现任编委会主任为武汉大学生命科学学院李文鑫教授，主编为华中农业大学生命科学学院孙明教授。
《生物资源》国内统一刊号 CN 42-1886/Q，国际标准刊号ISSN 2096-3491，广告许可证号为420100400057。是中国科技核心期刊，为《中国科技论文统计》、《中国科学引文数据库》、《中国学术期刊综合评价数据库》来源期刊，被《中国生物学文摘》、《中国药物学文摘》、《中国化学文摘》、《中国学术期刊(光盘版)》、“中国期刊网”、“万方数据资源系统”、“维普信息资源系统”、“中国医院知识仓库”等收录。
医学论文写作中Cox比例风险模型统计分析工具详解
时间：2024-03-22 09:55:13
Cox比例风险模型，又称Cox回归模型，是由英国统计学家D.R.Cox在1972年提出的一种半参数回归模型。该模型以生存结局和生存时间为应变量，可同时分析众多因素对生存期的影响，能分析带有截尾生存时间的资料，且不要求估计资料的生存分布类型。由于其优良的性质，该模型自问世以来，在医学随访研究中得到广泛的应用，是迄今生存分析中应用最多的多因素分析方法。
Cox比例风险模型基于比例风险假设，即任意两个个体的风险函数之比不随时间变化，或者说风险比保持恒定。该模型中的预测变量（或称为解释变量）可以是连续性变量，也可以是二分类或分类变量。
此外，Cox比例风险模型可用于估计生存函数和风险函数，并通过计算风险比（hazard ratio）来评估各因素对生存时间的影响程度。在实际应用中，该模型还可用于比较不同治疗方法的疗效差异、预测患者的生存时间等。
当研究某种疾病患者的生存时间及其与各种影响因素的关系时，Cox比例风险模型是一个常用的统计分析工具。以下是一个简化的实例来说明Cox比例风险模型的应用。
研究目的：评估某种新药物对肺癌患者生存时间的影响，同时考虑其他潜在的影响因素，如患者的年龄、性别和癌症分期。
数据收集：收集一组肺癌患者的数据，包括患者的生存时间（从确诊到死亡或研究结束的时间）、是否接受新药物治疗（是/否）、年龄、性别和癌症分期等信息。
Cox比例风险模型构建：
因变量：生存时间（通常表示为“时间”）和生存状态（通常表示为“状态”，其中1表示事件发生，即死亡；0表示被删失，即研究结束时患者仍存活或失访）。
自变量：
治疗组别（接受新药物治疗 vs. 未接受新药物治疗）
年龄（连续变量或分类变量）
性别（男性 vs. 女性）
癌症分期（I期、II期、III期、IV期）
模型假设：Cox比例风险模型假设在任意时间点，接受新药物治疗的患者与未接受新药物治疗的患者的风险比（hazard ratio）是恒定的，即不随时间变化。同样，其他协变量的效应也是比例性的。
模型拟合与结果解释：使用统计软件（如R、SAS、SPSS等）拟合Cox比例风险模型，并输出各协变量的估计系数、风险比及其95%置信区间。风险比大于1表示该因素增加死亡风险，小于1表示降低死亡风险。例如，如果新药物治疗的估计风险比为0.75（95% CI: 0.60-0.95），则表明接受新药物治疗的患者死亡风险降低了25%（相对于未接受新药物治疗的患者）。
实例分析：
假设我们收集了100名肺癌患者的数据，并使用Cox比例风险模型进行分析。结果显示，新药物治疗、年龄、性别和癌症分期均对生存时间有显著影响。具体来说：
接受新药物治疗的患者的死亡风险降低了30%（风险比=0.70，95% CI: 0.50-0.98）。
年龄每增加10岁，死亡风险增加20%（风险比=1.20，95% CI: 1.05-1.37）。
男性患者的死亡风险是女性患者的1.5倍（风险比=1.50，95% CI: 1.00-2.25）。
癌症分期越高（即病情越严重），死亡风险也越高（例如，IV期患者的死亡风险是I期患者的3倍）。
这些结果有助于我们了解各种因素对肺癌患者生存时间的影响，并为临床决策提供支持。然而，需要注意的是，Cox比例风险模型的假设在实际应用中可能不成立，因此需要进行适当的模型诊断和验证。