针对癌症患者的生存预测研究有助于确定高危患者及相应治疗方案,预估临床治疗支出,以及充分分配医疗资源等,无论对于患者本人、医院甚至医学研究来说都具有十分重要的意义,也是近年来生物医院研究领域的热点之一。本研究针对女性乳腺癌患者进行生存预测分析,建立以贝叶斯理论为基础的动态生存预测分析模型,并对癌症生存分析中一个显著的预后标记——LNR(淋巴结比率)进行估计,以此为输入,结合其他指标共同进行生存预测分析。本研究数据源于美国国家癌症研究所(National Cancer Institute,NCI)的监测、流行病学和结果数据库(Surveillance,Epidemiology and End Results,SEER)中 4024例于2006-2010年间诊断为浸润导管和小叶癌乳腺癌患者,并获得了癌前肿瘤登记处的资料。采用贝叶斯统计方法,分别针对LNR估计和患者生存分析建立了状态演变模型。在生存分析过程中,对经典的Cox回归模型的各种版本进行了研究,以选择最精确的生存预测模型。尤其当输入指标违反了 Cox模型的比例性假设时,我们尝试了不同方法对其进行扩展,并分别进行了比较。本研究的重点是确定LNR的预后价值和对Cox回归模型的分析。此外,开发了 web应用程序针对个体患者进行生存预测。仿真分析表明,基于LNR估计的生存分析模型的预测能力高于无LNR的和基于LNR检测值的模型,因此,对于LNR的精确估计是非常重要的,而贝叶斯方法的引入,有助于模型针对不同患者个体进行自适应调整。此外,在生存模型分析中,预测结果最精确的是经典Cox回归模型,Cox回归模型的扩展并没有提供我们所期待的改进。